mirror of
https://github.com/bpmbpm/doc.git
synced 2026-05-02 21:40:41 +00:00
3.9 KiB
3.9 KiB
RAG doc
RAG
- RAG (Retrieval Augmented Generation) — простое и понятное объяснение
- Прокачиваем RAG: тестируем техники и считаем их эффективность. Часть 1
RAG ARC
Enterprise RAG
-
поиск по библиотеке знаний рекламного агентства:
- постановка на github (https://github.com/airndlab/hackathon-hacks-ai-mediawise-qna/blob/main/docs/media-wise.pdf)
- разбор на youtube (https://youtu.be/oAfcJk73cRY?si=tLw1QD7EZ2xZHbI5)
-
поиск по нормативным документам для РЖД:
- постановка на github (https://github.com/airndlab/hackathon-hacks-ai-rzd-qna/blob/main/docs/case/rzd.pdf)
- разбор на youtube (https://youtu.be/9Xrz_tvTsnY?si=1QL19b9-hQkvo7RQ)
Причем мы начали участвовать пару лет назад и в первый раз наше решение было без RAG, дальше изучили решения конкурентов и познакомились с RAG.
-
Как я построил RAG-систему за вечер с помощью 5 open source-инструментов
tools
book
- На Neo4j в открытом доступе лежит книжка Essential GraphRAG. KNOWLEDGE GRAPH–ENHANCED RAG от TOMAŽ BRATANICˇ и OSKAR HANE https://go.neo4j.com/rs/710-RRC-335/images/Essential-GraphRAG.pdf отмечается, что извлечение (retrieval) по (одно)векторной схожести, простой семантический поиск, не дает ожидаемого результата. По этому поводу есть замечательное 20 минутное изложение Бена Клавье (Ben Clavié) - I don’t use RAG, I just retrieve documents (https://hamel.dev/notes/llm/rag/p1-intro.html - слайды и конспект, видео: https://www.youtube.com/watch?v=Evlk9J-B_uc ) Тут 2 темы как минимум отлично раскрыты:
- Почему увеличение контекстного окна моделей не отменит RAG (распространенное заблуждение)
- Что означает Retrieval в технологии RAG, почему не работает простой семантический поиск, и куда движутся разработки в этом направлении сегодня.
- у Фаулера есть неплохая статья с описанием общего шаблона для построения продуктов на основе Generative AI. И да, RAG там является одним из шагов в цепочке.