RAG (Retrieval-Augmented Generation)
Auch: Retrieval Augmented Generation
Technik, bei der ein LLM vor der Antwortgenerierung relevante Dokumente aus einer Wissensbasis abruft — kombiniert die Stärken von Suche und Sprachgenerierung.
RAG – Retrieval-Augmented Generation
RAG kombiniert klassische Informationssuche mit KI-Generierung: Bevor ein LLM antwortet, sucht ein Retrieval-System relevante Dokumente in einer Wissensbasis. Diese Dokumente werden als Kontext übergeben.
RAG-Pipeline (vereinfacht)
Einsatz bei Nopex
Nopex Hive nutzt RAG, um den Agenten des Swarms stets den relevantesten Projekt-Kontext bereitzustellen — ohne dass der gesamte Codebase im Kontext-Fenster sein muss.
Verwandte Begriffe
Embedding
Mathematische Darstellung von Text (oder anderen Daten) als Vektor im hochdimensionalen Raum — ermöglicht semantische Suche und Ähnlichkeitsvergleiche.
Vektordatenbank
Eine spezialisierte Datenbank zum effizienten Speichern und Suchen von Embeddings — Kernkomponente jedes RAG-Systems.
Large Language Model (LLM)
KI-Modelle, trainiert auf riesigen Textmengen, die Sprache verstehen und generieren können — die Kerntechnologie hinter ChatGPT, Claude und Gemini.
Nopex Hive
Die Wissens- und Context-Schicht der Nopex-Plattform. Hive speichert Projekt-Kontext, Code-Patterns und Entscheidungen persistent, sodass der Swarm konsistent und nachvollziehbar arbeitet.