דילוג לתוכן הראשי
Mobius
מתקדם

מה זה RAG (יצירה מועשרת באחזור)

שם מלא: יצירה מועשרת באחזור

ידוע גם בשם: Retrieval-Augmented Generation, יצירה מועשרת באחזור

הגדרה

RAG (יצירה מועשרת באחזור) היא שיטה שבה AI עונה מתוך המסמכים שלכם: קודם הוא מוצא את הקטעים הרלוונטיים, ורק אז כותב מהם את התשובה.

למה זה חשוב

RAG היא דרך נפוצה לצמצם תשובות מומצאות, כי היא נותנת למודל את הטקסט שלכם לענות ממנו, וכך עוזר שמדבר עם לקוחות יכול לצטט את נוהל הביטול האמיתי שלכם ולא נוהל שרק נשמע סביר.

טעויות נפוצות

להאמין ש-RAG מונעת תשובות מומצאות, כשהיא רק מצמצמת אותן, והמודל עדיין יכול לקרוא קטע לא נכון או להוסיף עליו.

מונחים קשורים

דוגמה מעשיתהמחשה

"מה קורה אם אני מבטלת באותו יום?" בסטודיו פילאטיס בדוי

שאלה

מה קורה אם אני מבטלת באותו יום?

אוחזר מהדף

  • אפשר לבטל שיעור עד 24 שעות לפני שהוא מתחיל.
  • ביטול מאוחר יותר נחשב כשיעור שנוצל.
  • כדי להעביר שיעור, כתבו לנו באיזה יום נוח לכם.

לא אוחזר

  • השיעורים מיועדים למבוגרים בלבד.
  • הביאו מגבת ומים.

בלי RAG

  • אפשר לבטל עד 12 שעות לפני בלי חיוב.

מה קרה

  1. בלי RAG כשהעוזר עונה מתוך האימון הכללי שלו, הוא כותב "אפשר לבטל עד 12 שעות לפני בלי חיוב", נוהל שאין בסטודיו.

  2. חיפוש עם RAG: השאלה מותאמת לדף הנהלים.

  3. אחזור 3 הקטעים הקרובים ביותר נכנסים לפרומפט, עם ההנחיה "ענה רק מתוך אלה, וציין באיזה מהם השתמשת".3 קטעים

  4. תשובה "אפשר לבטל עד 24 שעות לפני השיעור. ביטול באותו יום נחשב כשיעור שנוצל. (מקור: דף הנהלים, ביטולים)"

RAG שינתה את המקור של התשובה. אם הדף לא מעודכן, גם התשובה לא, אז שמרו על הדף מעודכן.

המחשה

מאיפה מגיעה התשובה

  1. שאלהמה קורה אם אני מבטלת באותו יום?
  2. חיפושהשאלה מושווית ל-40 הקטעים של דף הנהלים
  3. 3 הקטעים הקרובים ביותרביטוליםביטול מאוחרהעברת שיעור
  4. לתוך הפרומפטענה רק מתוך הקטעים האלה, וציין באיזה מהם השתמשת.
  5. תשובהעד 24 שעות לפני השיעור. ביטול באותו יום נחשב כשיעור שנוצל.מקור: דף הנהלים, ביטולים

RAG פועל: התשובה מגיעה מהדף ומציינת את המקור שלה. אם הדף שגוי או לא מעודכן, גם התשובה.

RAG מחפש קודם בדף של הסטודיו, מכניס לפרומפט את הקטעים הקרובים ביותר, והמודל עונה רק מתוכם. מכבים את RAG, והמודל עונה מתוך האימון הכללי שלו.

הגדרה

RAG, ראשי תיבות של Retrieval-Augmented Generation, מחברת מודל שפה למסמכים שלכם. כשמגיעה שאלה, המערכת מחפשת קודם במסמכים את הקטעים הרלוונטיים ביותר, בדרך כלל בעזרת embeddings שנשמרים במסד נתונים וקטורי, מכניסה את הקטעים האלה לפרומפט ומבקשת מהמודל לענות מתוכם, ורצוי גם לציין את המקור. המודל עצמו לא משתנה: מה שמשתנה הוא מה שהוא קורא לפני שהוא עונה. הרעיון בא ממאמר מחקר מ-2020 שחיבר מודל שפה לאינדקס של מסמכים שאפשר לחפש בו. כלי צ׳אט רבים עושים RAG בשבילכם כשמעלים קבצים לפרויקט.

למה זה חשוב

היא גם מזיזה את העבודה: התשובות טובות ועדכניות רק כמו המסמכים שהיא מחפשת בהם, ולכן דף נהלים אחד מעודכן חשוב יותר מכל הגדרה.

קשור ישירות: מסד נתונים וקטורי (Vector Database), Embedding (אמבדינג), הזיית AI (AI Hallucination).

