Jak zbudować prosty, ale użyteczny RAG?
Najpierw odpowiedz na głos lub w myślach, potem porównaj.
Odpowiedź
Oddzielam przygotowanie dokumentów od obsługi pytania. Najpierw pobieram treść i uprawnienia, dzielę dokumenty i zapisuję je w wyszukiwarce. Gdy przychodzi pytanie, sprawdzam użytkownika, wyszukuję dostępne dla niego fragmenty i dopiero przekazuję je modelowi.
Odpowiedź powinna wskazywać źródła i umieć przyznać, że materiału zabrakło. Potrzebuję sposobu aktualizacji i usuwania dokumentów. Na początek porównuję wyniki z prostą wyszukiwarką i kilkoma ręcznie opisanymi zadaniami. Nie zaczynam od wielu agentów. Dobry pierwszy zakres może obejmować jeden rodzaj dokumentów i odczyt bez wykonywania akcji. Kontrola dostępu jest częścią tego zakresu, a nie dodatkiem na koniec.
Dlaczego to ważne: To projektowanie po poznaniu elementów RAG, a nie zgadywanie nazw narzędzi.
Możliwe dopytania: Jak sprawdzisz, czy problem leży w wyszukiwaniu czy w modelu?
Jak poszło? Bądź szczery — „Jeszcze nie” dodaje pytanie do powtórki.
Zacznij od
- G-P01 · Co to jest RAG? — RAG i retrieval
- G-P02 · Co to są embeddings? — RAG i retrieval
Dalsza lektura
- Azure AI Search: Hybrid search overview(otwiera się w nowej karcie)Docs; dostęp 22.10.2026. Wektory + pełny tekst i łączenie rankingu przez RRF.
- Azure AI Search: Chunk large documents(otwiera się w nowej karcie)Docs; dostęp 22.10.2026. Dobór granic fragmentów i zachowanie kontekstu.