Il Pattern RAG Ibrido con Grok
In questa pagina
Combina Tutte le Fonti di Informazione
Il RAG ibrido (Retrieval-Augmented Generation) è il pattern più avanzato nell’ecosistema Grok. Il suo principio è semplice: smetti di decidere a priori dove si trovi la risposta. Le tue collezioni interne, la ricerca web, la ricerca su X e l’esecuzione del codice sono tutte disponibili in un’unica richiesta; è il modello a decidere quali sollecitare in base alla domanda posta. Non costruisci più rami condizionali: apri semplicemente le porte.
Architettura del Pattern
Tecnicamente, tutto si riduce alla lista tools: dichiari diversi strumenti senza specificare un ordine o una condizione.
response = await client.responses.create(
model="grok-4.5",
input="Confronta la nostra documentazione interna con le migliori pratiche di mercato per l'autenticazione API.",
tools=[
{
"type": "collections_search",
"collection_ids": [collection_id]
},
{"type": "web_search"},
{"type": "x_search"},
{"type": "code_interpreter"}
]
)
Data questa domanda, Grok recupererà probabilmente la tua documentazione dalla collezione, eseguirà una ricerca web sulle migliori pratiche di autenticazione e sintetizzerà il tutto in una risposta comparativa. Gli altri due strumenti rimangono inutilizzati: nulla nella domanda richiede opinioni degli utenti su X o un calcolo in Python. Questa selezione è il cuore del pattern e spiega perché dichiarare uno strumento aggiuntivo non ha alcun costo finché non è rilevante.
Cosa Contribuisce Ciascuna Fonte
collections_search apre l’accesso alle tue basi di conoscenza interne: documentazione tecnica privata, policy e procedure, contratti e documenti legali, base di supporto clienti. Questa è l’unica fonte che contiene ciò che il modello non potrebbe altrimenti conoscere: la realtà della tua azienda.
web_search copre lo spazio pubblico. Qui trovi ciò che non controlli e che cambia: regolamenti e standard ufficiali, documentazione tecnica dei fornitori, notizie, punti di confronto di mercato. Questo è il complemento naturale alle collezioni, che diventano obsolete solo quando le aggiorni tu.
x_search interroga X e fornisce accesso a un tipo di materiale diverso: opinioni e feedback in tempo reale, trend tecnologici, reazioni a un annuncio recente, sentiment generale del mercato. Lo abiliti quando la domanda riguarda ciò che le persone pensano, non ciò che è scritto.
code_interpreter, infine, esegue Python in una sandbox. Calcola sui dati appena estratti dagli altri strumenti, produce un grafico, trasforma un dataset o verifica che uno snippet di codice funzioni. Questo è l’unico strumento che produce nuove informazioni invece di recuperarle.
Come si Svolge una Richiesta Ibrida
Quando sono disponibili più strumenti, l’esecuzione segue sempre lo stesso flusso. Grok inizia analizzando la domanda per determinare quali fonti servono, interroga le collezioni interne, cerca esternamente sul web o su X quando necessario, sintetizza il tutto in una risposta coerente e infine allega le sue citazioni. Queste distinguono i riferimenti interni, prefissati con collections://, dai riferimenti esterni in https://: così, leggendo la risposta, sai immediatamente quale affermazione proviene dai tuoi documenti e quale da altrove.
Tre Situazioni in cui il Pattern Eccelle
Nell’intelligence competitiva, una domanda come «Come gestiscono i nostri competitor l’onboarding dei clienti?» mobilita tutte e tre le fonti documentali contemporaneamente: la collezione descrive il tuo percorso di onboarding, il web fornisce articoli e studi sulle pratiche di mercato, X porta feedback grezzi da utenti che hanno appena sperimentato l’onboarding con un competitor.
In ambito compliance, «La nostra policy sui dati è conforme all’ultima regolamentazione UE?» richiede di affiancare due testi: la tua policy attuale, archiviata nella collezione, e il testo normativo vigente, recuperato dal web. Nessuno dei due basta da solo, ed è esattamente il caso in cui l’approccio manuale diventa doloroso.
Infine, nel supporto tecnico, «Come risolvo questo errore di timeout nella nostra API?» combina le tue guide interne di troubleshooting con forum, Stack Overflow e la documentazione ufficiale del framework. L’agente ottiene in un’unica risposta ciò che avrebbe cercato aprendo due schede del browser e consultando una wiki.
Punti chiave
- Il pattern RAG ibrido combina collezioni interne, web, X e codice in un’unica richiesta
- Grok sceglie automaticamente gli strumenti rilevanti in base alla domanda
- I quattro strumenti sono: collections_search, web_search, x_search, code_interpreter
- Le citazioni distinguono le fonti interne (
collections://) da quelle web (https://) - Questo pattern è ideale per i casi che richiedono incroci tra fonti interne ed esterne