RAG — Retrieval-Augmented Generation

Enterprise-Wissensabruf

EDDI bietet eine vollständige Retrieval-Augmented Generation-Pipeline mit nativer Unterstützung für mehrere Embedding-Provider, Vektorspeicher und eine infrastrukturlose RAG-Option über HTTP-Aufrufe.

RAG-Fähigkeiten

• 7 Embedding-Provider — OpenAI, Ollama, Azure OpenAI, Mistral, Amazon Bedrock, Cohere, Google Vertex AI
• 5 Vektorspeicher — pgvector, In-Memory, MongoDB Atlas, Elasticsearch, Qdrant
• httpCall RAG — Infrastrukturlose RAG über beliebige Such-APIs (BM25, Elasticsearch, eigene Endpunkte)
• REST-Aufnahme-API — Asynchrone Dokumentenaufnahme mit Statusverfolgung und Stapelverarbeitung
• Hybridsuche — Dichte Vektorsuche mit spärlicher Schlüsselwortsuche für optimalen Recall kombinieren

Flexible Bereitstellung

RAG ist vollständig konfigurationsgesteuert. Wählen Sie Ihren Embedding-Provider und Vektorspeicher über JSON-Konfiguration — keine Codeänderungen nötig. Die httpCall RAG-Option ermöglicht die Nutzung jeder vorhandenen Suchinfrastruktur (Elasticsearch, Solr, eigene APIs) ohne separate Vektordatenbank.