Хибриден RAG шаблон с Grok
На тази страница
Комбиниране на всички източници на информация
Хибридният RAG (Retrieval-Augmented Generation) е най-усъвършенстваният шаблон в екосистемата на Grok. Неговият принцип е прост: спрете да решавате предварително къде се намира отговорът. Вашите вътрешни колекции, търсенето в уеб, търсенето в X и изпълнението на код стават достъпни в една единствена заявка, а моделът решава кои от тях да използва въз основа на зададения въпрос. Вече не изграждате условни разклонения; просто отваряте врати.
Архитектура на шаблона
Технически погледнато, всичко се свежда до списъка tools: декларирате няколко инструмента, без да посочвате ред или условие.
response = await client.responses.create(
model="grok-4.5",
input="Сравнете нашата вътрешна документация с най-добрите пазарни практики за удостоверяване на API.",
tools=[
{
"type": "collections_search",
"collection_ids": [collection_id]
},
{"type": "web_search"},
{"type": "x_search"},
{"type": "code_interpreter"}
]
)
Предвид този въпрос, Grok вероятно ще извлече вашата документация от колекцията, ще изпълни уеб търсене относно най-добрите практики за удостоверяване и след това ще синтезира двете в сравнителен отговор. Останалите два инструмента остават неизползвани: нищо във въпроса не изисква мнения на потребители от X или Python изчисления. Този избор е сърцето на шаблона и обяснява защо декларирането на допълнителен инструмент не струва нищо, стига той да не е релевантен.
Приносът на всеки източник
collections_search отваря достъп до вашите вътрешни бази знания: частна техническа документация, политики и процедури, договори и правни документи, база за поддръжка на клиенти. Това е единственият източник, съдържащ информация, която моделът не може да знае иначе – реалността на вашата компания.
web_search обхваща публичното пространство. Тук откривате онова, което не контролирате и което се променя: регулации и официални стандарти, техническа документация на доставчици, новини, точки за пазарно сравнение. Това е естественото допълнение към колекциите, които остаряват само когато Вие ги актуализирате.
x_search прави заявки към X и осигурява достъп до различен вид материали: мнения и обратна връзка в реално време, технологични тенденции, реакции на скорошни обявления, общо пазарно настроение. Активирате го, когато въпросът засяга това какво мислят хората, а не това какво е написано.
code_interpreter най-накрая изпълнява Python в изолирана среда (sandbox). Той извършва изчисления върху данни, които другите инструменти току-що са извлекли, генерира диаграма, трансформира набор от данни или проверява дали даден фрагмент код работи. Това е единственият инструмент, който произвежда нова информация, вместо да я извлича.
Как протича една хибридна заявка
Когато са налични множество инструменти, изпълнението винаги следва един и същ поток. Grok започва с анализиране на въпроса, за да определи кои източници са полезни, прави заявки към вътрешните колекции, търси външно в уеб или X, когато е необходимо, след това синтезира всичко в коherentен отговор и най-накрая прикачва своите цитати. Те разграничават вътрешните препратки, с префикс collections://, от външните препратки в https:// – така че, четейки отговора, да знаете кое твърдение идва от Вашите документи и кое идва от другаде.
Три ситуации, в които шаблонът блести
При конкурентното разузнаване въпрос като „Как конкурентите ни управляват onboard-ването на клиенти?“ мобилизира всичките три документални източника едновременно: колекцията описва Вашия собствен процес на onboard-ване, уеб предоставя статии и проучвания относно пазарните практики, а X носи сурова обратна връзка от потребители, които току-що са преминали през onboard-ване при конкурент.
При съответствието с регулациите въпросът „Нашата политика за данни съответства ли на най-новата регулация на ЕС?“ изисква поставянето на два текста един до друг: Вашата текуща политика, съхранявана в колекцията, и регулаторният текст в сила, извлечен от уеб. Нито един от тях не е достатъчен сам по себе си и това е точно случаят, в който ръчният подход става болезнен.
Накрая, при техническата поддръжка, въпросът „Как да разреша тази грешка при изчакване (timeout) в нашия API?“ комбинира Вашите вътрешни ръководства за отстраняване на проблеми с форуми, Stack Overflow и официалната документация на frameworks. Агентът получава в един отговор онова, за което би търсил в два раздела и едно уики.
Ключови изводи
- Хибридният RAG шаблон комбинира вътрешни колекции, уеб, X и код в една единствена заявка
- Grok автоматично избира релевантните инструменти въз основа на въпроса
- Четирите инструмента са: collections_search, web_search, x_search, code_interpreter
- Цитатите разграничават вътрешните източници (
collections://) от уеб източниците (https://) - Този шаблон е идеален за случаи, изискващи кръстосано препратки между вътрешни и външни източници