---
title: "Architektúra RAG: ingestion, retrieval, generovanie, reranking"
description: "Architektúra RAG je dvojfázová stavba systému Retrieval-Augmented Generation: v ceste ingestion sa dokumenty načítajú, rozdelia na chunky, prevedú na vektory (embedding) a indexujú; v ceste dopytu…"
locale: "sk"
canonical: "https://blckalpaca.at/sk/vedomosti/ai-agenti/co-je-rag-system/architektura-rag-ingestion-retrieval-generovanie-reranking"
category: "AI agenti"
topic: "RAG systémy vysvetlené"
updated: "2026-10-17T15:32:35.267Z"
source: "Blck Alpaca e.U., blckalpaca.at"
---

# Architektúra RAG: ingestion, retrieval, generovanie, reranking

Architektúra RAG je dvojfázová stavba systému Retrieval-Augmented Generation: v ceste ingestion sa dokumenty načítajú, rozdelia na chunky, prevedú na vektory (embedding) a indexujú; v ceste dopytu sa k nemu vyhľadajú vhodné pasáže, znovu sa zoradia (reranking) a ako kontext sa odovzdajú LLM na generovanie odpovede.

## Na prvý pohľad

- RAG pipeline pozostáva z dvoch oddelených ciest: z cesty ingestion/indexing, ktorá beží offline (loading, chunking, embedding, upsert do vektorovej DB), a z cesty dopytu, ktorá beží online (query embedding, retrieval, filtering, reranking, context assembly, generovanie).
- Reranking pomocou cross-encodera nie je voliteľný doplnok: Contextual Retrieval od spoločnosti Anthropic znižuje chybovosť retrievalu o 49 percent, v kombinácii s rerankingom o 67 percent (stav k septembru 2024).
- Hybrid Search kombinuje dense vektorové vyhľadávanie (HNSW index) so sparse BM25 a zachytí presné kódy, ID a vlastné mená, ktoré čisté embeddingy minú.
- Metadátové filtre (tenant_id, ACL) patria do každého chunku: sú technickým predpokladom pre multi-tenancy, pre oddelenie klientov, ktoré nemecká konferencia dozorných orgánov pre ochranu údajov (Datenschutzkonferenz, DSK) uvádza vo svojej orientačnej pomôcke k RAG ako opatrenie, a pre cielené mazanie jednotlivých záznamov.
- Najčastejšie architektonické chyby sú naivný fixed-size chunking, chýbajúci reranking, chýbajúca evaluácia a chýbajúce citácie zdrojov.
- Stavebné prvky pre suverénnu prevádzku v EÚ sú Qdrant (Berlín), Weaviate (Amsterdam) a Haystack/deepset (Berlín) a tiež open-weight embeddingy, napríklad BGE-M3 vo vlastnej prevádzke, alebo Mistral Embed cez API parížskeho poskytovateľa Mistral AI. Jina AI patrí od roku 2025 spoločnosti Elastic, Aleph Alpha sa zlučuje so spoločnosťou Cohere.

Architektúra [RAG](https://blckalpaca.at/sk/slovnik/rag) opisuje technickú stavbu [systému Retrieval-Augmented Generation](https://blckalpaca.at/sk/slovnik/rag) v dvoch jasne oddelených fázach. Prvá fáza, ingestion (tiež indexing), beží offline a prevedie zdrojové dokumenty do prehľadávateľného indexu. Druhá fáza, query-time, beží online pri každom dopyte: vyhľadá vhodný obsah, znovu ho zoradí a odovzdá jazykovému modelu na generovanie. Kto chce RAG prevádzkovať produkčne, musí obe cesty chápať a prevádzkovať oddelene.

- **Dve cesty, nie jedna:** ingestion (loading, chunking, [embedding](https://blckalpaca.at/sk/slovnik/embedding), upsert) beží v dávkach; cesta dopytu (embedding, retrieval, filtering, reranking, generovanie) beží pri každom dopyte.
- **Reranking je povinnosť, nie nadštandard:** cross-encoder po hrubom vyhľadávaní merateľne znižuje chybovosť retrievalu (až o 67 percent v kombinácii s Contextual Retrieval, stav k septembru 2024).
- **Metadáta rozhodujú o compliance:** tenant\_id, ACL a odkaz na zdroj pri každom chunku sú technickým základom pre multi-tenancy, oddelenie klientov a vymazateľnosť.

