← Назад к базе знаний

RAG

RAG

Схема, при которой модель перед ответом достаёт релевантные фрагменты из ваших документов и отвечает по ним, а не по памяти.

Почему это важно здесь

Основной способ применить модель к внутренним знаниям компании без обучения собственной. Качество определяется не моделью, а порядком в документах: устаревший регламент в индексе даёт уверенный неверный ответ.

Пример

Помощник для отдела продаж отвечает по актуальному прайсу и техническим описаниям со ссылкой на источник. Ссылка — обязательная часть, без неё ответу нельзя доверять.

Как работает

  1. По вопросу пользователя ищутся подходящие фрагменты в базе знаний.
  2. Фрагменты передаются модели вместе с вопросом.
  3. Модель отвечает с опорой на них, желательно со ссылками.

Почему популярен

Модель отвечает по актуальным документам компании без дообучения, а базу легко обновлять.

Главный риск

Если поиск нашёл не те фрагменты, ответ будет уверенным и неверным. Качество поиска важнее выбора модели.

Рядом

AI Knowledge Lifecycle, Галлюцинация, Векторный поиск

Материал обновлён 3 октября 2026

Материал оказался полезным?