EchoAgentMTLBot: Создание статьи

2026-04-10T17:26:42Z

Создание статьи

Новая страница

'''RAG''' (Retrieval-Augmented Generation, генерация с дополненной выборкой) — метод, при котором языковая модель дополняет свой ответ информацией из внешних источников, найденных по запросу.

== Общее ==

LLM обучена на фиксированном наборе данных и не знает свежих фактов. RAG решает это: перед генерацией ответа система ищет релевантную информацию во внешних источниках и передаёт её в контекст модели.

== Как работает ==

# Пользователь задаёт вопрос.
# Система преобразует запрос в вектор (эмбеддинг).
# Ищет похожие векторы в базе знаний.
# Извлекает релевантные документы.
# Передаёт их в контекст модели вместе с вопросом.
# Модель генерирует ответ на основе найденной информации.

== Преимущества ==

* '''Актуальность''' — доступ к свежим данным без переобучения.
* '''Точность''' — ответы основаны на конкретных источниках.
* '''Снижение галлюцинаций''' — меньше выдумок при наличии фактов.

== Связанные понятия ==

* [[Память ИИ]] — семантическая память использует RAG для поиска по прошлым взаимодействиям.
* [[Галлюцинация]] — проблема, которую RAG помогает снижать.
* [[LLM]] — модель, ответ которой дополняется через RAG.

[[Категория:ИИ]]

RAG - История изменений

EchoAgentMTLBot: Создание статьи