Что такое генерация с дополненным поиском (RAG)
Технически это называется RAG (Retrieval-Augmented Generation, генерация с дополненным поиском). Представьте, что ИИ из повара, который помнит общие рецепты, превращается в повара, у которого прямо на столе лежит конкретная кулинарная книга. Это происходит в три простых шага: 1. Поиск (найти рецепт) Когда пользователь задаёт вопрос, ИИ листает вашу кулинарную книгу (файлы, которые вы загрузили) и находит самые подходящие страницы. Пример: кто-то просит фирменный яблочный пирог от бабушки. Вы находите именно эту страницу с рецептом. 2. Дополнение (подготовить ингредиенты) ИИ берёт этот конкретный рецепт и кладёт его прямо перед глазами, чтобы не полагаться на память. Пример: вы кладёте рецепт на стол и готовите ровно те яблоки и корицу, которые нужны. 3. Генерация (выпечка) ИИ пишет ответ, опираясь только на те факты, которые только что нашёл. Пример: вы печёте пирог строго по рецепту, чтобы он был на вкус как бабушкин, а не как обезличенный магазинный.Узел поиска знаний
Представьте, что вы кладёте стопку справочных материалов прямо рядом с вашим ИИ-ассистентом. Когда пользователь задаёт вопрос, ИИ сначала листает эту шпаргалку и находит самые подходящие страницы. Затем он объединяет находки с исходным вопросом пользователя и формулирует лучший ответ. В этой практике мы используем узел поиска знаний, чтобы дать нашему ИИ-ассистенту официальные шпаргалки и гарантировать, что его ответы всегда подкреплены фактами!Практика 1: создание базы знаний
1
Зайдите в библиотеку
Нажмите База знаний в верхней панели навигации и нажмите Создать базу знаний.
В Интеллос можно синхронизировать данные из Notion или с веб-сайта, но сегодня давайте загрузим файл с вашего устройства. Нажмите здесь, чтобы скачать вводный документ «Что такое Интеллос» для последующей загрузки.
2
Загрузите файл
Нажмите Импортировать из файла. Затем выберите для загрузки файл, который мы только что скачали.
3
Шаг «нарезки» (разбиение текста)
Высокорелевантные чанки крайне важны, чтобы ИИ-приложения давали точные и полные ответы. Представьте длинную книгу. Найти в ней одно предложение на 500 страницах непросто. Интеллос нарезает книгу на отдельные карточки знаний, чтобы быстрее находить нужный ответ.Структура чанковЗдесь Интеллос автоматически разбивает ваш длинный текст на небольшие, удобные для поиска чанки. Мы оставим общий режим (General Mode).
Метод индексации
- Высокое качество: для более точного поиска документы обрабатываются с помощью LLM-модели, что помогает LLM генерировать качественные ответы
- Экономичный: для поиска используется 10 ключевых слов на чанк, токены не расходуются ценой снижения точности поиска
4
Настройки поиска
После обработки документа нужно провести финальную проверку настроек поиска. Здесь вы можете настроить, как Интеллос ищет информацию.
- Векторный поиск Интеллос переводит вопрос и каждый фрагмент документа в числовое представление смысла (вектор) и находит фрагменты, наиболее близкие к вопросу по смыслу — даже если в них нет тех же самых слов. Это как библиотекарь, который понимает, о чём вы спрашиваете, а не просто ищет совпадения в предметном указателе.
- Top K Вы увидите ползунок, установленный на 3. Это говорит Интеллос: когда пользователь задаёт вопрос, найди в кулинарной книге 3 самые подходящие карточки знаний и покажи их ИИ. Если задать большее значение, ИИ получит больше контекста для чтения, но при слишком высоком значении он может утонуть в избытке информации.
5
Сохраните и обработайте
Нажмите Сохранить и обработать. Ваша база знаний готова!
Отлично!Вы успешно создали свою первую базу знаний. Дальше мы используем эту базу знаний, чтобы прокачать наш ИИ-ассистент по электронной почте.
Практика 2: добавление узла поиска знаний
1
Добавьте узел
- Вернитесь к вашему Workflow ассистента по электронной почте.
- Наведите курсор на линию между узлами Start и LLM.
- Нажмите значок плюса (+) и выберите узел Поиск знаний.
2
Подключите базу знаний
- Нажмите на узел и перейдите на правую панель.
-
Нажмите кнопку плюса (+) рядом с Знания, чтобы добавить знания.
-
Выберите Что такое Интеллос и нажмите Добавить.
3
Настройте текст запроса
База знаний готова — но как убедиться, что ИИ ищет ответ в базе знаний, опираясь на письмо?Оставаясь на панели, перейдите к полю Текст запроса выше и выберите 
email_content.Так мы говорим ИИ: возьми сообщение клиента и используй его как поисковый запрос, чтобы пролистать нашу кулинарную книгу и найти подходящую информацию. Без запроса ИИ просто смотрит на закрытую книгу.Практика 3: апгрейд ассистента по электронной почте
База знаний готова. Теперь нужно сказать узлу LLM, чтобы он действительно читал знания как контекст перед генерацией ответа.1
Добавьте контекст
- Нажмите на узел LLM. Вы увидите новый раздел Контекст.
-
Нажмите на него и выберите result из узла поиска знаний.
2
Обновите промпт
Нужно сказать ИИ генерировать ответ на основе контекста.В поле Система добавьте дополнительное требование Generate response based on 
/ и выберите Контекст.
Мини-задание
- Что произойдёт, если клиент задаст вопрос, которого нет в базе знаний?
- Какую информацию вы могли бы загрузить в качестве базы знаний?
- Изучите структуру чанков (Chunk Structure), метод индексации (Index Method) и настройки поиска (Retrieval Setting).