Jste na pohovoru na pozici AI inženýra ve Googlu. Tazatel se ptá: "Naše data jsou rozptýlena v několika zdrojích (Salesforce, Gmail, Drive atd.) Jak byste na něm postavili jednotný dotazovací engine?" Vy: "Všechno vložím do vektorové databáze a udělám RAG." Pohovor skončil! Mnoho vývojářů si stále myslí, že vyhledávání kontextu je lineární pipeline: Chunk → Embed → Retrie → Generate To funguje skvěle pro jednoduchá dema, ale produkční systémy potřebují něco zásadně odlišného. Pro lepší pochopení zvažte tuto otázku: "Porovnejte naše prodejní výsledky za čtvrté čtvrtletí v oblasti Chicaga s loňskými projekcemi vypracovanými na schůzce se zainteresovanými stranami." Tento jediný dotaz vyžaduje: - Prodejní data z vaší SQL databáze - Vztahy grafů (organizační hierarchie) - Vektorové vyhledávání přes projekční zprávy - Časově založené filtrování (čtvrté čtvrtletí letos vs loňsko) - Kontroly oprávnění (pro autorizaci uživatele) ...