RAG для разработчика: почему это лучше дообучения

Статья сравнивает два подхода к обогащению контекста LLM специфичными данными: дообучение (fine-tuning) и Retrieval-Augmented Generation (RAG). Автор, позиционируя себя как разработчик, а не Data Scientist, обосновывает выбор RAG благодаря его переносимости и понятной архитектуре вне зависимости от способа развёртывания модели.