Retrieval-Augmented Generation (RAG)
Retrieval-Augmented Generation
Retrieval-Augmented Generation (RAG) er en AI-arkitektur der en modell henter relevante dokumenter fra en ekstern kunnskapsbase og bruker disse som kontekstuelt grunnlag for å generere et svar — fremfor å stole utelukkende på treningsdata.
RAG kombinerer to komponenter: en retrieval-modul (som søker og henter relevante tekster) og en generative modell (som genererer svar basert på de hentede tekstene). Perplexity er et rendyrket RAG-system der retrieval-kilden er det åpne nettet.
For innholdsskapere er RAG-arkitektur viktig å forstå: innhold som er klart strukturert, lett tilgjengelig for crawlere, og konsist nok til å bli relevant i retrieval-steget, har høyere sannsynlighet for å bli inkludert i AI-svaret.
Ofte stilte spørsmål
Hva er RAG i praksis?
Perplexity søker nettet (retrieval), finner relevante tekster, og lar en LLM skrive et svar basert på disse tekstene (generation). Resultatet er et svar som er både informert av treningsdata og oppdaterte nettkilder.
Utforsk AI-søk ordboken
AI Search Academy er en uavhengig fagordbok for AI-søk og synlighet.
Se alle begreperRelaterte begreper
KR
AI Search & Growth Strategist med 25+ år i digital markedsføring. Les mer →