RAG, dane i pamięć

Chunking

„Tniesz dokumenty na kawałki – źle pokrojone, RAG dławi się i halucynuje.”

Strategie: fixed-size (np. 512 tokenów + 50 overlap), recursive (po nagłówkach/akapitach), semantic (przez LLM po znaczeniu). Najpopularniejsza: recursive z 256-1024 tokenami i 10-20% overlap.

Po co Ci to: RAG, który nie halucynuje – zaczyna się od dobrego chunkingu.

Mylone z:embeddings

Powiązane:RAG Embeddingi Context window

🥚Dobry chunking to dobre krojenie chleba. Zła kromka, zła kanapka.

Udostępnij:LinkedIn X

Powiązane pojęcia

RAG, dane i pamięć🔥⭐

RAG

„AI z dostępem do Twoich dokumentów – odpowiada z Twojej wiedzy, nie z internetu.”

Zobacz 3 poziomy →

RAG, dane i pamięć

Embeddingi

„Zamiana słów w liczby, żeby komputer 'czuł', co jest podobne do czego.”

Zobacz 3 poziomy →

RAG, dane i pamięć⭐

Context window

„Pamięć robocza modelu. Co się nie zmieści, tego nie pamięta.”

Zobacz 3 poziomy →

Chcesz to wdrożyć u siebie?

Uczymy AI i automatyzacji na realnych projektach – od pierwszego workflow po agentów.

Zobacz szkolenia Cały słownik