טיפים לשיפור

  • שמרו גרסה עדכנית אחת לכל מסמך שהעוזר מחפש בו, ומחקו את הישנות.
  • בקשו מהעוזר לענות רק מתוך הקטעים שאוחזרו ולציין את המקור.
  • תנו לעוזר שמדבר עם לקוחות רק מסמכים שמיועדים ללקוחות.
  • הגדירו לו מה לעשות כשהתשובה לא במסמכים: לומר שהוא יבדוק ולהעביר את השיחה לאדם.

טעויות נפוצות

  • לתת לעוזר לחפש בקבצים ישנים, כך שהוא מצטט את מערכת השעות של השנה שעברה באותו ביטחון כמו את של השנה.
  • להכניס מסמכים פנימיים לחיפוש של עוזר שמדבר עם לקוחות.
  • להאשים את המודל כשהבעיה האמיתית היא שהחיפוש לא מצא את הקטע הנכון.

מונחים קשורים

בינה מלאכותית ונתוניםמתקדם

מסד נתונים וקטורי (Vector Database)

מסד נתונים וקטורי (Vector Database) שומר embeddings ומוצא את הפריטים הקרובים ביותר במשמעות לשאלה, גם כשהמילים בשאלה שונות מהמילים במסמך.

בינה מלאכותית ונתוניםמתקדם

Embedding (אמבדינג)

Embedding (אמבדינג) הוא רשימת מספרים שמייצגת את המשמעות של טקסט או תמונה, כך שטקסטים בעלי אותה משמעות נמצאים קרוב זה לזה גם כשהמילים שונות.

בינה מלאכותית ונתוניםבסיסי

הזיית AI (AI Hallucination)

הזיית AI היא תשובה שמודל AI ממציא ומציג בביטחון, למשל מחיר, נוהל או מקור שלא קיימים, כי הוא בונה משפט סביר ולא בודק אם הוא נכון.

בינה מלאכותית ונתוניםבינוני

LLM (מודל שפה גדול)

LLM (מודל שפה גדול) הוא מודל AI שאומן על כמויות עצומות של טקסט כדי לנחש את החלק הבא במשפט. כך כלי צ׳אט כותבים תשובות, נכונות או שגויות.

בינה מלאכותית ונתוניםמתקדם

Fine-tuning (כוונון עדין)

Fine-tuning (כוונון עדין) הוא אימון נוסף של מודל AI קיים על דוגמאות שלכם, כדי שילמד סגנון, פורמט או משימה. הוא משנה את אופן התשובה, לא מוסיף עובדות.

בינה מלאכותית ונתוניםבינוני

Context Window (חלון הקשר)

חלון הקשר (Context Window) הוא כמות הטקסט המרבית, בטוקנים, שמודל AI קורא ומעבד בבת אחת. מה שלא נכנס לחלון המודל לא רואה, והאפליקציה מחליטה מה להשאיר בחוץ.

בדיקה קצרה

עוזר עם RAG מצטט את מערכת השעות של העונה הקודמת. מה הסיבה הסבירה ביותר?

