Du er i et AI-ingeniørintervju hos Google. Intervjueren spør: "Våre data er fordelt på flere kilder (Salesforce, Gmail, Drive, osv.) Hvordan ville du bygget en samlet spørringsmotor over det?" Du: «Jeg skal legge alt inn i en vektordatabase og gjøre RAG.» Intervjuet er over! Mange utviklere tror fortsatt at kontekstgjenfinning er en lineær pipeline: Chunk → Embed → hent → generere Dette fungerer utmerket for enkle demoer, men produksjonssystemene trenger noe fundamentalt annerledes. For å forstå bedre, vurder dette spørsmålet: "Sammenlign vår salgsresultater i fjerde kvartal i Chicago-regionen med fjorårets prognoser utarbeidet i et møte med interessenter." Dette ene spørsmålet krever: - Salgsdata fra SQL-databasen din - Grafrelasjoner (organisasjonshierarki) - Vektorsøk over projeksjonsrapporter - Tidsbasert filtrering (fjerde kvartal i år vs. i fjor) - Tillatelsessjekker (for brukerautorisasjon) ...