Pipeline RAG
L'intera catena dal documento alla risposta: ingestione (parsing + chunking) → embedding → archiviazione in un database vettoriale → a ogni query: recupero → eventuale reranking → generazione.
La RAG ingenua si limita a una ricerca top-k per similarità coseno. Quella moderna aggiunge: strategia di chunking (semantico, a finestra mobile, ricorsivo, late chunking), ricerca ibrida (vettoriale + BM25), reranker (cross-encoder come Cohere Rerank), espansione della query (HyDE, multi-query), compressione del contesto e contextual retrieval (la tecnica di Anthropic). Le finestre di contesto sempre più ampie hanno reso allettante l'alternativa «mandiamo dentro tutto» (long context contro RAG), che però è peggiore e più costosa.