RAG (Retrieval-Augmented Generation)
Definice
RAG (Retrieval-Augmented Generation) je technika, při které AI model před generováním odpovědi nejprve vyhledá relevantní informace z externího zdroje (web, databáze, dokumenty) a teprve pak z nich vytvoří odpověď. Je to způsob, jak obejít knowledge cutoff a pracovat s aktuálními daty.
Výklad
RAG kombinuje sílu generativního modelu (umí formulovat přirozený jazyk) s přesností vyhledávání (má aktuální a ověřitelné zdroje). Technicky se skládá ze tří kroků: 1) uživatel položí otázku, 2) systém vyhledá relevantní dokumenty (typicky pomocí vektorového vyhledávání), 3) model z dokumentů vygeneruje odpověď. Pro GEO je RAG klíčový – Perplexity, ChatGPT Search, Google AI Overviews i Gemini fungují jako RAG systémy. Proto je tak důležité, aby váš web byl technicky indexovatelný a sémanticky jasný.
Příklad z praxe
Když se Perplexity zeptáte „Jaké jsou nejlepší nástroje pro AI optimalizaci?”, systém RAG najde relevantní články včetně vašeho, shrne je a vygeneruje odpověď s citacemi.