Wat staat RAG voor?	Retrieval Augmented Generation.
Wat is een nadeel van het plaatsen van een heel lang document direct in een prompt?	Er is een harde limiet op de tekst die gevoed kan worden, wat kan leiden tot fouten.
Wat is de eerste stap in het RAG-proces?	Het document opdelen in kleine stukken (chunking).
Wat gebeurt er in de retrieval-stap van RAG?	De vraag van de gebruiker wordt gebruikt om de meest relevante tekststukken uit de documenten te vinden.
Wat is een belangrijk voordeel van RAG voor het AI-model?	Het model kan zich richten op de relevante inhoud, wat de effectiviteit verhoogde.
Hoe beïnvloedt RAG de schaalbaarheid en de kosten bij grote documenten?	Het maakt het mogelijk om met zeer grote documenten te werken en leidt tot kleinere, goedkopere prompts.
Wat is een belangrijke uitdaging bij de implementatie van RAG?	Het vereist een complexe pre-processing stap en een zoekmechanisme om relevante chunks te vinden.
Wat is een risico bij het selecteren van relevante chunks in RAG?	Er is geen garantie dat de geselecteerde chunks alle benodigde context bevatten.