<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Rag on IET Connect</title><link>/tags/rag/</link><description>Recent content in Rag on IET Connect</description><generator>Hugo</generator><language>sv-se</language><lastBuildDate>Mon, 23 Mar 2026 00:00:00 +0000</lastBuildDate><atom:link href="/tags/rag/index.xml" rel="self" type="application/rss+xml"/><item><title>Vector-databaser i produktion: lärdomar från fältet</title><link>/post/post-26/</link><pubDate>Mon, 23 Mar 2026 00:00:00 +0000</pubDate><guid>/post/post-26/</guid><description>&lt;p&gt;RAG-arkitekturer har gjort vektordatabaser till standardkomponenter, men produktionserfarenheterna ger viktiga lärdomar. Indexval, chunkstorlek och metadatafiltrering påverkar kvaliteten mer än valet av databas.&lt;/p&gt;
&lt;p&gt;Hybrid search – att kombinera semantisk sökning med klassisk nyckelordssökning – ger nästan alltid bättre resultat än endera metoden ensam.&lt;/p&gt;
&lt;p&gt;Underskatta inte heller driftsfrågorna: omindexering vid modellbyte kan ta dagar för stora korpusar. Planera för det från början.&lt;/p&gt;
&lt;p&gt;Chunkningen visar sig gång på gång vara den enskilt viktigaste ratten. För små bitar tappar sammanhanget, för stora dränker den relevanta meningen i brus. Semantisk chunkning – att dela vid rubriker, stycken och logiska gränser i stället för fasta teckenantal – ger nästan alltid bättre resultat, liksom att ta med omgivande kontext som dokumenttitel och avsnittsrubrik i varje chunk.&lt;/p&gt;</description></item></channel></rss>