GEO และ AI Search

RAG (Retrieval Augmented Generation) คืออะไร

Retrieval Augmented Generation (RAG) คือวิธีการที่โมเดล AI ดึงเอกสารภายนอกที่เกี่ยวข้องเข้ามาในขณะที่มีคำถาม แล้วใช้เอกสารเหล่านั้นเป็นฐานในการสร้างคำตอบ แทนที่จะอาศัยเพียงข้อมูลที่ใช้ฝึกโมเดลเท่านั้น

นี่คือเหตุผลที่เนื้อหาซึ่งสดใหม่ มีโครงสร้างดี และเข้าถึงได้แบบสาธารณะ สามารถปรากฏในคำตอบของ AI ได้ แม้ว่าโมเดลจะถูกฝึกเสร็จก่อนที่เนื้อหานั้นจะมีอยู่ก็ตาม ตัวอย่างเช่น ผู้ช่วย AI ที่ตอบคำถามเกี่ยวกับเรื่องปัจจุบันอาจดึงและอ้างอิงหน้าเว็บที่อัปเดตล่าสุดมาใช้ การทำให้เนื้อหาถูกดึงไปใช้ได้และยกไปอ้างได้ คือหัวใจทั้งหมดของเกมนี้

ระบบค้นคืนจะตัดหน้าเว็บเป็นชิ้นก่อนแปลงเป็นเวกเตอร์ โดยมักตัดตามหัวข้อ ซึ่งทำให้โครงสร้างเอกสารเป็นเรื่องเทคนิคมากกว่าเรื่องสไตล์ หน้าที่จัดใต้หัวข้อชัดเจนจะให้ชิ้นที่สะอาดและแต่ละชิ้นครอบคลุมความคิดเดียว ส่วนหน้าที่เขียนเป็นเนื้อความยาวต่อเนื่องจะให้ชิ้นที่เริ่มและจบกลางความคิด และค้นคืนได้ไม่ดี การวางข้อเท็จจริงสนับสนุนไว้ใกล้ข้อความที่มันรองรับสำคัญด้วยเหตุผลเดียวกัน เพราะตัวเลขที่อยู่ห่างจากข้อโต้แย้งไปสามหัวข้ออาจไปอยู่คนละชิ้นกันเลย อีกข้อกำหนดคือ HTML ที่เรนเดอร์จากเซิร์ฟเวอร์ เพราะ crawler ค้นคืนส่วนใหญ่ไม่รันสคริปต์