Wat is RAG?
Retrieval-Augmented Generation (RAG) combineert twee fasen: retrieval (relevante documenten vinden uit een kennisbank) en generation (antwoorden genereren op basis van gevonden materialen). Het model vertrouwt niet op trainingsgeheugen maar op verstrekte, actuele data.
Hoe werkt een RAG-pipeline?
1. Gebruiker stelt een vraag. 2. Systeem zoekt naar relevante documentfragmenten in een vectordatabase (embedding + similariteitszoekopdracht). 3. Gevonden fragmenten worden als context aan de prompt toegevoegd. 4. Model genereert een antwoord met bronvermelding.
RAG vs fine-tuning
Gebruik RAG wanneer data verandert (kennisbank, documentatie, regelgeving). Gebruik fine-tuning wanneer u het gedrag van het model wilt veranderen (antwoordstijl, formaat, domeinspecialisatie). In enterprise-praktijk worden beide benaderingen meestal gecombineerd.