RAG
Prima cerchi i fogli giusti nell’archivio, poi li metti sul tavolo del modello, poi lui scrive. Senza fogli, inventa l’archivio.
Sai disegnare retrieve → augment → generate, hybrid search, e dove si rompe (chunk, embedding, top-k, eval).
Catalogo Moodle: 56 ore di slide. Qui: 5 lezioni visive (~10 h di studio). Stessi capitoli, altro formato: non è il PDF riscritto riga per riga.
0/5 lezioni viste
Lezioni in ordine
- 0112 min
Perché RAG esiste
L’LLM non ha i tuoi ticket. L’indice sì. RAG è il fattorino tra i due.
- 0216 min
Chunk: come tagliare il salame
Troppo corto: perdi il senso. Troppo lungo: sporchi il faro e i costi.
- 0316 min
Embedding: vicinanza, non significato vero
Un punto in uno spazio. Vicino ≈ usato in contesti simili. Non è comprensione.
- 0414 min
LangChain è un kit, non la teoria
Catene, retriever, splitter: zucchero sul tubo. Se non sai il tubo, il kit è magia nera.
- 0516 min
Hybrid search e come misuri
Il vettore trova i sinonimi. La keyword trova il codice articolo. L’eval dice se stai mentendo.
Tre domande, stesso disegno
Se sbagli, torna ai nodi cliccabili. Non a un capitolo di 40 pagine.