Cos'è il RAG?
Che cos'è?
Una pipeline RAG (retrieval-augmented generation) permette a un modello di rispondere a partire dai tuoi documenti: vengono divisi in chunk e trasformati in embeddings, poi per ogni domanda si recuperano gli estratti utili e si passano al modello.
Quando usarla
- Far rispondere un assistente a partire da documenti interni o da un catalogo prodotti.
- Ridurre le allucinazioni facendo citare le fonti al modello.
Campi della pagina
| Fonti | Documenti usati e come vengono aggiornati. |
|---|---|
| Chunking | Dimensione dei chunk e sovrapposizione. |
| Embeddings e vector store | Il modello di embedding e dove sono memorizzati i vettori. |
| Recupero | Numero di estratti conservati ed eventuale reranking. |
| Template del prompt | Il testo inviato al modello, con {{context}} e {{question}}. |
Come usarla
Scheda “Usa”: scarica la config JSON; l'esempio Python descrive ogni passaggio.