RAG (Retrieval-Augmented Generation)
RAG (Retrieval-Augmented Generation, генерація з доповненням пошуком) — це підхід, за якого мовна модель перед відповіддю спершу знаходить релевантні документи (у пошуковому індексі чи базі знань), а потім складає відповідь на їхній основі — часто з посиланнями на джерела.
Звідки термін
Назву й підхід описали дослідники у статті «Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks» (2020). Сьогодні за схожим принципом працюють ШІ-пошуковики та режими пошуку в ШІ-асистентах.
Як це працює в ШІ-пошуку
- Запит. Користувач ставить питання.
- Пошук. Система формує один або кілька пошукових запитів і отримує список сторінок.
- Відбір фрагментів. Зі знайдених сторінок вибираються найвідповідніші шматки тексту.
- Генерація. Модель складає відповідь із цих фрагментів і додає посилання на джерела.
Що з цього випливає для сайту
- Спершу треба бути знайденим. Якщо сторінки немає в індексі або вона слабко ранжується, у вибірку вона не потрапить — тому SEO лишається фундаментом.
- Потім — бути зручним для «вирізання». Короткі самодостатні блоки з підзаголовками й прямою відповіддю на початку легше вбудувати у відповідь, ніж суцільне полотно тексту.
- Факти й свіжість. Конкретні цифри, дати й джерела підвищують шанс, що саме ваш фрагмент оберуть.
Повʼязані терміни та матеріали
Джерела
Оновлено 21 вересня 2026 року. Автор — Слав Кривонос.
