RAG Pipeline
Definition
Eine RAG Pipeline ist die Verkettung von Komponenten fuer Retrieval-Augmented Generation: Dokumenten-Ingestion, Chunking, Embedding, Vector-DB-Speicherung, Retrieval und LLM-Generierung. Jeder Schritt kann optimiert werden. Moderne RAG-Pipelines nutzen Re-Ranking und Hybrid Search.
Beispiel
Eine typische RAG-Pipeline mit LangChain umfasst PDF-Parser, OpenAI-Embeddings, Pinecone und GPT-5.
Verwandte Begriffe
Mehr aus “AI/ML”
RAG (Retrieval-Augmented Generation)
RAG kombiniert ein LLM mit einer externen Wissensdatenbank, um aktuellere und praesisere Antworten zu liefern. Das System sucht zuerst relevante Dokumente und uebergibt sie als Kontext an das LLM. RAG reduziert Halluzinationen und ermueglicht das Abfragen privater Daten.
LangChain
LangChain ist ein beliebtes Open-Source-Framework fuer die Entwicklung von LLM-Anwendungen. Es provides Module fuer Prompt-Management, Chains, Agenten, Memory und RAG-Pipelines. LangChain unterstuetzt alle grossen LLM-Anbieter und Vector Databases.
Gemini Nano
Gemini Nano ist Googles kleinstes LLM, das fuer die Ausfuehrung auf mobilen Geraeten optimiert ist. Es laeuft auf Pixel-Smartphones und Android-Geraeten mit ausreichend RAM. Es ermoeglicht MagIC-Answer, Summarize in Chrome Recorder und Smart Reply ohne Internetverbindung.
RLHF (Reinforcement Learning from Human Feedback)
RLHF ist eine Trainingsmethode, bei der ein LLM durch menschliches Feedback lernt. Menschen bewerten verschiedene Modell-Antworten, und ein Belohnungsmodell trainiert das LLM, bevorzugte Antworten zu generieren. RLHF war entscheidend fuer den Erfolg von ChatGPT.