Ce este RAG și De Ce Contează
Din cursul RAG: Retrieval-Augmented Generation în Practică
Profesor AI integrat Exclusiv
Întreabă orice despre lecție și primești răspuns instant. Profesorul AI cunoaște conținutul cursului și te ajută să înveți mai eficient.
Un LLM îți va răspunde cu aceeași siguranță și când știe răspunsul, și când îl inventează — iar în producție, un răspuns greșit rostit cu convingere costă mai mult decât un sincer „nu știu". Retrieval-Augmented Generation — prescurtat RAG — atacă exact această problemă. Nu este un model, nu este un framework, nu este o bibliotecă: este un principiu de design prin care, în loc să te bazezi exclusiv pe cunoștințele internalizate de un LLM în timpul antrenamentului, aduci informații relevante din surse externe în momentul generării răspunsului. Fără să înțelegi de ce funcționează acest principiu, tot ce urmează — embeddings, chunking, retrieval, re-ranking — rămâne un exercițiu mecanic, executat fără să știi ce rezolvi de fapt.
De ce halucinează modelele lingvistice mari
Pentru a înțelege de ce RAG există, trebuie să înțelegem mai întâi de ce LLM-urile eșuează în moduri atât de insidioase. Un model precum GPT-6 Sol, Claude Opus 5.5 sau Gemini 3.1 Pro a fost antrenat pe corpusuri masive de text — trilioane de tokeni din cărți, articole științifice, cod sursă, pagini web, conversații. Prin acest antrenament, modelul a învățat distribuții statistice peste secvențe de tokeni. Când generează text, modelul selectează fiecare token următor pe baza probabilităților condiționate de contextul anterior.
Halucinația apare din cel puțin patru mecanisme distincte:
1. Completare probabilistică fără ancoraj factual. Modelul nu „știe" fapte în sensul în care o bază de date stochează înregistrări. El a învățat co-apariții statistice. Dacă în datele de antrenament, expresia „capitala Australiei" a apărut frecvent lângă „Sydney" (din contexte care discutau despre cel mai mare oraș), modelul poate genera „Sydney" cu încredere, deși răspunsul corect este Canberra. Modelul nu verifică — generează.
2. Knowledge cutoff. Antrenamentul unui LLM se încheie la o dată fixă. GPT-6 Sol (lansat 22 septembrie 2026) are cutoff pe 20 aprilie 2026, iar Claude Opus 5.5 (lansat tot pe 22 septembrie 2026) în iunie 2026, dar orice eveniment, produs, lege, sau schimbare care a apărut după această dată pur și simplu nu există în „memoria" modelului. Dacă întrebi despre o reglementare UE adoptată luna trecută, modelul va improviza pe baza reglementărilor anterioare pe care le cunoaște — producând un răspuns plauzibil dar potențial incorect.
3. Lipsa accesului la date private. Chiar și pentru informații contemporane, dacă datele sunt private — regulamente interne, documentație tehnică proprietară, contracte, baze de cunoștințe enterprise — modelul nu le-a văzut niciodată. Și nu are cum. Nu poți include codul sursă proprietar al companiei tale în datele publice de antrenament.
4. Conflicte și suprapuneri în datele de antrenament. Când surse diferite oferă informații contradictorii (ceea ce se întâmplă frecvent pe internet), modelul internalizează ambele perspective. Răspunsul generat poate reflecta fie una, fie cealaltă, fie o combinație, fără nicio garanție de acuratețe.
Aceste mecanisme fac ca halucinația să fie o proprietate emergentă a arhitecturii transformer, nu un bug care poate fi „reparat" prin mai mult antrenament. Este intrinsecă modului în care aceste modele funcționează. RAG nu elimină halucinația — dar o reduce dramatic prin ancorarea generării în surse verificabile.
Problema knowledge cutoff în context enterprise
În mediul academic sau pentru întrebări generale, knowledge cutoff-ul este o inconveniență. În mediul enterprise, este o problemă critică. Să luăm un exemplu concret relevant pentru piața românească.
O companie de servicii financiare din București folosește un LLM pentru a răspunde la întrebări despre reglementările BNR. Să presupunem că una dintre reglementările BNR aplicabile a fost actualizată recent cu noi cerințe privind raportarea riscurilor operaționale. Modelul, antrenat pe date până în 2025, cunoaște versiunea veche a reglementării. Un analist care întreabă „Care sunt cerințele actuale de raportare a riscurilor operaționale?" primește un răspuns bazat pe versiunea 2024 — structurat perfect, formulat profesionist, și complet outdated. Dacă analistul nu verifică manual (și de ce ar face-o, dacă a apelat la un asistent AI tocmai pentru eficiență?), compania riscă non-conformitate.
Ai citit începutul. Restul lecției începe aici.
Deblochezi restul acestei lecții și toate celelalte 26 din curs. Alege varianta potrivită pentru tine:
Abonament lunar, cu reînnoire automată · anulezi oricând din contul tău · conținut digital cu acces imediat, vezi condițiile de retragere.
