🧰 Teknoloji · Araç
RAG nedir, şirket verisiyle çalışan chatbot nasıl kurulur?
Kısa cevap
RAG (bilgi getirimli üretim), bir yapay zekâ modeli cevap vermeden önce sizin belgelerinizden ilgili bölümleri bulup ona sunma yöntemidir. Böylece chatbot, genel bilgiyle değil şirketinizin kendi dokümanlarıyla yanıt verir. Fiyat listesi, prosedür, sözleşme ve destek makalesi gibi dağınık bilgisi olan işletmeler için uygundur.
Son güncelleme: 12 Kasım 2026 · Hazırlayan: Rebitra ekibi
RAG nasıl çalışır, nasıl kurulur?
Bir dil modeli genel bilgiyle eğitilmiştir; sizin fiyat listenizi, iç prosedürünüzü ya da bu ayki kampanya koşullarını bilmez. Bu bilgiyi modele her seferinde elle yapıştırmak da pratik değildir. RAG bu sorunu iki adımda çözer: önce sorunun cevabını içerebilecek belge parçaları arşivinizden bulunur, sonra bu parçalar soruyla birlikte modele verilir ve model cevabını bu metne dayanarak yazar.
Yöntemin akışı kabaca şöyledir:
- Hazırlık: Belgeleriniz (PDF, Word, web sayfası, SSS) temizlenir ve küçük parçalara bölünür.
- İndeksleme: Her parça, anlamını temsil eden sayısal bir gösterime çevrilip bir arama yapısında saklanır. Buna genellikle vektör veritabanı ya da vektör arama desteği olan bir veritabanı kullanılır.
- Sorgu: Kullanıcı soru sorduğunda sistem en ilgili parçaları bulur.
- Cevap: Model, yalnızca bu parçaları kaynak alarak cevabı üretir; mümkünse hangi belgeden aldığını da gösterir.
RAG'in en büyük faydası, modeli yeniden eğitmeden bilginin güncel kalabilmesidir. Bir belgeyi değiştirdiğinizde indeksi güncellemeniz yeterlidir.
RAG kimler için uygun?
- Çok sayıda ürün kataloğu, teknik doküman ya da prosedürü olan firmalar
- Aynı soruları tekrar tekrar yanıtlayan destek ve satış ekipleri
- Yeni çalışanların iç belgelerde bilgi aradığı kurumlar
- Sözleşme, mevzuat ya da politika metinlerinde hızlı arama yapmak isteyenler
- Web sitesindeki sohbet botunun yalnızca firmanın kendi bilgisiyle cevap vermesini isteyenler
RAG ne zaman gerekli, ne zaman gereksiz?
| Durum | RAG gerekli mi? |
|---|---|
| Çok sayıda katalog, teknik doküman ya da prosedür; aynı sorular tekrar tekrar geliyor | Gerekli |
| Belgeler sık değişiyor, cevabın güncel metne dayanması şart | Gerekli |
| Üç beş sayfalık sabit bir SSS | Gereksiz; metin doğrudan modele verilir |
| Yalnızca belirli terimleri bulmak yeterli | Gereksiz; klasik arama yeter |
| Belgeler dağınık, çelişkili ya da taranmış ve okunaksız | Önce belge düzeni; sistem bu kusurları taşır |
| Hukuki, mali ya da sağlıkla ilgili karar | Kaynak gösterimi ve insan kontrolüyle |
Bilginiz üç beş sayfalık sabit bir SSS'den ibaretse RAG gereksiz karmaşıklıktır; bu metin doğrudan modele verilebilir veya basit bir arama yeterli olur. Belgeleriniz dağınık, eski, birbiriyle çelişen ya da taranmış ve okunaksız ise sistem de bu kusurları taşır. RAG doğruluğu garanti etmez: yanlış parça bulunursa cevap da yanlış olabilir. Hukuki, mali ya da sağlıkla ilgili kararlarda çıktının kaynakla birlikte gösterilmesi ve bir insanın kontrol etmesi gerekir. Belgelerde kişisel veri varsa KVKK, erişim yetkisi ve verinin hangi servise gideceği baştan çözülmelidir.
RAG kurulumunun maliyeti nelere bağlı?
RAG tek bir ürün değil, birkaç bileşenin birleşimidir; maliyet de bu bileşenlerden gelir. Bütçeyi belirleyen kalemler şunlardır:
- Belge miktarı ve biçimi; temiz metin ile taranmış PDF aynı emekte değildir
- Kullanılan dil modelinin ve sayısal gösterim (embedding) servisinin kullanım ücreti
- Vektör arama için seçilen altyapı ve barındırma
- Belgelerin ne sıklıkla güncelleneceği ve indeksin nasıl yenileneceği
- Kullanıcı yetkilendirmesi: herkesin her belgeyi görmemesi gerekiyorsa kurgu zorlaşır
- Cevap kalitesini ölçmek için hazırlanacak test soruları
Süre açısından en çok zaman veri hazırlığına gider. Belgeleri toplamak, temizlemek, parçalara bölmek ve gerçek sorularla denemek, modele bağlanmaktan genellikle daha uzun sürer. Bu yüzden önce sınırlı bir belge kümesiyle pilot kurup sonuçlara bakmak, hem riski hem maliyeti düşürür.
