🧠 RAG vs CAG: в чём разница и зачем их комбинировать

У классического RAG есть слабое место: почти каждый запрос снова идёт в vector DB, даже если данные статичны и не менялись месяцами.

Отсюда три проблемы:

— лишние обращения к базе
— выше задержка
— выше стоимость

🔜 Что предлагает CAG: статичный контекст не вытаскивается заново каждый раз, а заранее держится в KV cache модели. То есть модель как бы «помнит» важную базу знаний внутри уже подготовленного контекста.

Как это обычно делят:

— Static data → кэшируем

политики, документация, справочники, то, что редко меняется

— Dynamic data → достаём через retrieval

свежие документы, обновления, живые данные

🐸 Библиотека ИИ для айтишников

#neuro_dive