Jak ustalić, czy winna jest wyszukiwarka, czy tworzenie odpowiedzi?
Najpierw odpowiedz na głos lub w myślach, potem porównaj.
Odpowiedź
Sprawdzam osobno, co znaleziono, i co model z tym zrobił. Jeśli właściwego fragmentu nie ma w przekazanym materiale, zaczynam od pobierania dokumentów, ich podziału i wyszukiwania. Jeśli jest, a odpowiedź nadal jest zła, badam instrukcję i zachowanie modelu.
Przygotowuję pytania z oznaczonymi potrzebnymi dokumentami. Mogę policzyć, jaka część ważnych fragmentów znalazła się w pierwszych wynikach. Pomaga też próba z ręcznie dobranym poprawnym kontekstem: jeżeli nadal jest źle, problem nie leży wyłącznie w wyszukiwaniu. Odpowiedź oceniam pod względem prawdziwości i zgodności ze źródłami. Testy obejmują także pytania bez odpowiedzi.
Dlaczego to ważne: To kluczowa umiejętność diagnozowania RAG.
Możliwe dopytania: Co jeśli odpowiedź wymaga kilku różnych dokumentów, a znaleziono tylko jeden?
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
Przećwicz w kodzie
- Czy wyszukiwarka znajduje właściwe materiały? — uruchamia testy w przeglądarce
Dalsza lektura
- Anthropic: Demystifying evals for AI agents(otwiera się w nowej karcie)09.01.2026. Outcome vs transcript, wielokrotne próby, ewaluacja całego agenta i harness.
- pgvector: oficjalne repozytorium i dokumentacja(otwiera się w nowej karcie)Docs; dostęp 22.10.2026. Exact/ANN, indeksy i wpływ filtrów na wyszukiwanie.