RAG (Retrieval-Augmented Generation)
RAG - подход, при котором модель отвечает не по памяти, а по документам, найденным под конкретный вопрос.
Модель получает не весь корпус, а несколько релевантных фрагментов, и формирует ответ, опираясь на них. Это снижает число выдумок и позволяет отвечать по данным, которых не было в обучении. Качество ответа при этом ограничено не моделью, а качеством найденных фрагментов: если поиск принёс мусор, ответ будет мусорным.
В срезAI
Каждый инструмент срезAI возвращает готовый для RAG контекст: страницы очищены от навигации и рекламы и отданы в Markdown или JSON, так что их можно сразу резать на чанки и считать эмбеддинги.
Обновлено 27 сентября 2026
Рядом по смыслу: MCP, Grounding и Окно контекста - эти термины чаще всего встречаются рядом с «RAG», когда речь идёт о подаче данных в языковые модели.
Не хватает термина?
Скажите, какого слова не хватает - допишем. А если нужно не определение, а рабочий пример, он есть в документации: те же понятия, но уже в виде параметров и ответов API.