RAG nedir? Yapay zekâ belgeye bakarak nasıl yanıt verir?

Yapay zekâya bir soru sorduğunuzda yanıt iki yerden gelebilir: modelin eğitimde öğrendiklerinden ya da önüne konan bir belgeden. İkincisine getirme destekli üretim (retrieval-augmented generation) denir, kısaca RAG. Bu derste RAG’ı günlük örneklerle anlayacak, sonra kendi belgenizle deneyeceksiniz.

Aklınıza bir soru mu takıldı?

Sorunuzu ya da aradığınız konuyu yazın Ders bul

Bu derste neler öğreneceksiniz?

• RAG’ın “önce ilgili parçayı bul, sonra ona dayanarak yanıt yaz” mantığını kendi cümlelerinizle anlatmayı
• Ezberden verilen yanıt ile belgeye dayalı yanıtı birbirinden ayırmayı
• Kaynak gösteren bir yanıtta kaynağı açıp cümleyi kontrol etmeyi
• RAG’ın uydurmayı azaltabildiğini ama sıfırlamadığını nedenleriyle açıklamayı

RAG’ı kütüphane örneğiyle anlamak

Kütüphanedeki görevliye “yeni otopark yönetmeliği ne diyor?” diye sorduğunuzu düşünün. Görevli iki yoldan yanıt verebilir. Ya aklında kalanı anlatır ya da raftan yönetmeliği alır, ilgili sayfayı açar ve oradan okuyarak yanıtlar. İlk yol ezberden, ikinci yol belgeye bakarak yanıttır. RAG ikinci yoldur. IBM Research bu farkı kapalı kitap ile açık kitap sınavına benzetiyor.

Sistem iki aşamada çalışır. Önce sorunuzla ilgili parçaları belge yığınının içinden bulur; buna getirme (retrieval) denir. Sonra bulunan parçaları büyük dil modeline (large language model) verir ve model yanıtı bunlara dayanarak yazar; buna üretim (generation) denir. Bu fikri anlatan özgün makalelerden biri Lewis ve arkadaşlarının 2020 tarihli çalışmasıdır. Çalışma, modelin kendi içinde taşıdığı bilgiyi, aranabilen dış bir belge deposuyla birleştiriyor.

Ezberden yanıt ile belgeye dayalı yanıt

Bir belediyenin sosyal yardım başvurusuna ilişkin sıkça sorulan sorular (SSS) belgesi olsun. Belge ve belediye kurgudur. Bir vatandaş sohbet botuna “Başvuruda hangi belgeler isteniyor?” diye soruyor.

Ezberden yanıtta bot, eğitimde gördüğü benzer metinlere bakarak genel bir liste yazar. Liste makul görünür ama o belediyenin kuralını yansıtmayabilir. Amazon Web Services’in (AWS) açıklamasına göre modelin eğitim verisi sabittir ve bilgisi belli bir tarihte kalır; yanıtı bilmediğinde yanlış bilgi de sunabilir.

Belgeye dayalı yanıtta ise sistem önce SSS belgesinden başvuru bölümünü bulur, sonra yanıtı o bölüme göre yazar. AWS, bu yaklaşımda modelin yanıtlamadan önce eğitim verisinin dışındaki bir bilgi tabanına başvurduğunu ve bunun için modeli yeniden eğitmeye gerek kalmadığını anlatıyor. Belge değişirse yanıt da değişebilir.

Web aramalı yanıtların arama motorundan farkı “Yapay zekâ ile arama motoru arasındaki fark nedir?” dersinde, kodlu kurulum ise “Basit RAG: kendi belgelerinizle soru-cevap” dersinde işleniyor. Burada yalnızca kavrama bakıyoruz.

Kaynak göstermek neye yarar?

RAG’ın en kullanışlı yanı, yanıtın yanına kaynağı koyabilmesidir. NVIDIA bunu kitaplardaki dipnota benzetiyor: okur, iddiayı kaynağında kontrol edebilir. AWS de kaynak gösteren yanıtların güveni artırabildiğini söylüyor.

Ama kaynak göstermek doğruluk garantisi değildir. Bot doğru sayfayı gösterip cümleyi yanlış yorumlayabilir ya da gösterdiği sayfada o bilgi hiç olmayabilir. Bu yüzden kaynağı açıp yanıttaki cümleyle yan yana okuyun. Üç şeye bakın: Cümle gerçekten orada mı? Anlamı aynı mı? Belge güncel mi?

