Woordenlijst

Retrieval-augmented generation (RAG)

Wat is Retrieval-augmented generation (RAG)?

Retrieval-augmented generation combineert zoeken met tekstgeneratie: voordat het antwoordt, doorzoekt het systeem een kennisverzameling – zoals handleidingen, richtlijnen of veelgestelde vragen – op relevante passages en geeft die als context aan het taalmodel. Het antwoord is daardoor gebaseerd op actuele, bedrijfsspecifieke inhoud en niet alleen op de trainingskennis van het model. Dit vermindert verzonnen beweringen, maakt bronnen controleerbaar en maakt updates mogelijk zonder opnieuw te trainen.

Hoe KI.ordo helpt

Precies zo werken KI.ordo-agents: ze doorzoeken de opgeslagen kennis met zoeken op trefwoorden (BM25) en antwoorden met bronvermelding.

Meer informatie

Onderwerpen

RAG
kennis zoeken
taalmodellen

KI.ordo uitproberen

Agents, workflows en sjablonen in één werkruimte – gratis demo van 24 uur.

Demo starten

← Alle begrippen

Verwante begrippen

Retrievalpipeline

Een retrievalpipeline is de reeks verwerkingsstappen waarmee een systeem de juiste informatie bij een vraag vindt. Typische stappen zijn: documenten inlezen en opschonen, opdelen in chunks, een zoekindex opbouwen, eventueel de zoekopdracht herschrijven, treffers ophalen, rangschikken (reranking) en de beste doorgeven aan het taalmodel. Het is de basis van elke RAG-toepassing, en de kwaliteit ervan bepaalt grotendeels hoe goed de resulterende antwoorden zijn.

RAG
zoeken
+1

Hallucinatie

Een hallucinatie is uitvoer van een AI-model die overtuigend klinkt maar onjuist of volledig verzonnen is – zoals een niet-bestaande rechterlijke uitspraak, een verkeerd cijfer of een verzonnen bron. De oorzaak: taalmodellen produceren waarschijnlijke formuleringen; ze zoeken niet automatisch feiten op. Het risico daalt wanneer antwoorden op gecontroleerde bronnen zijn gebaseerd, bewijs wordt aangehaald en mensen belangrijke resultaten controleren.

Taalmodellen
Betrouwbaarheid
+1

Sjabloon

Cache-augmented generation (CAG)

Cache-augmented generation (CAG) is een aanpak waarbij een taalmodel niet bij elke vraag naar kennis zoekt. In plaats daarvan wordt een overzichtelijke kennisbank vooraf in het contextvenster geladen en wordt die toestand gecachet, zodat antwoorden geen aparte zoekstap nodig hebben. De term werd populair door een onderzoeksartikel van eind 2024 als alternatief voor retrieval-augmented generation (RAG). CAG is geschikt voor kleine, stabiele kennisbanken; voor grote of vaak veranderende data blijft RAG meestal praktischer.

RAG
Contextvenster
+1

Information retrieval

Information retrieval omvat methoden waarmee in een grote hoeveelheid tekst de documenten of passages worden gevonden die bij een zoekvraag passen, en die op relevantie worden gerangschikt. Klassieke benaderingen zoals BM25 wegen zoektermen naar hoe vaak en hoe zelden ze voorkomen; nieuwere voegen semantische gelijkenis toe. Het vormt de basis van zoekmachines, enterprise search en retrieval-augmented generation, waarbij een taalmodel de opgehaalde passages als basis voor zijn antwoord gebruikt.

Zoeken
BM25
+1