Retrieval-Augmented Generation (RAG)
Retrieval-Augmented Generation (RAG) är en AI-arkitektur där en modell hämtar relevanta dokument från en extern kunskapsbas och använder dessa som kontextuell grund för att generera ett svar — istället för att uteslutande lita på träningsdata.
RAG kombinerar två komponenter: en retrieval-modul (som söker och hämtar relevanta texter) och en generativ modell (som genererar svar baserat på de hämtade texterna). Perplexity är ett renodlat RAG-system där retrieval-källan är det öppna webben.
För innehållsskapare är RAG-arkitektur viktig att förstå: innehåll som är tydligt strukturerat, lätt tillgängligt för crawlers och koncist nog för att bli relevant i retrieval-steget har högre sannolikhet att bli inkluderat i AI-svaret.
Vanliga frågor
Vad är RAG i praktiken?
Perplexity söker på webben (retrieval), hittar relevanta texter och låter en LLM skriva ett svar baserat på dessa texter (generation). Resultatet är ett svar som är både informerat av träningsdata och uppdaterade webbkällor.
Utforska AI-sökning ordlistan
AI Search Academy är en oberoende ordlista för AI-sökning och synlighet.
Se alla begreppRelaterade begrepp
KR
AI Search & Growth Strategist med 25+ år inom digital marknadsföring. Läs mer →