RAG
Finner de mest relevante dokumentene dine først, og gir dem til modellen sammen med spørsmålet.
å sende assistenten i arkivet før hun svarer.
Context injection
Du vet allerede hvilket dokument som gjelder, og limer det rett inn. Enklere og mer presist enn RAG.
å legge riktig perm på bordet i stedet for å be noen lete.
Embedding
Tekst gjort om til tall, slik at «bil» og «kjøretøy» havner nær hverandre.
et kart der ting som betyr det samme ligger i samme nabolag.
Vektordatabase
Der embeddingene lagres, så du kan finne det som ligner — ikke bare det som staves likt.
et bibliotek sortert etter mening i stedet for alfabet.
Finjustering
Å trene modellen videre på dine egne eksempler. Dyrt, tregt — og sjelden det du trenger.
å sende kollegaen på et halvt års kurs. RAG er å gi henne håndboka.
Chunking
Å dele dokumentene i passe biter før de lagres. Deler du feil, finner du feil.
å kutte oppskriften mellom trinn, ikke midt i en setning.