Verdieping · module 89 van 95
Vector databases
Begrijp hoe vector databases helpen bij het zoeken in eigen documenten.
Na deze les
Je kunt uitleggen wat een vector database doet in een RAG-systeem.
Wat is een vector?
Een numerieke weergave van de betekenis van een tekst.
Vector database
Slaat deze vectoren op en kan snel de meest vergelijkbare stukken tekst vinden bij een vraag.
In de praktijk
Dit is de zoeklaag achter veel RAG-systemen. De kwaliteit hangt af van de embeddings en de chunking.
Een prompt om mee te starten
Leg in het kort uit wat een vector database doet in een systeem dat antwoorden geeft op basis van eigen documenten.
Pas het toe
Een vectorzoekopdracht vindt een oude passage die sterk op de vraag lijkt. Een actuelere beleidsversie zegt iets anders.
Welke aanpak past het best bij deze situatie?
- Kies altijd de hoogste gelijkenisscore als waarheid.
- Veronderstel dat een vector database alleen actuele feiten bevat.
- Filter op toegestane actuele bronnen en controleer welke passage het antwoord ondersteunt.
Met JavaScript kun je je aanpak controleren en direct feedback krijgen.
Test je inzicht
Wat doet een vector database in een RAG-systeem?
- Het vindt snel de meest relevante tekststukken bij een vraag.
- Het traint het taalmodel.
- Het vervangt de noodzaak van broncontrole.
Extra oefenen
Beschrijf in eigen woorden waarom een vector database nuttig is bij het zoeken in een grote hoeveelheid documenten.
Het vindt snel de stukken tekst die qua betekenis het dichtst bij de vraag liggen, in plaats van alleen op trefwoorden.