Olet AI-insinöörin haastattelussa Googlella. Haastattelija kysyy: "Tietomme jakautuu useisiin lähteisiin (Salesforce, Gmail, Drive jne.) Miten rakentaisit yhtenäisen kyselymoottorin sen päälle?" Sinä: "Upotan kaiken vektoritietokantaan ja teen RAG:n." Haastattelu ohi! Monet kehittäjät ajattelevat yhä, että kontekstihaku on lineaarinen putkisto: Chunk → Embed → Retrieve → Generate Tämä toimii hyvin yksinkertaisissa demoissa, mutta tuotantojärjestelmät tarvitsevat jotain perustavanlaatuisesti erilaista. Ymmärtääksesi paremmin, tarkastele tätä kysymystä: "Vertaa neljännen neljänneksen myyntisuoritustamme Chicagon alueella viime vuoden sidosryhmien kokouksessa laadittuihin ennusteisiin." Tämä yksittäinen kysely vaatii: - Myyntidata SQL-tietokannastasi - Graafisuhteet (organisaatiohierarkia) - Vektorihaku projektioraporttien yli - Aikaperusteinen suodatus (tämän vuoden neljäs vs. viime vuosi) - Käyttöoikeuksien tarkistukset (käyttäjän valtuutukseen) ...