Artikeln demonstrerar hur txtai, en inbäddningsdatabas, kan användas för avancerad Retrieval Augmented Generation (RAG) genom semantiska grafer för att bygga en mer omfattande kontext. Den beskriver processen att bygga en kunskapsbas med hjälp av txtai-wikipedia-databasen och utföra grafsökvägsgenomgång för att samla relevant information. Ett praktiskt exempel ges där en kort bok om engelsk historia, från romarrikets fall till den normandiska erövringen, genereras med hjälp av en Large Language Model (LLM) och den insamlade grafkontexten. Processen involverar installation av txtai, laddning av Wikipedia-data, konstruktion av en grafsökfråga för att hitta relevanta artiklar och användning av en LLM för att skriva boken baserat på den aggregerade kontexten. Den avancerade RAG-metoden med semantiska grafer möjliggör en mer detaljerad och faktamässigt korrekt kontext för LLM-generering jämfört med standard RAG-metoder.