RAG-VECTOR

Pattern IA retrieval+LLM ancre faits.

Définition

Architecture RAG : (1) Document chunking, (2) Embedding via OpenAI ada-002 / Cohere / BGE, (3) Stockage vector DB (Pinecone, Weaviate, Qdrant, pgvector), (4) Query embedding, (5) Top-k similarity search, (6) Context injection dans prompt LLM, (7) Generation answer. Hybrid Search (BM25 + vector) souvent supérieur. Use cases : chatbots support, knowledge base, recherche entreprise.

Origine

RAG formalise dans paper Meta AI Research 'Retrieval-Augmented Generation' (Lewis et al, mai 2020) ; popularise par LangChain 2022 et adoption GenAI.

Exemple en contexte

Un assistant juridique entreprise indexe 50000 contrats en chunks 500 tokens dans Pinecone ; query 'risque indemnite contrat fournisseur' retourne top-5 chunks injectes dans prompt GPT-4 pour reponse sourcee.

Termes liés

• BM25 — hybrid search component.