Fundamentele RAG
Concepte de bază pentru Retrieval-Augmented Generation: ce e, cum funcționează, când alegi RAG în loc de fine-tuning sau un LLM clasic
Când NU folosești RAG: alternativele și pragurile reale
Nu orice corpus are nevoie de retrieval. Arbore de decizie, praguri de volum și trafic, plus patru alternative care bat RAG-ul pe felia lor.
Controlul accesului în RAG: cine ce are voie să vadă
Cum filtrezi un index vectorial după permisiuni: pre-filter vs post-filter per motor, ACL-uri prea complexe pentru metadate, revocare și multi-tenant.
Prospețime, ștergeri și reindexare într-un sistem RAG
De ce un index expirat nu dă niciun semnal, cum detectezi schimbările și ștergerile, ce indexezi versus ce citești live și cât te costă totul.
Agentic RAG și multi-hop: când un pas de retrieval nu ajunge
Ce întrebări cer mai mult de un pas de retrieval, cum funcționează bucla de decizie și tool use, ce costă în latență și cum decizi dacă ai nevoie.
Arhitectura unui sistem RAG: componente, fluxuri, decizii
Cum se leagă piesele unui sistem RAG într-o arhitectură: harta de componente, contractele dintre ele, deciziile ireversibile și ce amâni la MVP.
Cum alegi modelul de generare pentru un sistem RAG
Cum alegi modelul de generare într-un sistem RAG: criterii reale, protocol de bake-off pe corpusul tău, rutare multi-model și migrare fără lock-in.
Cum arată un răspuns bun de RAG: sinteză, format, refuz
Ultimul metru din RAG: cum asamblezi contextul, cum alegi formatul răspunsului, ce faci la acoperire parțială și când „nu știu” e răspunsul corect.
Bază de cunoștințe AI: cum pregătești documentele pentru RAG
Ce este o bază de cunoștințe pentru AI, cum triezi sursele, cum extragi text din formate reale, ce metadate atașezi și ce alegi să nu indexezi.
Cum reduce RAG halucinațiile: grounding și citarea surselor
Grounding, citare la nivel de frază și abținere: cele trei mecanisme prin care un sistem RAG reduce efectiv halucinațiile, nu doar în aparență.