Ești la un interviu pentru inginer AI la Google. Intervievatorul întreabă: "Datele noastre sunt răspândite în mai multe surse (Salesforce, Gmail, Drive etc.) Cum ai construi un motor unificat de interogări peste el?" Tu: "Voi încorpora totul într-o bază de date vectorială și voi face RAG." Interviu încheiat! Mulți dezvoltatori încă cred că recuperarea contextului este o conductă liniară: Chunk → Embed → Retrieve → Generate Acest lucru funcționează foarte bine pentru demo-uri simple, dar sistemele de producție au nevoie de ceva fundamental diferit. Pentru a înțelege mai bine, ia în considerare această întrebare: "Comparați performanța noastră de vânzări din trimestrul 4 din regiunea Chicago cu proiecțiile de anul trecut formulate într-o întâlnire cu părțile interesate." Această singură interogare necesită: - Date de vânzări din baza ta de date SQL - Relații de graf (ierarhie organizațională) - Căutare vectorială peste rapoarte de proiecție - Filtrare bazată pe timp (trimestrul 4 anul acesta față de anul trecut) - Verificări de permisiuni (pentru autorizarea utilizatorului) ...