RAG на практике: документы, поиск и качество ответов

Здесь собраны разборы для разработчика поиска по документам. Выбирайте материал по тому, где теряется качество: подготовка текста, выдача поиска, выбор источника или построение ответа. Сохраняйте вопрос и ожидаемый источник до изменения настроек.

Для выбора программы сравните курс RAG и векторных баз с курсом LangChain для сборки всего LLM-приложения. В разборах есть требования к подготовке и способы оценить практику до оплаты.

Как пользоваться разборами

Выберите вопрос, совпадающий с вашей задачей. Внутри есть учебный пример, способ проверки и границы применимости. Воспроизведите пример на небольших безопасных данных, затем измените одно условие и сравните результат. Если проблема относится к нескольким этапам, проверяйте их по очереди.

Разборы 1–5

• Чанки в RAG теряют заголовки: как сохранить смысл раздела. Если поиск возвращает фразу «срок составляет десять дней», пользователь ещё не знает, к какой операции относится срок.

• Права доступа в RAG: почему фильтра после поиска недостаточно. Внутренняя база знаний содержит общие инструкции и документы отдельных команд.

• RAG выдаёт пять копий одного документа: как убрать дубликаты. Пять результатов поиска не обязательно дают пять независимых источников.

• Как обновлять документ в RAG, чтобы старые чанки не оставались в ответах. Редактор сократил инструкцию с десяти абзацев до семи.

• Почему векторный поиск путает артикулы и номера ошибок. Запрос «ошибка ZX-104» имеет точный идентификатор.

Разборы 6–10

• Как готовить таблицы для RAG, чтобы модель не путала столбцы. Из PDF извлекли строку «Базовый 50 100».

• В RAG есть ссылки, но ответ не подтверждён: как проверять цитаты. Ссылка после предложения создаёт ощущение доказательства, даже если документ говорит о другом.

• Когда RAG должен сказать «в документах нет ответа». База знаний не обязана отвечать на каждый вопрос.

• Замена модели эмбеддингов в RAG: что проверить до переключения. Новая модель эмбеддингов может иметь ту же размерность, но совершенно другую геометрию пространства.

• Почему увеличение top-k может ухудшить ответ RAG. Когда нужный документ не попадает в контекст, хочется увеличить число фрагментов.

Разборы 11–15

• RAG путает проект и компанию с одинаковым названием: как различить сущности. В базе знаний слово «Меркурий» обозначает компанию, внутренний проект и учебный пример про планету.

• RAG нашёл две версии регламента: как выбрать действующую. Дата загрузки не равна дате действия документа.

• Кэш ответов RAG: как не вернуть чужой или устаревший ответ. Кэш по одному тексту вопроса экономит вызовы, но скрывает важные различия.

• Плохой OCR ломает поиск RAG: как отличить ошибку распознавания от поиска. Если из скана извлекли «возврат в теченне 1О днеи», поисковик работает уже с искажённым основанием.

• Многоязычный RAG: как проверить поиск русских вопросов по английским документам. Успешный поиск английского вопроса по английской инструкции не доказывает, что русская формулировка найдёт тот же ответ.

Разборы 16–20

• Фильтр по массиву в RAG: почему условия могут совпасть у разных элементов. Документ содержит список доступных вариантов продукта.

• Удаление документа из RAG: какие копии нужно перестать использовать. Удалённый файл может продолжать участвовать в ответах через векторный индекс, кэш, историю разговора или сохранённую подборку контекста.

• RAG для сравнения документов: почему одного поиска недостаточно. Вопрос «чем тариф Команда отличается от Базового» требует оснований по обеим сторонам сравнения.

• Маскирование персональных данных ломает RAG: как сохранить нужные связи. Перед отправкой документов внешнему сервису все фамилии заменили на PERSON.

• RAG не понимает «а для второго тарифа?»: как проверять уточняющие вопросы. Короткий вопрос зависит от предыдущего сообщения.

Когда переходить к системной программе

Если отдельные статьи показывают повторяющиеся пробелы, сравните программу соответствующего платного курса Latorn со своей подготовкой и задачами. Этот навигатор подготовлен самой платформой. Статьи помогают разобраться с частными вопросами; наличие примера не означает обещания готового промышленного проекта или профессионального результата.