Embeddings, Suche und Retrieval-Augmented Generation
Naive RAG
Einfaches Retrieval-und-Generierung-Grundmuster ohne weitergehende Korrekturmechanismen.
Naive RAG bezeichnet die einfachste Bauform: einmal suchen, gefundene Abschnitte in den Prompt legen, antworten lassen. Eine Übersichtsarbeit nennt das die früheste Ausprägung und beschreibt sie als Abfolge von Indexierung, Abruf und Generierung, verkürzt auch „Retrieve-Read". Gao et al. Der Begriff wird teils sachlich als Bauform benutzt, teils abwertend, deshalb die Kennzeichnung „Uneinheitlich".
Die bekannten Schwachstellen liegen in allen drei Schritten
Dieselbe Arbeit führt die Nachteile geordnet auf. Beim Abruf leiden Genauigkeit und Vollständigkeit: Es werden unpassende Abschnitte ausgewählt, und wichtige fehlen. Bei der Generierung kann das Modell Dinge behaupten, die in den gefundenen Stellen nicht stehen. Und beim Zusammenfügen entstehen Wiederholungen, wenn mehrere Quellen dasselbe enthalten, oder unzusammenhängende Antworten, wenn die Stellen nicht zueinander passen.
Dazu kommt ein Punkt, der in der Praxis oft unterschätzt wird: Eine einzige Suche mit der ursprünglichen Frage reicht bei komplexen Fragen häufig nicht aus.
So kannst du dir das vorstellen
Naive RAG ist der erste Prototyp, der nach einem Nachmittag steht: Dokumente einlesen, zerschneiden, einbetten, suchen, antworten. Er funktioniert für einfache Fragen sofort und fällt bei den schwierigen um. Das Bild erklärt den Zuschnitt der Bauform, es wertet Prototypen nicht ab.
Was es in der Praxis bedeutet
Als Ausgangspunkt ist diese Bauform richtig. Sie ist schnell gebaut und zeigt, ob die Daten überhaupt taugen. Wer gleich mit Umformulierung der Frage, Nachbewertung und mehreren Suchdurchgängen anfängt, weiß hinterher nicht, welcher Teil etwas gebracht hat.
Die Grenze erkennst du an typischen Beschwerden: Antworten, die an der Frage vorbeigehen, weil der richtige Abschnitt nicht gefunden wurde, und Antworten, die mehrere Fassungen desselben Dokuments vermischen. Dann lohnt der nächste Ausbauschritt, meist eine Kombination aus wortbasierter und semantischer Suche und eine Nachbewertung der Treffer. Für einen dokumentierten Aufbau sank die Fehlerquote unter den ersten zwanzig Treffern dadurch deutlich. Anthropic: Contextual Retrieval
Wo es verwechselt wird
Naive RAG ist keine bestimmte Bibliothek und kein Fehler, sondern der Grundaufbau. Und naiv meint hier einfach gebaut, nicht falsch gebaut.
Verwandte Begriffe
Retrieval-Augmented Generation, Retriever, Reranking, Hybrid Search, Corrective RAG, Agentic RAG.