RAG — Retrieval Augmented Generation

A RAG (Retrieval Augmented Generation) egy AI-architektúra, ami a generative AI-t (LLM) külső adatbázissal (vector store) kombinálja. A LLM csak a tudásbázisban szereplő info-ból válaszol — nincs hallucination, és brand-specifikus.

RAG működése (3 lépés):

1. User-query → vector embedding (OpenAI text-embedding-3, Cohere)
2. Vector search a tudásbázisban (Pinecone, Weaviate, ChromaDB) → top 5-10 releváns chunk visszahozása
3. Az LLM (GPT-5, Claude Opus) kapott prompt: "Válaszolj a query-re EZEK az alapján: [chunks]"

Marketing-felhasználás:

• Customer support chatbot (saját brand-tudásból)
• Internal company knowledge-base ("Hány nap a refund-policy?")
• Personalized product recommendation
• Email-draft branded voice-szal (a saját archive-ból tanult)

Top platformok: LangChain, LlamaIndex (developer-tools), Voiceflow, Botpress (no-code chatbot-builder), HubSpot AI Assistant (built-in CRM RAG).