RAG (ראשי תיבות של Retrieval-Augmented Generation, יצירה בעזרת אחזור מידע) היא שיטה שמחברת מודל שפה (LLM) למאגר המידע שלך. במקום שהמודל יענה רק ממה שלמד באימון, הוא קודם שולף את הקטעים הרלוונטיים מהמסמכים שלך ואז מנסח תשובה שמתבססת עליהם. כך התשובות נשארות מדויקות, עדכניות וקשורות ישירות לעסק שלך.
איך זה עובד
המסמכים שלך — מדריכים, מחירונים, שאלות נפוצות — מפורקים לקטעים קטנים ונשמרים במאגר וקטורי. כששואלים שאלה, המערכת מחפשת את הקטעים הכי קרובים במשמעות, מצרפת אותם לשאלה, ושולחת את הכול למודל השפה. המודל מייצר תשובה שמבוססת על המידע שנשלף, לא על השערה. אפשר לבנות תהליך כזה בכלי קוד-פתוח כמו Flowise, ולחבר אותו לאוטומציות שרצות ברקע.
למה זה חשוב לעסק קטן
מודל שפה כללי לא מכיר את המחירון שלך, את מדיניות ההחזרות או את הקטלוג. RAG נותן לו גישה בדיוק למידע הזה, בלי לאמן מודל מחדש. התוצאה: צ'אטבוט שירות שעונה ללקוחות מתוך המסמכים שלך, או עוזר פנימי שמוצא תשובה במסמכי החברה תוך שניות. המידע נשאר אצלך על שרת פרטי, ולא נשלח לשירות חיצוני שאין לך שליטה עליו.
דוגמה
נניח שיש לך חנות קטנה. אתה מעלה את מדיניות המשלוחים, זמני האספקה והאחריות כמסמכים. הצ'אטבוט באתר שולף מהם את התשובה כשלקוח שואל "כמה זמן לוקח משלוח לאילת?", ועונה נכון לפי מה שכתבת, בלי שתצטרך לתחזק תשובות ידניות.
ב-HELIX אפשר להריץ את הכלים האלה על שרת פרטי מנוהל, קוד-פתוח, שקם תוך 1-3 דקות. אם משהו נתקע, הליקסון זמין 24/7.