RAG (Retrieval-Augmented Generation, generowanie wzbogacone o wyszukiwanie) to technika, w której model AI przed udzieleniem odpowiedzi najpierw pobiera pasujące fragmenty z bazy dokumentów lub z internetu, a następnie na ich podstawie formułuje odpowiedź. Opisano ją w pracy z 2020 roku.
Jak działa RAG?
- dokumenty dzieli się na fragmenty i zamienia na wektory (embeddingi),
- pytanie użytkownika też jest zamieniane na wektor,
- system znajduje najbardziej podobne fragmenty,
- model dostaje je razem z pytaniem i tworzy odpowiedź na ich podstawie.
Po co stosuje się RAG?
Zmniejsza liczbę halucynacji, pozwala korzystać z aktualnej wiedzy bez ponownego trenowania modelu i umożliwia wskazanie źródła odpowiedzi. Tak działają m.in. czatboty obsługi klienta oparte na dokumentacji firmy oraz wyszukiwarki AI.
Znaczenie RAG dla SEO
Wyszukiwarki AI pobierają fragmenty stron, więc treść podzielona na czytelne sekcje z nagłówkami i odpowiedzią na początku jest łatwiejsza do pobrania i zacytowania. Taka struktura jest podstawą optymalizacji pod GEO.
Modele językowe uczą się m.in. na treściach stron, a o tym, czy roboty zbierające dane mają do nich dostęp, decyduje plik robots.txt.
Zobacz w praktyce
Jak skonfigurować robots.txt i uniknąć typowych błędów
Jak wdrożyć dane strukturalne – typy, kod JSON-LD i testowanie
Audyt techniczny SEO krok po kroku