RAG (Retrieval-Augmented Generation)

Vad är RAG?

RAG (Retrieval-Augmented Generation) är en teknik som kombinerar informationshämtning med textgenerering. Istället för att förlita sig enbart på intränad kunskap söker modellen först i externa databaser eller dokument och använder resultaten som kontext för sitt svar.

Hur fungerar det?

En RAG-pipeline har tre steg. Först omvandlas frågan till en sökvektor. Sedan söks relevanta dokument i en vektordatabas. Slutligen matas de hämtade dokumenten in som kontext till språkmodellen som genererar svaret.

Varför är det viktigt?

RAG löser två grundproblem med språkmodeller: föråldrad kunskap (modellen vet bara det den tränades på) och hallucineringar (modellen hittar på fakta). Genom att ge modellen tillgång till aktuella, verifierbara källor blir svaren mer pålitliga.

Svenska tillämpningar

Svenska företag använder RAG för att bygga chatbotar som svarar utifrån intern dokumentation — till exempel kundtjänstsystem som söker i kunskapsbaser på svenska.