RAG (Retrieval-Augmented Generation)

Technik, die ein LLM mit Ihren eigenen Daten verbindet, um präzisere Antworten zu liefern.

Retrieval-Augmented Generation (RAG) ist eine Architektur, die LLMs verbessert, indem sie vor der Antwort eine externe Wissensbasis konsultieren können. Anstatt sich nur auf das zu verlassen, was das Modell während des Trainings ‘gelernt’ hat, sucht RAG nach Daten in PDFs, Datenbanken oder im Web und verwendet diese aktuellen und verifizierten Informationen, um die Antwort zu formulieren.

Wie Interlinked es einsetzt

Retrieval in Interlinked ist an strukturierte, editierbare Quellen gebunden: Ihr Produktkatalog, Filialen, Öffnungszeiten, Richtlinien und Workflow-Definition. Wenn eine Kundin nach Verfügbarkeit, Preis oder einer Richtlinie fragt, ruft der Agent aus der Konfiguration ab, die Sie in der KI-Konfiguration besitzen — nicht aus einem hinter Ihrem Rücken aufgebauten Vector Store. Eine Antwort zu aktualisieren heißt, das Feld zu bearbeiten.