Begleitvideos

Chunking, Reranking und hybride Suche — Begleitvideos

Der Artikel geht über die RAG-Variante „Dokumente einfach in eine Vektordatenbank werfen“ hinaus und behandelt die drei Stellschrauben, die die Qualität tatsächlich verbessern: Chunking, Reranking und hybride Suche. In den Videos sehen Sie diese Stellschrauben in Aktion. Die Hauptempfehlung erklärt ausführlich und in Ruhe, was der Text-Splitter tatsächlich tut; der Aufbau eines agentischen RAG zeigt alle drei Stellschrauben in einer ausführbaren Pipeline.

Hauptauswahl

1:08:59

Die 5 Ebenen der Textaufteilung für Retrieval

Greg Kamradt

Der Artikel widmet dem Chunking viel Raum; dieses Video erklärt besonders ausführlich und verständlich, was jede Chunking-Strategie tatsächlich bewirkt — vom rekursiven zeichenbasierten Splitten über dokumentstrukturabhängiges bis hin zu semantischem und agentischem Splitten. Nutzen Sie Gregs kostenloses Tool ChunkViz dazu, um vor der Feinabstimmung ein intuitives Verständnis zu entwickeln.

Was Sie aus diesem Video mitnehmen sollten: Sie entwickeln ein Verständnis für die Wahl der Chunking-Strategie, bevor Sie ein reales Retrieval-System optimieren.

Das sollten Sie zuerst ansehen oder wissen: Grundlegendes Verständnis von Embeddings und warum die Retrieval-Qualität davon abhängt, wie Dokumente aufgeteilt werden.

Hinweis von AI Expert: Die konkreten Bibliotheken und Demonstrationen können veralten, doch die Zielkonflikte beim Chunking bleiben stabil. Nutzen Sie das Video für ein präzises Diagnosevokabular und testen Sie anschließend Chunk-Größen und Splitter mit Ihren eigenen Dokumenten und Abfragen.

Videoseite öffnen

Auch sehenswert

24:01

„Llama3 soll mit meinem privaten Wissen zehnmal besser arbeiten“ – lokales agentisches RAG mit Llama3

AI Jason

Das Video behandelt genau den Stack, den der Artikel empfiehlt — Anfrageübersetzung, hybrides Retrieval, Reranking und einen Corrective-RAG-Kreislauf — in einem ausführbaren Aufbau. Es vermittelt ein funktionierendes mentales Modell dafür, wie die Pipeline Chunk → Rerank → Antwort aussieht, wenn sie ihre Aufgabe tatsächlich erfüllt.

Was Sie aus diesem Video mitnehmen sollten: Sie sehen, wie Anfrageumformulierung, hybrides Retrieval, Reranking und Korrekturschleifen in einer RAG-Pipeline zusammenspielen.

Das sollten Sie zuerst ansehen oder wissen: Sie kennen das grundlegende Muster „erst abrufen, dann generieren“ und können einer Code-Anleitung folgen.

Hinweis von AI Expert: Framework, Modell und Llama3-spezifische Einrichtung sind versionsabhängig. Behalten Sie die Form der Pipeline bei, prüfen Sie jedoch vor dem Übernehmen der Implementierung die aktuellen Paket-APIs, die Modellauswahl, die Qualität des Rerankers und die Evaluationsergebnisse.

Videoseite öffnen