RAG (Retrieval Augmented Generation)

Architektur-Pattern, bei dem ein LLM bei jeder Abfrage relevante Dokumente aus einem Vektorspeicher abruft und zur Antwortgenerierung nutzt.

Definition

Bei RAG werden Rohdokumente in Vektoren eingebettet und in einer Datenbank gespeichert. Bei einer Anfrage werden semantisch ähnliche Chunks abgerufen (Retrieve) und dem LLM als Kontext mitgegeben (Augment), der dann antwortet (Generate).

Kernlimitation gegenüber LLM Wiki

RAG akkumuliert kein Wissen zwischen Sessions: Jede Abfrage startet von Null. Subtile Querverbindungen zwischen Quellen müssen jedes Mal neu gefunden werden. Cross-References und Synthesen existieren nicht persistent.

Gegensatz

Siehe persistent_knowledge_base für den Vergleich ephemeres vs. persistentes Wissen.

⚠️ STUB

Diese Page ist ein Platzhalter. Noch keine dedizierte Quelle ingested.

Links

• persistent_knowledge_base — Persistentes Gegenstück
• llm_wiki_pattern — Alternative Architektur