Napjainkban egyre elterjedtebbek a mesterséges intelligencia alapú megoldások és ezek közül is kiemelkedő popularitásnak örvendenek a generatív modellek. Leggyakoribb felhasználási módok közzé tartoznak a különböző chatbotok, amelyek lehetővé teszik az természetes emberi nyelven történő kommunikációt felhasználó és gép között. Ilyen chatbotokat alkalmazhatnak rengeteg területen, például különböző vállalatok ügyfélszolgálatain vagy akár ezen modellek kreatív sajátosságait kihasználva a szórakoztató iparban is fel lehet használni őket ihlet nyerés szempontjából. Kutatások bizonyítják, hogy az emberi produktivitás szignifikánsan megnövelhető különböző chatbotok használatával. Ezáltal lehetőség nyílik egy új piac és technológia számára, ami nem más, mint a specializált chatbotok piaca. Ezen piac hasznossága kiaknázható abban, hogy témakör specifikus információkkal látunk el egy LLM-et és ezáltal az ágens szert tesz olyan releváns és naprakész információkra, amelyeknek nem volt bírtokában az első feltanítása során. Erre több lehetőség is létezik a technológiában, ezek közül a két legfontosabb a finomhangolásos tovább tanítása az ágensnek vagy pedig egy RAG rendszer kiépítése. Jelen dolgozatban egy RAG rendszer tesztelése és a mögötte található LLM-ek optimalizálása és összehasonlítsa olvasható.