Artikeln beskriver hur man skapar textinbäddningar från strömmande data för Retrieval Augmented Generation (RAG). Den använder Redpanda och Benthos för att bearbeta strömmande dokument och berika dem med OpenAI:s textinbäddningar. Berikade dokument lagras i MongoDB Atlas, en vektordatabas, för semantisk sökning som förbättrar LLM-svar. Ett praktiskt exempel visar hur RAG kan ge en LLM (ChatGPT) aktuell information, som Englands provisoriska fotbollstrupp för Euro 2024, som modellen annars saknar. LangChain används för att ladda webbinnehåll och dela upp det i mindre textstycken innan det skickas till Redpanda.