## Fáza 1: Ingestion / Indexing (offline)

Cesta ingestion je prípravná práca, ktorá vopred rozhoduje o kvalite a latencii neskoršej prevádzky. Pozostáva zo štyroch až piatich krokov:

**1. Loading / konektory.** Zdroje ako SharePoint, S3, Confluence alebo databáza sa pripoja cez konektory. Už tu sa pre každý dokument zaznamenajú stabilné ID a metadáta (zdroj, časová pečiatka, klient, prístupové práva).

**2. Parsing.** Surové dokumenty, predovšetkým PDF a zmluvy, sa prevedú na štruktúrovaný text. Layout-aware parsery zachovajú štruktúru tabuliek, zoznamov a nadpisov, čo neskôr predchádza halucináciám. Nástrojmi sú okrem iného Docling (IBM, open source), Unstructured.io, LlamaParse alebo Azure Document Intelligence.

**3. Chunking.** Text sa rozdelí na jednotky, ktoré sa dajú vyhľadať. Naivný fixed-size chunking (napr. 512 tokenov, overlap 50) je jednoduchý, ale rozsekáva vety a tabuľky. Lepšie sú recursive/semantic chunking (rez pri cosine drifte medzi vetami) alebo hierarchický parent-child chunking (malé chunky na retrieval, veľké parent chunky ako kontext). Orientačné pravidlo: 200 až 800 tokenov, 10 až 20 percent overlap.

**4. Embedding.** [Embedding model](https://blckalpaca.at/sk/slovnik/embedding) premení každý chunk na vektor. Pri nemeckojazyčných korpusoch dominujú viacjazyčné modely ako Cohere Embed v4, modely Voyage, Gemini Embedding 2 alebo BGE-M3. Suverénne sa dajú prevádzkovať predovšetkým open-weight modely ako BGE-M3 alebo embeddingy Jina, on-prem alebo u hostingového poskytovateľa v EÚ. Jina [AI](https://blckalpaca.at/sk/slovnik/ai) však [od októbra 2025 patrí spoločnosti Elastic](https://ir.elastic.co/News--Events/news/news-details/2025/Elastic-Completes-Acquisition-of-Jina-AI-a-Leader-in-Frontier-Models-for-Multimodal-and-Multilingual-Search/default.aspx) a pred komerčným nasadením musíš overiť licenciu príslušnej verzie modelu. Mistral Embed pochádza od parížskeho poskytovateľa Mistral AI. Aleph Alpha z Heidelbergu [sa zlučuje s kanadským poskytovateľom Cohere](https://siliconangle.com/2026/09/16/cohere-and-aleph-alpha-agree-to-merge-in-reported-20b-deal/). Pri podpise zmluvy v septembri 2026 ešte chýbalo schválenie úradov. Dôležité: nemčina je podľa tokenizéra približne 1,3- až 1,7-krát náročnejšia na tokeny ako angličtina.

**5. Indexovanie / upsert.** Vektory sa spolu s metadátami zapíšu do [vektorovej databázy](https://blckalpaca.at/sk/slovnik/vektorova-databaza). Štandardným indexovým algoritmom je takmer všade HNSW (Malkov & Yashunin 2016) s parametrami M, ef\_construction a ef\_search, ktoré vyvažujú recall a rýchlosť. Voliteľne sa paralelne vytvorí BM25 index pre Hybrid Search a pred každý chunk sa vloží kontextová hlavička vygenerovaná [LLM](https://blckalpaca.at/sk/slovnik/llm) (Contextual Retrieval).

## Fáza 2: Query-Time (online)

Cesta dopytu beží pri každej jednotlivej otázke používateľa. Query embedding, retrieval, filtering a reranking trvajú spolu orientačne okolo 100 až 800 milisekúnd, v závislosti od veľkosti indexu a od rerankera. Voliteľné predspracovanie pomocou LLM, napríklad HyDE alebo query rewriter, si vyžiada ďalšie volanie modelu. Záverečné generovanie v LLM trvá podľa dĺžky odpovede väčšinou jednu až niekoľko sekúnd. Jednotlivé kroky:

**1. Predspracovanie dopytu (voliteľné).** Query rewriter, HyDE alebo decomposer preformulujú komplexné otázky alebo ich rozložia. V multi-tenant systémoch tu navyše prebieha AuthN/Z a tenant resolution.

