К основному содержанию
Глоссарий

RAG — что это такое в ИИ

RAG — схема работы нейросети, при которой перед ответом в запрос подставляются найденные фрагменты из внешней базы документов.

RAG (Retrieval-Augmented Generation, генерация с дополненной выборкой) — это схема работы языковой модели, при которой перед ответом в запрос подставляются найденные фрагменты из внешней базы документов. Модель отвечает не только по памяти обучения, а по данным, найденным под конкретный вопрос.

RAG простыми словами

Вместо того чтобы полагаться на знания, заложенные при обучении, модель сначала ищет нужную информацию в базе и строит ответ на её основе. Это позволяет работать со свежими и закрытыми данными без переобучения нейросети.

Как работает RAG

Документы заранее режут на фрагменты и индексируют, обычно через эмбеддинги в векторной базе. По вопросу пользователя система находит самые близкие фрагменты и подставляет их в промпт. Модель пишет ответ, опираясь на эти фрагменты. Если поиск нашёл не те куски текста, ответ будет неверным.

Найденный текст занимает место в контекстном окне и оплачивается как входные токены. Зато модель реже выдаёт галлюцинации и может сослаться на источник.

RAG в арбитраже трафика

На RAG строят ботов поддержки по базе знаний оффера, поиск по внутренним мануалам команды и по правилам рекламных площадок.

Чем RAG отличается от дообучения

При дообучении (fine-tuning) меняются веса LLM, при RAG меняется только то, что ей показывают в запросе.

Синонимы: Retrieval-Augmented Generation, генерация с дополненной выборкой, генерация с поиском

Обновлено 21.11.2026

Спонсоры проекта

Компании, которые помогают держать аналитику открытой