Данные и поиск
Как модель работает с вашими документами: эмбеддинги, векторные базы, RAG и пределы поиска по смыслу. Здесь собрано то, от чего зависит, найдёт ли ассистент нужный фрагмент.
Что такое база знаний и как по ней отвечает модель
База знаний — это документы компании, собранные в одном месте с датами, владельцами и правами доступа: модель отвечает по ним и ссылается на источник.
Что такое семантический поиск и что он даёт бизнесу
Семантический поиск — это поиск по смыслу запроса: система находит нужный документ, даже когда в нём нет ни одного слова из вопроса.
Контекстное обогащение чанков — что это простыми словами
Контекстное обогащение чанков — это добавление короткой поясняющей приписки к каждому куску документа, чтобы поиск по базе знаний находил нужное чаще.
Слабости эмбеддингов: четыре условия точного поиска по смыслу
Слабости эмбеддингов — известный набор мест, где поиск по смыслу промахивается: точные номера, устаревшие редакции, общий доступ. Каждое лечится настройкой и замером.
Эмбеддинги простыми словами: как машина ищет по смыслу
Эмбеддинги простыми словами — это способ записать текст числами так, чтобы близкие по смыслу фразы получили близкие числа.
Что такое RAG: как заставить модель отвечать по вашим документам
RAG — это схема работы с ИИ, при которой система сначала находит нужный фрагмент в ваших документах, а потом составляет ответ по нему.
Что такое векторная база и зачем она бизнесу
Векторная база — это хранилище, где текст и документы лежат в виде числовых координат, и поиск идёт по смыслу, а не по совпадению слов.