RAG (Retrieval-Augmented Generation)
RAG – архитектура ИИ, при которой модель ищет данные в внешних источниках перед ответом. Разбираем, как это работает и почему важно для GEO-продвижения.
RAG, генерация с поиском – архитектура, при которой LLM перед ответом запрашивает внешнюю базу знаний и получает актуальные данные в контекстное окно. Модель не домысливает, а опирается на конкретный источник.
В GEO-продвижении RAG напрямую определяет, чей контент попадает в ответ ИИ. Если страница структурирована под фрагментное извлечение – чанки, четкие заголовки, конкретные факты – шансы оказаться в контексте модели выше. Сайты без этих признаков просто не участвуют в выборке.
Похожие термины
Еще по теме
Fine-tuning (дообучение модели)
Fine-tuning – дополнительное обучение LLM на узкоспециализированных данных. Что это такое, чем отличается от RAG и какой подход важнее для GEO-продвижения.
Искусственный интеллектllm
LLM (Large Language Model) – нейросеть за ChatGPT, Claude и Gemini. Как работает, почему ошибается и что это значит для SEO и контент-маркетинга.
Искусственный интеллектГаллюцинация LLM
Галлюцинация LLM – когда ИИ генерирует убедительный, но ложный текст. Что это такое, почему возникает и как это влияет на SEO и ИИ-поиск?
Искусственный интеллектКонтекстное окно (Context Window)
Контекстное окно – объём текста, который языковая модель видит за один раз. Как устроен лимит токенов и почему плотный контент чаще попадает в ответы ИИ-поиска.
Не нашли термин?
Нужен ответ под ваш сайт?
Опишите задачу, и мы подскажем, что проверить в первую очередь.