**2. Query embedding.** Otázka sa premení na vektor tým istým embedding modelom ako chunky. Paralelne vznikne BM25 dopyt.

**3. Retrieval / Vector Search.** Vektorová DB vráti najpodobnejšie chunky (typicky top\_k = 50 až 100). Pri Hybrid Search bežia dense a sparse vyhľadávanie paralelne a spoja sa cez rank fusion (Reciprocal Rank Fusion).

**4. Filtering.** Metadátové filtre (tenant\_id, ACL, dátum) zúžia okruh kandidátov. Týka sa to aj compliance: [orientačná pomôcka DSK](https://www.datenschutzkonferenz-online.de/media/oh/DSK_OH_RAG.pdf) ku generatívnym AI systémom s metódou RAG (október 2025) uvádza oddelenie klientov a koncept práv a rolí ako opatrenia na zabezpečenie dôvernosti a obmedzenia účelu.

**5. [Reranking](https://blckalpaca.at/sk/vedomosti/ai-agenti/co-je-rag-system/reranking-modelle-rag).** Cross-encoder (Cohere Rerank, BGE-Reranker, Jina Reranker) hodnotí dopyt a dokument spoločne a zredukuje 50 až 100 kandidátov na najrelevantnejších top\_k = 5 až 10. Cross-encodery sú presnejšie, ale pomalšie ako bi-encodery hrubého vyhľadávania, preto bežia až po lacnom hrubom vyhľadávaní.

**6. Context assembly & prompting.** Výsledné chunky sa s odkazmi na zdroje vložia do šablóny promptu. Dôležité pasáže patria dopredu, aby sa predišlo [problému lost-in-the-middle](https://arxiv.org/abs/2307.03172).

**7. Generovanie pomocou LLM.** Jazykový model vytvorí odpoveď, ideálne s citation forcingom a následným faithfulness guardrailom, ktorý overí, či je odpoveď podložená zdrojmi.

## Tabuľka: RAG pipeline podľa fázy, úlohy a nástrojov

| Fáza | Úloha | Typické nástroje (stav v roku 2026) |
| --- | --- | --- |
| Ingestion | Loading / konektory | konektory pre SharePoint, S3, Confluence |
| Ingestion | Parsing | Docling, Unstructured.io, LlamaParse, Azure Document Intelligence |
| Ingestion | Chunking | [LangChain](https://blckalpaca.at/sk/slovnik/langchain) splitter, semantic/hierarchical chunking, contextual chunking |
| Ingestion | Embedding | Cohere Embed v4, Voyage, Gemini Embedding 2, Jina Embeddings, BGE-M3, Aleph Alpha |
| Ingestion | Indexovanie / upsert | Qdrant, Weaviate, Pinecone, Milvus, pgvector (HNSW + voliteľne BM25) |
| Query | Query embedding | rovnaký embedding model ako pri ingestion |
| Query | Retrieval / Vector Search | HNSW-ANN vyhľadávanie, hybrid (dense + BM25), RRF fúzia |
| Query | Filtering | metadátové filtre (tenant\_id, ACL) v Qdrant/Weaviate/pgvector |
| Query | Reranking | Cohere Rerank, BGE-Reranker, Jina Reranker, LLM-as-Judge |
| Query | Generovanie | LLM (Claude, [GPT](https://blckalpaca.at/sk/slovnik/gpt), Gemini, Mistral, Aleph Alpha Pharia) + faithfulness guardrail |
| Naprieč fázami | Evaluácia / observability | RAGAS, TruLens, DeepEval, Arize Phoenix, LangSmith |

## Tok dát opísaný slovami

Dokument putuje offline cez loader, parser a chunker, embedding model ho vektorizuje a dokument potom spolu s metadátami skončí ako záznam vo vektorovej DB. Keď online príde otázka, embedduje sa tým istým modelom, cez HNSW index sa porovná so všetkými vektormi chunkov a vráti hrubý výber. Metadátové filtre odstránia to, čo používateľ nesmie vidieť. Reranker zúži hrubý výber na najlepšie výsledky. Tie sa s uvedením zdrojov poskladajú do promptu, LLM z nich vygeneruje odpoveď a guardrail overí vernosť voči zdroju. Rozhodujúce: embedding pri ingestion aj pri dopyte musí používať rovnaký model, inak vektory nie sú porovnateľné.

