Agentic RAG
RAG, w którym model sam decyduje, czego szukać, czyta wyniki i w razie potrzeby szuka ponownie, zamiast jednego stałego kroku wyszukiwania.
Klasyczny RAG wyszukuje raz i odpowiada. W wersji agentowej wyszukiwanie jest narzędziem: model może przepisać zapytanie, wybrać źródło, dopytać o to, co znalazł, i przestać, gdy ma dość. Lepiej radzi sobie z pytaniami wieloczęściowymi kosztem większej liczby wywołań modelu, większego opóźnienia i mniej przewidywalnego zachowania. Ewaluacja obejmuje wtedy kroki, a nie samą odpowiedź, zob. ewaluacje trajektorii.
Powiązane hasła
- RAG (retrieval-augmented generation): Najpierw wyszukanie pasujących dokumentów i włożenie ich do promptu, żeby model odpowiadał na ich podstawie.
- Wywoływanie narzędzi (function calling): Model zwraca ustrukturyzowaną prośbę o uruchomienie zdefiniowanej przez Ciebie funkcji; uruchamia ją Twój kod.
- Ewaluacje trajektorii: Testy, które oceniają całą drogę agenta do odpowiedzi: jakie narzędzia wywołał, w jakiej kolejności, w ilu krokach i za ile; sam wynik końcowy to za mało.
- Rozszerzanie zapytań (query expansion): Przepisanie wyszukiwania użytkownika na kilka pełniejszych zapytań, z synonimami i pokrewnymi pojęciami, żeby krótkie albo mgliste pytania też znajdowały wyniki.
- GraphRAG: Odmiana RAG, która buduje z dokumentów graf wiedzy z bytami i relacjami i wyszukuje wzdłuż niego, a nie wyłącznie po podobieństwie tekstu.
