Что это и зачем
RAG (retrieval-augmented generation) — техническое название этой схемы: генерация, усиленная поиском. Документы режутся на фрагменты и индексируются отдельно от модели; на вопрос система находит нужные фрагменты и подаёт их в модель вместе с вопросом.
Это не поиск по ключевым словам и не дообучение модели на ваших данных. Поиск ищет совпадения слов и не понимает смысл: «как расторгнуть» не находит «прекращение договора». Дообучение дорого, не даёт ссылок на источник, а новый регламент попадает в ответы только после переобучения. RAG держит документы отдельно от модели: загрузили новую версию — она сразу доступна в ответах.
Главное свойство такой схемы — проверяемость. Нейросеть без документов отвечает уверенно, но не всегда правдой. Здесь у каждого ответа есть источник, который можно открыть и сверить, — поэтому системе не страшно доверить вопросы клиентов.
Кому подходит
Компаниям, где ответы лежат в документах, но искать их долго: регламенты, инструкции, прайсы, договоры, техническая документация.
Тарифы
Поиск по базе
- →Сбор и нарезка документов
- →Поиск по смыслу, а не по точным словам
- →Ответ со ссылкой на источник
- →Замеры качества до и после
С интеграцией
- →Подключение к вашему боту, сайту или CRM
- →Регламент обновления документов
- →Разграничение доступа по отделам
Расходы после запуска — честно и заранее
- ·Сервер — от 2 000 ₽/мес, зависит от объёма базы
- ·Пересчёт базы при загрузке — разово, обычно рубли
- ·Запросы к нейросети — по факту
Что реально делает
Ответы клиентам по базе знаний
Бот отвечает на вопросы строго по вашей документации, с цитатой и ссылкой на раздел.
Не выдумывает: нет ответа в документах — честно говорит «не знаю» и зовёт человека.
Помощник сотрудника
Регламенты, инструкции, внутренние правила — сотрудник спрашивает в чате, получает ответ с пунктом документа.
Новичок разбирается сам, не отвлекая коллег.
Поиск по договорам и документам
Нужный пункт, противоречия, выписки — по смыслу, а не по точному совпадению слов.
Секунды вместо часов перелистывания.
Документы в любом виде
PDF, Word, сканы и фото — через OCR читаются наравне с обычным текстом.
Старый архив сканов становится базой знаний.
Чем отличается от обычного поиска по документам
| Поиск по документам | RAG | |
|---|---|---|
| Что понимает | Совпадения слов в запросе | Смысл вопроса, даже если слова другие |
| Результат | Список файлов — читаете сами | Готовый ответ с цитатой и пунктом документа |
| Переформулировки | Теряется: «расторгнуть» не равно «прекращение» | Находит по смыслу независимо от формулировок |
| Ответа нет в базе | Покажет что-то похожее | Говорит «не знаю» и зовёт человека |
| Сканы и фото | Не читаются без отдельной обработки | Читаются через OCR наравне с текстом |
Что входит в работу
- Сбор и индексация ваших документов
- Гибридный поиск: по смыслу + по точным терминам
- OCR для сканов и фото
- Ответы только из документов, с цитатами — защита от выдумок
- Развёртывание на вашем сервере: данные никуда не уходят
- Инструкция по обновлению базы знаний
Стек
- LLM: Claude / GPT / GigaChat / локальные модели
- Гибридный поиск: векторный + лексический
- OCR для сканов и фото
- Postgres / векторная база на вашем сервере
- Тестовые наборы вопросов с эталонными ответами — контроль качества
Интеграции
- Telegram-бот как интерфейс
- PDF, DOCX, XLSX, сканы
- Ваш сайт и база знаний
- CRM и учётные системы как источники
Когда это НЕ нужно
Если документов десяток и они почти не меняются — проще выложить их разделом на сайте. RAG нужен, когда документов много, они обновляются и отвечать надо «по ним», а не по памяти модели.
Частые вопросы
Чем RAG отличается от обучения модели на моих данных?
Обучение (fine-tuning) дорого, знания не обновить без переобучения, ссылок на источник оно не даёт. RAG держит документы отдельно: новый документ доступен сразу, каждый ответ — с цитатой. Для базы знаний почти всегда правильнее RAG.
А если ответа нет в документах?
Система скажет «не знаю» и предложит передать вопрос человеку. Выдумывать запрещено на уровне промпта, это проверяется тестами.
Данные уходят наружу?
Нет: система разворачивается на вашем сервере. Если нельзя даже внешние API моделей — ставлю локальные или российские модели.
Сколько документов нужно для старта?
Хватит десятка ключевых: регламенты, прайс, типовой договор. База пополняется постепенно — инструкция по обновлению входит в сдачу, разработчик для этого не нужен.
Как проверяется, что ответы верные?
На старте собираю тестовый набор: вопросы и эталонные ответы из ваших документов. После каждого изменения система прогоняется по нему — деградацию видно сразу, а не по жалобам клиентов.
Сработает на нашем архиве сканов?
Да: сканы и фото проходят OCR и индексируются наравне с обычными документами. Честное ограничение: совсем нечитаемые сканы — пятна, рукописные пометки — распознаются с ошибками. Это видно на тестовом прогоне ещё до оплаты.
Читать по теме
На выходе
Ответы за секунды вместо поиска по папкам. Источник каждого ответа виден — ему можно доверять.
Обсудить задачу