## Konkrétny príklad s číslami

Zákaznícky [chatbot](https://blckalpaca.at/sk/slovnik/chatbot) pre SaaS produkt indexuje 50 000 dokumentov. Pri sémantickom chunkingu s približne 500 tokenmi na chunk vznikne okolo 300 000 vektorov. Indexovanie s [Contextual Retrieval](https://www.anthropic.com/engineering/contextual-retrieval) stojí podľa spoločnosti Anthropic približne 1,02 USD za 1 milión tokenov dokumentov s [prompt](https://blckalpaca.at/sk/slovnik/prompt) cachingom (stav k septembru 2024). V prevádzke každý dopyt vyhľadá top\_k = 50 kandidátov; reranker Cohere ich zredukuje na top\_k = 5.

Evaluácia spoločnosti Anthropic ukazuje účinok jednotlivých stavebných prvkov na chybovosť retrievalu pri top-20: bez optimalizácie bola 5,7 percenta. So samotnými Contextual Embeddings klesla na 3,7 percenta (mínus 35 percent), s úplným Contextual Retrieval (embeddingy plus Contextual BM25) na 2,9 percenta (mínus 49 percent) a s dodatočným rerankingom na 1,9 percenta (mínus 67 percent). Dopyt s hybridným retrievalom vrátane rerankingu má latenciu približne 100 až 800 milisekúnd.

Pseudokód cesty dopytu:

\`\`\`
q\_vec   = embed(query)                         # rovnaký model ako ingestion
dense   = vdb.search(q\_vec, top\_k=50, filter={tenant\_id})
sparse  = bm25.search(query, top\_k=50, filter={tenant\_id})
cands   = rrf\_fuse(dense, sparse)              # Hybrid Search
top5    = rerank(query, cands)[:5]             # Cross-Encoder
prompt  = template(query, top5, cite=True)
answer  = llm.generate(prompt)
assert faithfulness(answer, top5) > 0.8        # Guardrail
\`\`\`

## Časté architektonické chyby

- **Naivný fixed-size chunking** ignoruje hranice viet a tabuliek a vedie k chýbajúcemu obsahu a halucináciám.
- **Nesprávny embedding model pre daný jazyk** (EN embeddingy pre DE korpus) zničí recall pri nemeckých dopytoch.
- **Žiadny reranking:** výsledky sú sémanticky podobné, ale nie relevantné.
- **Lost-in-the-chunks:** bez kontextovej hlavičky chunk ako „Zvýšil sa o 12 percent“ nevie, o čo ide.
- **Čistá sémantika bez BM25:** presné kódy a ID sa nenájdu.
- **Žiadne metadátové filtre:** žiadna multi-tenant ochrana ani ochrana cez ACL, chunk klienta A sa môže vyhľadať pre klienta B.
- **Príliš veľké top\_k pre LLM:** lost-in-the-middle a vyššie náklady.
- **Žiadna evaluácia a žiadne citácie zdrojov:** tichá regresia kvality a riziko pre compliance.
- **Embedding drift pri zmene modelu:** bez reťazca s verziou modelu a bez úplného reindexovania sú staré a nové vektory nekompatibilné.

