O projektu
Textový seriál o RAG (Retrieval Augmented Generation), který jde díl po dílu do větší hloubky. Úvodní díl 00 mapuje šest úrovní práce s vlastními daty v LLM (drag & drop, Projects/Gems, NotebookLM/Obsidian, enterprise Copilot/Glean, lokální Ollama/Jan/AnythingLLM). Díl 01 vysvětluje RAG laicky pro běžné uživatele Claude/ChatGPT/Gemini. Díl 02 jde do technické hloubky (embedding modely, vektorové DB, kosinová podobnost, chunking, hybrid retrieval) a má doprovodný interaktivní nástroj Vektorové hřiště. Díl 03 analyzuje sedm slabých míst RAGu v produkci (drift, chunking, temporal validity, ingestion). Díl 04 ukazuje pokročilé architektury (Contextual Retrieval od Anthropicu, GraphRAG od Microsoftu, CAG, Agentic a Self-RAG, HyDE, multimodální RAG). Díl 05 je případová studie o tom, co Claude doopravdy vidí, když se k projektu připojí repozitář: nevidí celé soubory, jen v nich vyhledává. Bez marketingových floskulí, s opravami faktů a citacemi zdrojů.
Hlavní funkce
- Díly od úvodu přes laický popis po expertní analýzu a případovou studii
- Mapa šesti úrovní práce s vlastními daty v LLM (chat → Projects → NotebookLM → enterprise → lokální)
- Interaktivní doprovodný nástroj Vektorové hřiště (embedding.pprojects.cz) k dílu 02
- Sedm slabých míst naivního RAGu v produkci s konkrétními řešeními
- Pokročilé architektury - Contextual Retrieval, GraphRAG, CAG, Agentic RAG, HyDE