RAG (Retrieval-Augmented Generation)
Også kjent som: Retrieval-Augmented Generation
RAG er en teknikk der en språkmodell først henter fram relevante dokumenter og deretter skriver svaret sitt på grunnlag av dem.
Sist oppdatert 2026-07-26
Hva er RAG?
RAG kobler to trinn: et søketrinn som finner tekstbiter som ser relevante ut, og et skrivetrinn der modellen formulerer svaret med disse bitene foran seg.
Poenget er å gi modellen tilgang til kunnskap den ikke har lært, og samtidig gjøre det mulig å vise hvor svaret kommer fra.
Hvorfor angår det nettsider?
Fordi søketrinnet ikke henter hele nettsider. Det henter avgrensede biter av tekst. En side som er bygget som én lang, sammenhengende resonnementrekke, gir dårlige biter. En side der hvert avsnitt kan stå alene, gir gode.
Det er en av grunnene til at korte, tydelig avgrensede oppslag ofte siteres oftere enn lange artikler om samme tema.
Hvor brukes det?
I de fleste AI-tjenester med nettilgang, og i interne chatboter som skal svare ut fra en bedrifts egen dokumentasjon.
Relaterte begreper
- Grounding — Grounding er når en AI-tjeneste forankrer svaret sitt i faktiske kilder den henter inn der og da, i stedet for å svare kun fra det modellen har lært på forhånd.
- Stor språkmodell (LLM) — En stor språkmodell er et AI-system trent på svært store mengder tekst, som svarer ved å forutsi hvilke ord som mest sannsynlig følger.
- AI-sitering — En AI-sitering er når en AI-tjeneste bygger svaret sitt på innholdet ditt og oppgir nettsiden din som kilde.