Einführung
Große Sprachmodelle (LLMs) können fließende und nützliche Antworten generieren, aber ihre Schulungsdaten enthalten nicht alle Informationen, die eine Anwendung möglicherweise benötigt. Ein Modell weiß möglicherweise nicht mehr über die privaten Dokumente Ihrer Organisation, und seine Schulungsdaten können veraltet werden. Es kann auch eine plausible Antwort erzeugen, die nicht durch zuverlässige Beweise unterstützt wird.
Durch die Kombination von Suchvorgängen mit generativer KI werden diese Einschränkungen durch die Kombination von "Retrieval-Augmented Generation" (RAG) behoben. Bevor sie ein Modell zur Beantwortung einer Frage stellen, findet eine RAG-Anwendung relevante Informationen und fügt es der Eingabeaufforderung hinzu. Das Modell kann diese Informationen dann verwenden, um eine relevantere, geerdete Antwort zu erzeugen.
In diesem Modul erkunden Sie die wichtigsten Phasen der RAG und die wichtigsten Entscheidungen, die die Qualität einer RAG-Lösung beeinflussen.
Note
Wir erkennen, dass verschiedene Menschen gerne auf unterschiedliche Weise lernen. Sie können dieses Modul im videobasierten Format abschließen oder den Inhalt als Text und Bilder lesen. Der Text enthält größere Details als die Videos. In einigen Fällen sollten Sie also auf den Text als ergänzendes Material für die Videopräsentation verweisen.