RAG (Retrieval Augmented Generation)

RAG (Retrieval Augmented Generation) to technika łącząca wyszukiwanie informacji z generowaniem tekstu przez AI. Model AI nie pamięta wszystkiego – ma Knowledge Cut-Off i ograniczone okno kontekstowe, więc RAG dostarcza mu kontekst w locie. Pipeline RAG składa się z 6 kroków: przygotowanie bazy wiedzy, chunking dokumentów, generowanie embeddingów, zapis do bazy wektorowej, wyszukiwanie najbardziej trafnych fragmentów i generowanie odpowiedzi.

Kluczową zasadą jest to, że mniej kontekstu = lepsza odpowiedź – 3 idealne fragmenty dają lepszy wynik niż 50 przypadkowych stron. RAG to fundament działania AI Overviews w Google, ChatGPT Search, Perplexity i każdego chatbota firmowego. Dla SEO oznacza to, że treści muszą być 'cytowalne' – autonomiczne chunki (sekcje H2), BLUF na początku sekcji i wysokie nasycenie trojkami EAV.

Analogicznie, RAG to asystent prawnika – prawnik (LLM) jest mądry, ale asystent (RAG) przynosi mu 3 najważniejsze akta z archiwum.