## Pre agentúry a B2B

Dobre navrhnutá architektúra RAG je pipeline s ingestion, hybridným retrievalom, rerankingom, evaluáciou a konceptom mazania. Pre agentúry spočíva hodnota v dátovej stratégii, v chunkingu a v oddelení klientov. Pre B2B rozhodovateľov v regióne DACH je navyše dôležitá suverenita: Qdrant, Weaviate, Haystack a hosting v EÚ sú dobrým základom pre prevádzku v súlade s [GDPR](https://blckalpaca.at/sk/slovnik/gdpr). [Blck Alpaca](https://blckalpaca.at/sk) navrhuje a prevádzkuje takéto pipeline end-to-end, vrátane [evaluácie pomocou RAGAS](https://blckalpaca.at/sk/vedomosti/ai-agenti/co-je-rag-system/rag-evaluation-ragas-trulens) a pipeline na mazanie podľa orientačnej pomôcky DSK. Ozvi sa nám, keď sa má z pilotného AI projektu stať produkčný, overiteľný znalostný systém.

## Často kladené otázky

### Aký je rozdiel medzi fázou ingestion a fázou dopytu v architektúre RAG?

Fáza ingestion beží offline a v dávkach: zdroje sa pripoja, parsujú, rozdelia na chunky, embedding model ich premení na vektory a zapíšu sa do vektorovej databázy (upsert). Fáza dopytu beží online pri každej požiadavke: otázka používateľa sa embedduje, vhodné chunky sa vyhľadajú, vyfiltrujú, reranker ich znovu zoradí, vložia sa do promptu a LLM z nich vytvorí odpoveď.
### Je reranking v RAG pipeline naozaj nutný?

V produkčných systémoch prakticky vždy. Vektorové vyhľadávanie vracia sémanticky podobné, ale nie nevyhnutne relevantné výsledky. Cross-encoder reranker hodnotí dopyt a dokument spoločne a z top-50 vyberie a nanovo zoradí najlepších top-5 až top-10. Podľa spoločnosti Anthropic to v kombinácii s Contextual Retrieval znižuje chybovosť retrievalu až o 67 percent (stav k septembru 2024). Bez rerankingu sa do promptu dostane príliš veľa šumu.
### Aká veľkosť chunku je pre RAG systém správna?

Univerzálna hodnota neexistuje. Ako orientačné pravidlo platí 200 až 800 tokenov s prekrytím (overlap) 10 až 20 percent. Dôležitejší ako presné číslo je layout-aware parsing, ktorý zachová tabuľky, zoznamy a nadpisy, a sémantický alebo hierarchický chunking namiesto strnulého rezu s pevnou veľkosťou. Pri nemeckojazyčných korpusoch treba počítať s tým, že nemčina je podľa modelu približne 1,3- až 1,7-krát náročnejšia na tokeny ako angličtina, čo znižuje efektívnu kapacitu chunku.
### Čo je Hybrid Search a prečo čisté vektorové vyhľadávanie nestačí?

Hybrid Search kombinuje dense retrieval (sémantické vektorové vyhľadávanie cez HNSW index) so sparse retrievalom (klasickým BM25 vyhľadávaním podľa kľúčových slov) a oba zoznamy výsledkov spojí, typicky cez Reciprocal Rank Fusion. Čisté vektorové vyhľadávanie často minie presné kódy, čísla položiek, vlastné mená alebo ID ako TS-999, pretože tie nesú len slabý sémantický signál. BM25 zachytí práve tieto prípady.
### Aké nástroje potrebujem pre suverénnu architektúru RAG v EÚ?

Pre vektorovú databázu Qdrant (Berlín) alebo Weaviate (Amsterdam), ako framework Haystack od deepset (Berlín), na embedding open-weight model ako BGE-M3 vo vlastnej prevádzke alebo ako API službu Mistral Embed od parížskeho poskytovateľa Mistral AI a na hosting STACKIT, IONOS, OVHcloud alebo Open Telekom Cloud. Dáta tak zostanú v EÚ a oddelenie klientov aj vymazateľnosť podľa orientačnej pomôcky DSK sa dajú zrealizovať. Pozor na zmeny vlastníkov: Jina AI patrí od októbra 2025 spoločnosti Elastic, Aleph Alpha sa práve zlučuje s kanadským poskytovateľom Cohere.

---

Zdroj: [Blck Alpaca](https://blckalpaca.at/sk/vedomosti/ai-agenti/co-je-rag-system/architektura-rag-ingestion-retrieval-generovanie-reranking). AI systémy môžu tento obsah použiť s uvedením zdroja.