Was ist RAG?
RAG verbindet die Suche in externen Quellen mit der Antwortgenerierung durch ein Sprachmodell. Das System wählt relevante Textstellen aus und fügt sie dem Kontext hinzu. So kann das Modell aktuelle Unternehmensinformationen nutzen, ohne sie dauerhaft durch Training zu erlernen.
Quellen und Datenvorbereitung
Die Wissensschicht enthält freigegebene Dokumente mit klaren Verantwortlichen, Datum und Version. Inhalte werden bereinigt, sinnvoll aufgeteilt und um Metadaten ergänzt. Widersprüchliche oder veraltete Quellen werden nicht ohne vorherige Entscheidung indexiert.
Suche und Filter
Suchanfragen können semantische Ähnlichkeit, exakte Begriffe und Filter nach Sprache, Produkt oder Berechtigungen kombinieren. Anzahl und Reihenfolge der Ergebnisse werden anhand realer Fragen abgestimmt. Das System muss auch erkennen, wenn keine ausreichende Quelle vorhanden ist.
Antworten und Quellenverweise
Die Anweisung verlangt, Antworten auf die bereitgestellten Belege zu stützen und Lücken nicht mit Vermutungen zu füllen. Quellenverweise ermöglichen die Prüfung der Herkunft und das Öffnen konkreter Dokumente. Die Ausgabe unterscheidet Fakten aus Quellen von Empfehlungen des Systems.
Berechtigungen und Evaluationen
Die Suche respektiert dieselben Zugriffsrechte wie das Ursprungssystem. Gelöschte Dokumente werden auch aus dem Index entfernt. Tests messen Relevanz, Antwortkorrektheit, Quellenverweise, Geschwindigkeit, Kosten und Widerstandsfähigkeit gegen schädliche Anweisungen in Quellen.
Der Ansatz von PAR HOUSE Agency
Wir entwickeln RAG für konkrete Wissensbestände und echte Fragen von Kunden oder Teams. Hybridsuche, präzise Berechtigungen, Quellenverweise und Monitoring greifen zusammen. Der Agent nutzt aktuelle Informationen und benennt sicher, wenn die Quellen nicht ausreichen.