בחרו תשובה

שאלות נפוצות

מה זה RAG במילים פשוטות?
דרך לגרום ל-AI לענות מתוך המסמכים שלכם. קודם הוא מוצא את הקטעים שמתאימים לשאלה, ואז כותב מהם את התשובה, כמו מבחן עם חומר פתוח שבו המודל מחפש את העמוד לפני שהוא עונה.
מה פירוש ראשי התיבות RAG?
Retrieval-Augmented Generation, ובעברית יצירה מועשרת באחזור. אחזור הוא מציאת הקטעים, יצירה היא כתיבת התשובה, ומועשרת פירושו שהתשובה נכתבת כשהקטעים שנמצאו נוספים לפרומפט. המונח בא ממאמר מחקר מ-2020 של Lewis ועמיתיו.
אני כבר משתמש ב-RAG?
ייתכן. כלים שמאפשרים להעלות קבצים ואז עונים מתוכם הם לעיתים קרובות RAG שנעשה בשבילכם. בעמוד העזרה של Anthropic על Projects, לדוגמה, כתוב ש-Claude משתמש בכלי חיפוש בידע של הפרויקט כדי לאחזר מידע רלוונטי מהמסמכים שהעליתם.
מה ההבדל בין RAG לכוונון עדין?
RAG נותנת למודל לקרוא את המסמכים שלכם עם כל שאלה, והמודל נשאר כמו שהוא. כוונון עדין מאמן את המודל עוד על הדוגמאות שלכם כדי לשנות את אופן הכתיבה שלו. לעובדות שמשתנות, כמו שעות ונהלים, RAG מתאימה, כי מספיק לעדכן את המסמך.
למה העוזר שלנו עדיין ממציא תשובות עם RAG?
RAG מצמצמת תשובות מומצאות, היא לא מעלימה אותן. החיפוש יכול לפספס את הקטע הנכון, או שהמודל יוסיף על מה שמצא. הנחו אותו לענות רק מתוך הקטעים ולומר שיבדוק כשהתשובה לא שם, ודאגו שאדם יבדוק את מה שמגיע ללקוחות.
למה העוזר מצטט נוהל ישן?
כי מסמך ישן עדיין נמצא בין המסמכים שהוא מחפש בהם. RAG עונה מתוך מה שהיא מוצאת, באותו ביטחון. שמרו גרסה עדכנית אחת לכל מסמך ומחקו את השאר.
איך מכינים מסמכים ל-RAG?
קטעים קצרים, נוהל או נושא אחד בכל קטע, במילים פשוטות ועם כותרת ברורה. מחקו כפילויות וגרסאות מיושנות. דף נהלים אחד מעודכן עדיף בדרך כלל על עשרים קבצים ישנים.
RAG צריכה מסד נתונים וקטורי?
רוב מערכות ה-RAG מחפשות בעזרת embeddings שנשמרים במסד נתונים וקטורי, כי הוא מוצא טקסט לפי משמעות. בכלי מוכן לא רואים אותו, כי הכלי מחזיק אחד בשבילכם.
זה בטוח לחבר קבצים חסויים ל-RAG?
לפני שמחברים, בדקו מה אומרים תנאי הספק על שמירת הקבצים שלכם ועל השימוש בהם, ותנו לכל עוזר רק את המסמכים שמותר לו לצטט. עוזר שמדבר עם לקוחות לא צריך לחפש אף פעם בקבצים פנימיים או ברשומות לקוחות. חוק הגנת הפרטיות, התשמ"א-1981, כפי שתוקן בתיקון 13 שנכנס לתוקף ב-14 באוגוסט 2025, חל על איסוף מידע אישי, על שמירתו ועל השימוש בו, גם כשמדביקים אותו בכלי AI או מעלים אליו. זהו מידע לימודי ולא ייעוץ משפטי או מיסויי. את המקרה שלכם בדקו עם עורך דין או רואה חשבון.
RAG הופכת את ה-AI לחכם יותר?
לא. היא משנה את מה שהמודל קורא לפני שהוא עונה, לא את היכולת שלו. קטע טוב הופך תשובה טובה לסבירה יותר, וקטע מיושן נותן תשובה מיושנת באותו ביטחון.
צריך מפתח בשביל RAG?
לא בכלי מוכן שמעלים אליו קבצים. מערכת שמחפשת במערכות שלכם, כמו כונן משותף או מסד הזמנות, צריכה בדרך כלל מישהו טכני.
RAG יכולה להראות מאיפה הגיעה התשובה?
כן, אם מגדירים אותה כך. בקשו מהעוזר לציין את המסמך או את הסעיף שבו השתמש, כמו "(מקור: דף הנהלים, ביטולים)". זה הופך את הבדיקה למהירה.

מקורות: Lewis, Perez, Piktus ואחרים, "Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks", NeurIPS 2020 (arXiv 2005.11401), נקרא ב-25 בספטמבר 2026, מרכז העזרה של Anthropic, "Retrieval augmented generation (RAG) for projects" (support.claude.com/en/articles/11473015), נקרא ב-25 בספטמבר 2026, הרשות להגנת הפרטיות, שאלות ותשובות על תיקון 13 (gov.il/he/pages/tikun13_qa), נקרא ב-31 באוגוסט 2026

נבדק לאחרונה: 2026-09-25

עבדתי עם

מה הלקוחות אומרים

מתחומים שונים, בשלבים שונים של העסק

דן מנטו

Eclipse Capital

השקעות נדל"ן ופיננסים, ארה"ב

ארטי מקלאבין

GameReady

חברה בינלאומית להכשרה ולמיקור חוץ בפיתוח משחקים

אנה, קוסמטיקאית

אנה

קוסמטיקאית

אחרי שסיימתי קורס קוסמטיקה בחברה מובילה, הייתי מבולבלת. לא ידעתי איך פותחים עסק, מה מוכרים מהבית, או איך מביאים לקוחות. מאז שפניתי למוביוס, הכל השתנה. בנינו תוכנית מסודרת עם צעדים ברורים, בלי סיכונים מיותרים. היום אני רואה תוצאות, גדלה וצומחת כל חודש.

מארק, מעסה, מגן יבנה

מארק

מעסה, מגן יבנה

כשסיימתי קורס עיסוי, דמיינתי עולם אחר. גיליתי שזה תחום קשה ולא פשוט למצוא יציבות כלכלית. כשהגעתי למוביוס, משהו השתנה. התחלנו תהליך מסודר, בנינו תוכנית עסקית. בלי מוביוס? כנראה שהייתי מוותר. היום אני מאמין בעצמי ובדרך שלי.

תוהים איפה AI באמת מתאים לעסק שלכם?

אלכס עוזר לעסקים בישראל להשתמש ב-AI ובנתונים איפה שזה משתלם, ולוותר איפה שלא. שיחת ההיכרות הראשונה חינם.

+972 055-248-6151. עדיף בוואטסאפ: רוב היום אני בפגישות, ועונה ברגע שאני מתפנה.