Vector-RAG beantwoordt "verkoop in France" op basis van gelijkenis. Structured RAG koppelt je stadkolom aan de landentabel uit Wikipedia, zodat de vraag een SQL-join wordt die je kunt lezen.
Dezelfde vraag op vier niveaus van ophalen. Alleen bij de laatste kun je het antwoord controleren.
| Op gestructureerde data | Vector-RAG | Structured RAG |
|---|---|---|
| Hoe een tekstkolom wordt gebruikt | Ingebed in een vector | Via een sleutel gekoppeld aan een referentietabel |
| Ophaalmechanisme | Gelijkenis van dichtstbijzijnde buren | SQL-join |
| "Kehl" (Duits stadje bij Strasbourg) | Kan worden meegenomen | Uitgesloten door de join |
| Waarom een rij werd teruggegeven | Een gelijkenisscore | De join, in de SQL |
| Je privé-referentietabellen | Opnieuw ingebed | Gekoppeld via sleutel |
| Wat het totaal berekent | Het LLM | De database |
Prereasoner herkent wat elke kolom bevat.
stad → land → valuta of niveau → je niveautabel. Elke koppeling is een sleutel in een referentietabel.
De vraag wordt een SQL-join over die tabellen.
Je krijgt de rijen en de SQL die ze opleverde.
Probeer het op je eigen CSV. Voeg je referentietabellen toe als je ze nodig hebt.