Mönstret Hybrid RAG med Grok
På denna sida
Kombinera alla informationskällor
Hybrid RAG (Retrieval-Augmented Generation) är det mest avancerade mönstret i Grok-ekosystemet. Principen är enkel: sluta bestämma i förväg var svaret finns. Dina interna samlingar, webbsökning, X-sökning och kodkörning görs alla tillgängliga i en enda begäran, och modellen avgör vilka den ska använda baserat på frågan. Du bygger inte längre villkorliga grenar; du öppnar dörrar.
Mönstrets arkitektur
Tekniskt sett handlar allt om listan tools: du deklarerar flera verktyg utan att ange någon ordning eller något villkor.
response = await client.responses.create(
model="grok-4.5",
input="Compare our internal documentation with market best practices for API authentication.",
tools=[
{
"type": "collections_search",
"collection_ids": [collection_id]
},
{"type": "web_search"},
{"type": "x_search"},
{"type": "code_interpreter"}
]
)
Med denna fråga kommer Grok sannolikt att hämta din dokumentation från samlingen, köra en webbsökning efter bästa praxis för autentisering och sedan syntetisera de två i ett jämförande svar. De andra två verktygen förblir oanvända: inget i frågan efterfrågar användaråsikter från X eller en Python-beräkning. Detta val är kärnan i mönstret, och det förklarar varför det inte kostar något att deklarera ett extra verktyg så länge det inte är relevant.
Vad varje källa bidrar med
collections_search ger tillgång till dina interna kunskapsbaser: privat teknisk dokumentation, policys och procedurer, avtal och juridiska dokument samt kundsupportbas. Detta är den enda källan som innehåller det som modellen annars inte kan veta – din företagsverklighet.
web_search täcker det offentliga rummet. Här hittar du det du inte kontrollerar och som förändras: lagstiftning och officiella standarder, leverantörers tekniska dokumentation, nyheter och jämförelsepunkter på marknaden. Detta är den naturliga kompletteringen till samlingar, som bara blir inaktuella när du uppdaterar dem.
x_search frågar X och ger tillgång till en annan typ av material: åsikter och feedback i realtid, tekniktrender, reaktioner på nyligen gjorda tillkännagivanden och allmän marknadsstämning. Du aktiverar detta när frågan gäller vad människor tycker, inte vad som står skrivet.
code_interpreter kör slutligen Python i en sandlåda. Det beräknar data som de andra verktygen just har extraherat, producerar ett diagram, transformerar en datamängd eller verifierar att ett kodavsnitt fungerar. Detta är det enda verktyget som producerar ny information snarare än att hämta den.
Hur en hybridbegäran utspelar sig
När flera verktyg är tillgängliga följer körningen alltid samma flöde. Grok börjar med att analysera frågan för att avgöra vilka källor som tjänar den, frågar interna samlingar, söker externt på webben eller X vid behov, syntetiserar sedan allt till ett sammanhängande svar och fäster slutligen sina citeringar. Dessa skiljer interna referenser, prefixade med collections://, från externa referenser i https:// – så att du vid läsning av svaret vet vilket påstående som kommer från dina dokument och vilket som kommer från någon annanstans.
Tre situationer där mönstret glänser
Inom konkurrensanalys mobiliserar en fråga som »Hur hanterar våra konkurrenter kundonboarding?« alla tre dokumentära källor på en gång: samlingen beskriver din egen onboarding-resa, webben提供 artiklar och studier om marknadspraxis, och X ger rå användarfeedback från personer som precis har genomgått onboarding hos en konkurrent.
Inom regelefterlevnad kräver frågan »Är vår datapolicy förenlig med den senaste EU-förordningen?« att två texter hålls sida vid sida: din nuvarande policy, lagrad i samlingen, och den gällande lagtexten, hämtad från webben. Ingen av dem räcker ensam, och detta är exakt det fall där den manuella approachen blir smärtsam.
Slutligen, inom teknisk support, kombinerar frågan »Hur löser jag detta timeout-fel i vårt API?« dina interna felsökningsguider med forum, Stack Overflow och ramverkets officiella dokumentation. Agenten får i ett enda svar det den annars hade behövt söka efter i två flikar och en wiki.
Viktiga punkter
- Mönstret Hybrid RAG kombinerar interna samlingar, webben, X och kod i en enda begäran
- Grok väljer automatiskt de relevanta verktygen baserat på frågan
- De fyra verktygen är: collections_search, web_search, x_search, code_interpreter
- Citeringar skiljer interna källor (
collections://) från webbkällor (https://) - Detta mönster är idealiskt för fall som kräver korsreferensering mellan interna och externa källor