RAG (Retrieval-Augmented Generation)
AI met externe data-toegang.
RAG is een techniek om LLMs uit te breiden met externe knowledge bases. In plaats van alleen op training-data te leunen, kan AI live data ophalen.
Hoe het werkt:
- User vraag: 'Wat is Apple's Q3 2024 revenue?'
- RAG-systeem zoekt in document database
- Vindt relevante stukken (10-Q filing, earnings release)
- LLM krijgt context + vraag
- LLM genereert antwoord OP BASIS VAN gevonden data
Voordelen:
- Up-to-date info (LLM heeft knowledge cutoff, RAG niet)
- Reduces hallucinations (real sources beschikbaar)
- Citeerbare antwoorden
- Domain-specific knowledge
Onze toepassing:
Research Agent gebruikt RAG met:
- SEC filings database
- Recent news
- Earnings transcripts
- Analyst reports
LLM (Claude) synthesizes uit deze sources.
Limitations:
- Quality afhankelijk van quality of database
- Niet alle financial data is RAG-able (proprietary data)
- Retrieval kan misfen (verkeerde stukken pakken)