Das Hybrid-RAG-Muster mit Grok
Auf dieser Seite
Alle Informationsquellen kombinieren
Hybrid-RAG – Retrieval-Augmented Generation – ist das ausgereifteste Muster im Grok-Ökosystem. Sein Prinzip: Hören Sie auf, vorab zu entscheiden, wo die Antwort liegt. Ihre internen Collections, die Websuche, die X-Suche und die Codeausführung werden in ein und derselben Anfrage bereitgestellt, und das Modell entscheidet je nach Frage, welche es beansprucht. Sie bauen keine bedingten Verzweigungen mehr; Sie öffnen Türen.
Architektur des Musters
Technisch läuft alles auf die Liste tools hinaus: Sie deklarieren mehrere Tools, ohne Reihenfolge oder Bedingung vorzugeben.
response = await client.responses.create(
model="grok-4.5",
input="Vergleichen Sie unsere interne Dokumentation mit den Best Practices des Marktes für API-Authentifizierung.",
tools=[
{
"type": "collections_search",
"collection_ids": [collection_id]
},
{"type": "web_search"},
{"type": "x_search"},
{"type": "code_interpreter"}
]
)
Bei dieser Frage wird Grok voraussichtlich Ihre Dokumentation aus der Collection abrufen, eine Websuche zu Best Practices der Authentifizierung durchführen und beides in einer vergleichenden Antwort zusammenführen. Die beiden anderen Tools bleiben ungenutzt: Nichts in der Frage verlangt nach Meinungen von X-Nutzern oder einer Python-Berechnung. Diese Auswahl ist das Herz des Musters, und sie erklärt, warum ein zusätzlich deklariertes Tool nichts kostet, solange es nicht relevant ist.
Was jede Quelle beisteuert
collections_search öffnet den Zugang zu Ihren internen Wissensbasen: private technische Dokumentation, Richtlinien und Verfahren, Verträge und Rechtsdokumente, Basis des Kundendienstes. Nur diese Quelle enthält, was das Modell sonst nicht wissen kann – Ihre Unternehmenswirklichkeit.
web_search deckt den öffentlichen Raum ab. Sie finden, was Sie nicht kontrollieren und was sich wandelt: Regularien und offizielle Normen, technische Herstellerdokumentation, Nachrichten, Vergleichspunkte des Marktes. Sie ist die natürliche Ergänzung zu den Collections, die nur veralten, wenn Sie sie nicht aktualisieren.
x_search befragt X und erschließt Material anderer Art: Echtzeit-Meinungen und Feedback, Technologie-Trends, Reaktionen auf eine aktuelle Ankündigung, allgemeine Marktstimmung. Sie aktivieren es, wenn die Frage betrifft, was die Menschen denken, nicht was geschrieben steht.
code_interpreter schließlich führt Python in einer Sandbox aus. Er rechnet mit Daten, die die anderen Tools gerade extrahiert haben, erzeugt ein Diagramm, transformiert einen Datensatz oder prüft, ob ein Code-Schnipsel funktioniert. Er ist das einzige Tool, das neue Information erzeugt, statt sie abzurufen.
Wie eine hybride Anfrage abläuft
Wenn mehrere Tools verfügbar sind, folgt die Ausführung immer demselben Ablauf. Grok analysiert zuerst die Frage, um zu bestimmen, welche Quellen ihr dienen, befragt die internen Collections, sucht außerhalb im Web oder auf X, wo nötig, führt dann alles zu einer kohärenten Antwort zusammen und fügt schließlich seine Zitate bei. Diese unterscheiden interne Referenzen, Präfix collections://, von externen Referenzen in https://—so wissen Sie beim Lesen der Antwort, welche Aussage aus Ihren Dokumenten stammt und welche von anderswo.
Drei Situationen, in denen das Muster glänzt
In der Wettbewerbsanalyse mobilisiert eine Frage wie „Wie gehen unsere Wettbewerber mit dem Kunden-Onboarding um?” gleichzeitig alle drei Dokumentationsquellen: die Collection beschreibt Ihren eigenen Onboarding-Parcours, das Web liefert Artikel und Studien zu Marktpraktiken, X rohes Nutzerfeedback von Menschen, die gerade ein Onboarding bei einem Wettbewerber erlebt haben.
In der Compliance verlangt „Erfüllt unsere Datenpolitik die neueste EU-Verordnung?”, zwei Texte nebeneinander zu halten: Ihre aktuelle Politik, gespeichert in der Collection, und den geltenden Verordnungstext, aus dem Web abgerufen. Keiner der beiden genügt allein, und genau hier wird der manuelle Ansatz schmerzhaft.
Im technischen Support schließlich kombiniert „Wie löse ich diesen Timeout-Fehler in unserer API?” Ihre internen Troubleshooting-Leitfäden mit Foren, Stack Overflow und der offiziellen Framework-Dokumentation. Der Agent erhält in einer Antwort, was er sonst in zwei Tabs und einem Wiki gesucht hätte.
Kernaussagen
- Das Hybrid-RAG-Muster kombiniert interne Collections, Web, X und Code in ein und derselben Anfrage
- Grok wählt automatisch die relevanten Tools je nach Frage
- Die vier Tools sind: collections_search, web_search, x_search, code_interpreter
- Die Zitate unterscheiden interne Quellen (
collections://) von Quellen im Web (https://) - Dieses Muster eignet sich ideal für Fälle, die das Kreuzen interner und externer Quellen verlangen