RAG alternatifleri neler?
| Yöntem | Ne zaman yeterli | RAG'e göre farkı |
|---|---|---|
| Modele doğrudan belge vermek | Belge kısa, kullanım az | İndeks kurulmaz; metin isteğe eklenir |
| Klasik anahtar kelime araması | Belirli terimleri bulmak yeterli | Daha basit, ucuz ve öngörülebilir |
| İnce ayar (fine-tuning) | Modele üslup ve davranış öğretmek | Sık değişen bilgide RAG daha pratik |
| Kural tabanlı SSS botu | Sorular sınırlı ve kalıp | Karar ağacıyla çözülür |
Model tarafında hangi servisi seçeceğiniz ayrı bir karardır; Claude API ve Gemini API sayfalarımız bu seçeneklerin farklarını anlatıyor. Uçtan uca kurulum için yapay zeka ve chatbot hizmetimize bakabilirsiniz.
Rebitra RAG'i nerede kullanıyor?
Yapay zeka ve chatbot hizmetimiz bu yaklaşıma dayanır: asistan cevabı işletmenin verdiği belgelerden üretir, cevap belgelerde yoksa tahmin yürütmez ve konuşmayı ekibe aktarır. Hizmetin araç listesinde OpenAI, Anthropic Claude ve Google Gemini API'leri ile PostgreSQL üzerinde vektör araması yapan pgvector yer alıyor. Genel çalışma biçimimizi projelerimizde görebilirsiniz.
Bir işte önce belgelerin durumuna, kimlerin soru soracağına ve yanlış cevabın ne kadar riskli olduğuna bakıyoruz. RAG gerekmiyorsa daha sade bir çözüm öneriyoruz. Belgelerinizi birlikte değerlendirmek için teklif formundan yazabilirsiniz.
Kaynaklar
Yapay Zeka & Chatbot için ücretsiz ön görüşme: bu konuyu kendi işinize göre netleştirelim.
Bununla ilgili diğer sorular
RAG kurmak için ayrı bir vektör veritabanı şart mı?
Şart değildir. Belge parçalarının anlamca aranabilmesi için vektör araması gerekir; bu, ayrı bir üründe yapılabildiği gibi PostgreSQL'e eklenen açık kaynaklı pgvector uzantısıyla mevcut veritabanında da yapılabilir. Böylece vektörler diğer verilerle aynı yerde durur.
RAG kullanan chatbot yanlış cevap verebilir mi?
Evet, verebilir. Sistem yanlış belge parçasını bulursa ya da belgelerin kendisi eksik veya eskiyse cevap da hatalı olur. Bu riski azaltmak için kaynak gösterme, bilmediğinde bilmediğini söyletme ve gerçek sorularla düzenli test yapma gerekir.
Şirket belgelerimi RAG için hazırlamam gerekir mi?
Evet, hazırlık sonucun kalitesini en çok etkileyen adımdır. Güncel olmayan veya çelişen belgeleri ayıklamak, taranmış dosyaları okunur hale getirmek ve hangi belgeyi kimin görebileceğini belirlemek gerekir. Bu işi birlikte planlayıp küçük bir belge kümesiyle başlamak en güvenli yoldur.
İlgili hizmetler
Bölgelere göre
- Adana Yapay Zeka Chatbot Firması: Çukurova'dan WhatsApp ve Web Asistanı
- Antakya Yapay Zeka Chatbot Ajansı: Restoran, Otel ve Emlak İçin
- Çukurova Yapay Zeka Chatbot Ajansı: Kafe, Güzellik Merkezi ve Emlak Ofisleri İçin
- Gaziantep Yapay Zeka Chatbot Firması: Arapça, İngilizce ve Türkçe Asistan
- Hatay'daki İşletmeler İçin Yapay Zeka Chatbot Uzmanı
- İskenderun Chatbot Firması: Liman, Acente ve Yan Sanayi İçin Yapay Zeka
- Kahramanmaraş Yapay Zeka Chatbot Ajansı: İplik, Gıda ve Yapı Sektörü İçin Asistan
- Kayseri Chatbot Uzmanı: Mobilya ve Üretim Firmaları İçin Yapay Zeka Asistanı
Diğer teknolojiler
- Claude API nedir, işletme uygulamalarında ne için kullanılır?
- Expo (React Native) nedir, Expo Go ve EAS ne işe yarar?
- pgvector ve vektör veritabanı nedir, chatbot için neden gerekir?
- OpenAI API nedir, işletme yazılımına nasıl entegre edilir?
- Redis nedir, önbellek ve kuyruk için ne zaman gerekir?
- GitHub Actions nedir, yazılım yayınlamayı nasıl otomatikleştirir?
Rehberde ve diğer bölümlerde
- Sözlük · RAG ne demek, açılımı nedir?