RAG-toepassingen
Retrieval-apps zonder het leidingwerk.
Bouw apps die antwoorden uit je eigen content en laten zien waarop ze steunen. Zet documenten in een collection en elk antwoord komt terug met de passages die het gebruikte. Daaronder haalt Akumi ze binnen in een knowledge graph die per workspace is afgeschermd, dus een request kan alleen bij de jouwe. Geen vector store om te draaien, en er gaat niets de EU uit.
collections · één graph · EU-resident
Als context aan de prompt toegevoegd, voordat het model antwoordt.
RAG demo je zo. Draaien is een project.
Achter een werkende demo zitten een vector database om te beheren, een embedding-pipeline om te onderhouden, een chunking-strategie om af te stellen, en vaak een Amerikaanse embeddings-API die je documenten het land uit stuurt. En dan moet je de content van het ene team nog uit de antwoorden van het andere houden en aantonen waar alles verwerkt is.
Wat je krijgt
Retrieval als managed service.
De onderdelen van een retrieval-stack die een kwartaal kosten om te bouwen en een jaar om te onderhouden zijn precies de onderdelen die je hier niet draait.
Geen pipeline om te draaien
Plak of upload PDF, tekst of markdown in een collection. Het platform haalt het eruit, hakt het in stukken en schrijft het op de achtergrond in de knowledge graph. Geen vector store, geen embedding-pipeline, geen chunking-strategie om af te stellen.
Afgeschermd by design
Elke collection is een eigen partitie van de graph, genamespaced op jouw organisatie en workspace voordat de query wordt opgebouwd. Een request kan alleen bij je eigen partities, nooit bij die van een andere tenant, en de graph blijft in de EU.
Onderbouwd en met bronnen
Retrieval draait vanzelf zodra de workspace iets te raadplegen heeft, en mengt de feiten, documenten en collections tot één gerangschikte context. De response draagt de bronnen die hij gebruikt heeft.
Hoe het eruitziet
Eén request, van begin tot eind.
De support-assistent van een verzekeraar beantwoordt een polishouder uit de eigen documenten van het team. Jij stuurt de vraag. Je krijgt het antwoord, en de passages waarop het staat.
- 01SturenJij stuurt een vraagEén OpenAI-compatible call. Het user-veld bakent de persoonlijke memory af, en de workspace en zijn collections komen uit de API-key.
- 02RaadplegenAkumi raadpleegt de graphRetrieval mengt de memory van die eindgebruiker, de workspace en elke collection erin, en rangschikt wat terugkomt. Niets te orkestreren.
- 03OnderbouwenJij krijgt de bewijsstukkenHet antwoord komt met een sources-array, en de request wordt vastgelegd met het model, de provider en de regio die hem bediend hebben.
Geen rag-parameter, geen retrieval-call, geen collection om te noemen.
Welke service doet wat
Retrieval, en alles eromheen.
Een echte retrieval-app is meer dan een similarity lookup. De services die hij nodig heeft zitten achter hetzelfde endpoint, elk apart afgerekend.
- RecallFeiten en documenten per gebruiker, te promoveren naar een collection.
- Inference APIOpenAI-compatible generatie op EU-resident modellen.
- FirewallPseudonimiseert persoonsgegevens in opgehaalde context.
- ObservabilityZie of de tijd naar retrieval ging of naar het model.
- CacheHergebruik antwoorden op herhaalde vragen.
- Audit TrailWelke request wat gelezen heeft, vastgelegd.
FAQ
Vragen over retrieval.
- Draaien wij een vector database?
- Nee. Zet documenten in een collection en het platform haalt ze eruit, hakt ze in stukken en indexeert ze op de achtergrond. Er is geen store om te beheren en geen pipeline om te onderhouden.
- Kan de content van het ene team in de antwoorden van het andere komen?
- Nee. Elke collection is een eigen partitie, genamespaced op jouw organisatie en workspace voordat de query wordt opgebouwd.
- Moeten we retrieval zelf aanroepen?
- Nee. Retrieval draait zodra de workspace iets te raadplegen heeft. Er is geen rag-parameter en geen collection om in de request te noemen.
- Hoe laten we zien waar een antwoord vandaan komt?
- De response draagt een sources-array met de documenten en passages die gebruikt zijn, en hun relevantie.
- Waar worden de documenten verwerkt?
- In de EU. De embedding-modellen en de graph zijn EU-resident, en elke request legt de regio vast die hem bediend heeft.
Begin hier
Lever retrieval, sla de infrastructuur over.
Maak een key aan, zet je documenten in een collection, en je app antwoordt eruit.