Ce urmează în această lecție
- RAG versus fine-tuning versus context lung: analiza comparativă
- Arhitectura RAG: Retrieve → Augment → Generate
- Pas 1: Transformăm întrebarea în vector
- Pas 2: Căutare vectorială — recuperăm cele mai relevante fragmente
- Pas 3: Asamblăm contextul
- Pas 4: Prompt augmentat cu instrucțiuni stricte
- Pas 5: Generăm răspunsul
- Pe GPT-6, documentația OpenAI cere eliminarea lui temperature
Tot ce înveți în acest curs
1 Fundamentele RAG 3 lecții
- Ce este RAG și De Ce Contează O citești acum 55 min
- Embeddings și Reprezentări Vectoriale 55 min
- Strategii de Chunking: Arta Fragmentării Documentelor 55 min
2 Implementare RAG Pipeline 3 lecții
- Construirea unui Pipeline RAG End-to-End 55 min
- Baze de Date Vectoriale în Practică 55 min
- Căutare Semantică vs Căutare pe Cuvinte Cheie 55 min
3 Modele de Embedding și Procesare Documente 3 lecții
- Modele de Embedding: Comparație și Selecție 2026 55 min
- Procesare Documente: PDF, HTML, Office și Structuri Complexe 55 min
- Embedding Multimodal: Imagini, Tabele și Audio 55 min
4 RAG Avansat 3 lecții
- Căutare Hibridă și Re-ranking 55 min
- RAG Multi-Modal: Imagini, Tabele și Grafice 55 min
- Metrici de Evaluare RAG 55 min
5 Arhitecturi RAG Avansate 3 lecții
- RAG Agentic, Self-RAG și Corrective RAG 55 min
- RAG cu Knowledge Graphs 55 min
- RAG Conversațional: Memorie și Context Multi-Turn 55 min
6 RAG în Producție 3 lecții
- Scalarea Sistemelor RAG 55 min
- Caching și Optimizare RAG 55 min
- Securitate și Guvernanța Datelor în Sisteme RAG 55 min
7 Instrumente și Frameworkuri RAG 2 lecții
- LangChain, LlamaIndex și Haystack: Comparație Completă 2026 55 min
- Orchestrare RAG Pipelines în Producție 55 min
8 Evaluare și Testare Sistematică RAG 2 lecții
- Evaluare Sistematică RAG cu RAGAS și DeepEval 55 min
- Testare CI/CD și Monitorizare RAG în Producție 55 min
9 Studii de Caz și Proiecte Practice 2 lecții
- Studiu de Caz: Sistem RAG pentru Documentație Tehnică 55 min
- Proiect Practic: Construiește un Sistem RAG Complet 60 min
10 Quiz Final — RAG în Practică 1 lecții
- Evaluare Finală — RAG: Retrieval-Augmented Generation 60 min
11 Apendice: Resurse Oficiale, Actualizări 2026 și Trasee de Învățare 2 lecții
- Resurse Oficiale, Actualizări 2026 și Trasee de Învățare 32 min
- Contextual Retrieval: Îmbogățirea Chunk-urilor înainte de Embedding 24 min
Tot ce ai nevoie ca să înveți eficient
Quiz-uri interactive
Verifică-ți cunoștințele la finalul fiecărei lecții cu quiz-uri cu scor și feedback.
Notițe personale
Salvează notițe pe fiecare lecție, accesibile oricând din dashboard.
Recapitulări programate
Revii la lecții exact când e nevoie, la intervalele potrivite — reții pe termen lung.
Progres & Realizări
Urmărește progresul, deblochează achievement-uri și vizualizează ce ai învățat.
Bookmark-uri
Salvează lecțiile importante și găsește-le instant când ai nevoie.
Întrebări & Răspunsuri
Pune întrebări direct pe lecție și primește răspunsuri de la echipa noastră.
Bun de știut înainte să începi
Cum primesc acces la curs?
Începutul primei lecții îl citești gratuit, chiar pe această pagină. Pentru curs îți creezi cont, alegi abonamentul potrivit — curs individual sau pachet — și primești acces imediat după confirmarea plății. Totul se întâmplă 100% online.
Pot anula abonamentul oricând?
Da. Anulezi oricând, direct din contul tău, în câteva click-uri. Accesul rămâne activ până la finalul perioadei deja plătite.
Ce include abonamentul pentru acest curs?
Toate cele 27 lecții din curs, quiz-uri interactive, profesorul AI integrat în fiecare lecție (selectezi orice pasaj și ți-l explică pe loc), notițe personale, progres salvat automat și actualizări de conținut incluse.
Există un program fix de învățare?
Nu. Înveți în ritmul tău, de pe orice dispozitiv. Lecțiile sunt structurate pas cu pas, iar platforma îți salvează automat progresul, ca să poți continua oricând de unde ai rămas.
Pregătit să deblochezi tot conținutul?
Doar acest curs — 499 lei / lună, cu TVA — sau toate cele 25 cursuri IT Pro, cu trasee și Profesorul AI inclus, în pachetul de 1.999 lei / lună, cu TVA. Atestarea de finalizare rămâne a ta și după ce anulezi.