RAG uydurmayı sıfırlar mı?

Hayır, azaltır. IBM Research ve NVIDIA, RAG’ın hatalı ama inandırıcı yanıt olasılığını düşürdüğünü söylüyor; ortadan kaldırdığını söylemiyor. Google Cloud iki nedeni açıkça belirtiyor. Birincisi, getirme adımı çok önemlidir: ilgisiz parça gelirse yanıt belgeye dayalı olsa bile konu dışı ya da yanlış olabilir. İkincisi, iyi sonuç özenle hazırlanmış bir bilgi tabanına bağlıdır. NVIDIA da yanıt kalitesinin bilgi tabanına bağlı olduğunu ve bu tabanın güncel tutulması gerektiğini yazıyor.

İki örnek verelim. Bot, başvuru bölümü yerine itiraz bölümünü getirirse akıcı ama yanlış yerden bir yanıt yazar. Belediyenin SSS belgesi geçen yılın tarifesini taşıyorsa bot belgeye sadık kalarak eski tarifeyi söyler. Yani belge eskiyse yanıt da eskir. Uydurmanın ana nedeni ise “Yapay zekâ neden uydurur?” dersinde anlatılıyor.

Adım adım uygulama

Aşağıdaki komut, botun yanıtını yüklediğiniz belgeyle sınırlar. Araç, yüklediğiniz belgeyi arka planda nasıl işlediğini her zaman göstermez; ama amaç aynıdır: yanıt belgeye dayanmalı. Önce zayıf ve güçlü biçimi karşılaştırın.

Bu çıktı bir örnektir. Gerçek bir araç farklı yanıt verebilir; sayfa numarasını her zaman kendiniz açıp bakın.

1. Kişisel veri içermeyen, birkaç sayfalık herkese açık bir PDF seçin; örneğin bir kurumun SSS belgesi ya da bir cihazın kullanım kılavuzu. Kimlik, adres, telefon, sağlık ya da mali bilgi taşıyan belge yüklemeyin.
2. Dosya yüklemeyi destekleyen bir sohbet botuna PDF’i yükleyin.
3. Güçlü komutu yazın ve belgede yanıtı olan bir soru ekleyin.
4. Yanıtta gösterilen sayfayı PDF’te açın ve cümleyi yanıtla yan yana okuyun.
5. Belgede yanıtı olmayan bir soru sorun. Bot “belgede yok” diyor mu, yoksa bir şey uyduruyor mu?
6. PDF’in tarihine bakın. Eskiyse yanıtı da eski sayın.
7. Aynı soruyu belge yüklemeden başka bir konuşmada sorun ve iki yanıtı karşılaştırın.

Kontrol listesi

• Belgede kişisel veri yoktu
• Gösterilen sayfayı açıp cümleyi kendi gözümle gördüm
• Belgede olmayan soruda botun “yok” deyip demediğine baktım
• Belgenin tarihine baktım

Sık yapılan hatalar

• Kaynak gösterdi diye yanıtı doğru saymak
• Gösterilen sayfayı açmadan yanıta güvenmek
• Eski tarihli bir belgeye dayanan yanıtı güncel sanmak
• RAG’ı kesin doğruluk garantisi gibi görmek
• Kişisel veri içeren belgeyi sohbet botuna yüklemek

Kendinizi deneyin

Videoyla izleyin

Video: IBM Technology (İngilizce).

Kaynaklar

• Lewis ve arkadaşları: Bilgi yoğun doğal dil görevleri için getirme destekli üretim (arXiv) (İngilizce)
• AWS: Getirme destekli üretim (RAG) nedir? (İngilizce)
• IBM Research: Getirme destekli üretim nedir? (İngilizce)
• Google Cloud: Getirme destekli üretim (RAG) nedir? (İngilizce)
• NVIDIA Blog: Getirme destekli üretim nedir? (İngilizce)

Son kontrol: 10 Kasım 2026

Kaynak: yzdersleri.com/ders/rag-nedir-yapay-zeka-belgeye-bakarak-yanit/ · Yapay Zeka Dersleri