Retrieval-Augmented Generation (RAG)
Retrieval-Augmented Generation (RAG) er en AI-arkitektur, hvor en model henter relevante dokumenter fra en ekstern vidensbase og bruger disse som kontekstuelt grundlag til at generere et svar — frem for udelukkende at basere sig på træningsdata.
RAG kombinerer to komponenter: et retrieval-modul (der søger og henter relevante tekster) og en generativ model (der genererer svar baseret på de hentede tekster). Perplexity er et rendyrket RAG-system, hvor retrieval-kilden er det åbne net.
For indholdsproducenter er RAG-arkitektur vigtig at forstå: indhold, der er klart struktureret, let tilgængeligt for crawlere og præcist nok til at blive relevant i retrieval-trinnet, har højere sandsynlighed for at blive inkluderet i AI-svaret.
Ofte stillede spørgsmål
Hvad er RAG i praksis?
Perplexity søger på nettet (retrieval), finder relevante tekster og lader en LLM skrive et svar baseret på disse tekster (generation). Resultatet er et svar, der både er informeret af træningsdata og opdaterede webkilder.
Udforsk AI-søgning ordbogen
AI Search Academy er en uafhængig ordbog for AI-søgning og synlighed.
Se alle begreberRelaterede begreber
KR
AI Search & Growth Strategist med 25+ år i digital markedsføring. Læs mere →