Naive RAG (Temel RAG (Naive RAG))
Naive RAG (Temel RAG), erişim destekli üretim (Retrieval-Augmented Generation) yaklaşımının en basit biçimidir. Akış üç adımdan oluşur: belgeleri parçalara böl ve vektör veritabanında indeksle; kullanıcı sorusuna göre en yakın parçaları getir (retrieve); getirilen içerikle birleştirilmiş bir istemi büyük dil modeline gönder ve yanıt üret. Bu temiz boru hattı anlayışı, RAG'ın ilk popülerleştiği dönemde (2020–2022) standart yaklaşımı temsil eder.
Naive RAG'ın güçlü yanları sadeliği ve uygulanabilirliğidir: az sayıda bileşen, belirli bir çerçeveye bağımlılık olmadan çalışır ve temel belgeden yanıt üretme görevleri için yeterli kalite sağlar. Ancak sabit boyutlu parçalama, bağlamsal süreklilik kaybına yol açabilir; gürültülü getiri sonuçları (alakasız parçalar) yanıt kalitesini düşürür; çok atlamalı akıl yürütme (multi-hop reasoning) gerektiren sorularda başarısız olur.
Bu eksiklikler, Advanced RAG (Gelişmiş RAG) ve Modular RAG gibi evrimleşmiş yaklaşımları doğurmuştur. GraphRAG, naive RAG'ın parçalamaya dayalı yapısını aşmak için belge içindeki varlıklar arası ilişkileri bir bilgi grafiğinde kodlar ve bu sayede tüm belge kümesini kapsayan global sorulara çok daha başarılı yanıtlar üretir.