Перейти к основному контенту

Знания

RAG-коЗнфанигурацияе определяет, какие документы базы знаний и с какими правилами будут использованы поисковым модулем во время работы сценария.

Создав несколько отдельных кознфигурацний, Ввы сможете гибко управлять поиском:

Что настраивается Для чего применяется
Набор документов Ограничить поиск нужной тематикой (например, только правила выдачи займов).
Модель векторизации Выбрать алгоритм, по которому система находит подходящие фрагменты знаний.
Порог уверенности Отсеять ответы, которые мало подходят по смыслу.
Максимальное число фрагментов Ограничить объём «справки», передаваемой LLM: система вернёт не больше указанного количества наиболее подходящих кусочков текста. Чем число меньше, тем короче контекст и быстрее ответ; слишком большое значение — больше нагрузки и риск «размытого» ответа.

 

1. Переход в раздел

  1. Выберите пункт «RAG-коЗнфанигурациия». В левом боковом меню
    На экране появится список всех кознфигурацний проекта.

image.pngimage.png


2. Обзор списка

image.pngimage.png

 

Карточка каждойго кознфанигурациия показывает:

  • название;

  • краткое описание;

  • число подключённых документов;

  • дату и время создания;

  • ссылку «Протестировать».

Дополнительно доступны:

  • строка поиска по названию;

  • кнопка «Добавить RAG-коЗнфанигурациюе» — открывает окно создания новойго кознфанигурациия.

3. Создание RAG-кознфанигурациия

Процесс создания состоит из трёх шагов.

Шаг Действия
1. Название и описание Укажите понятное название и коротко опишите назначение. При необходимости измените модель для векторизации (некоторые модели лучше работают для тех или иных задач, если не знаете, какую выбрать, оставьте модель по умолчанию). Нажмите «Продолжить».

image.pngimage.png
2. Выбор документов Отметьте документы, которые следует включить в поиск. При необходимости используйте строку поиска. Нажмите «Продолжить».

image.pngimage.png

После создания необходимо подтвердить индексацию документов - это нужно для того, чтобы LLM могла "считывать смысл" информации из документов. Более техническим языком - всем фрагментам знаний документов присваивается вектор, который в дальнейшем при использовании ragзнания сравнивается с вектором пользовательского запроса. Длительность индексации зависит от объема документов.

image.png

4. Страница RAG-кознфанигурациия

image.pngimage.png


Зона интерфейса Содержимое Доступные действия
Информация (верх) название, описание, дата/время создания, количество документов —
Список документов (центр) перечень подключённых файлов «Управлять документами» — открыть окно выбора/снятия галочек
Панель настроек (справа) Модель для векторизации (выпадающий список) • Порог уверенности (ползунок) • Максимальное число фрагментов (счётчик) 1) Измените параметры → «Применить и переиндексировать». 2) «Изменить название и описание» — откроет модальное окно. 3) «Удалить» — удалит конфигурацию после подтверждения. 4) «Протестировать» — откроет страницу тестирования работы RAG-конфигурации (поиск по подключённым документам).

5. Тестирование конфигурации

image.pngimage.png

Функция позволяет потестировать запросы к базе данных: получить фрагменты знаний из подключенных документов, близкие по смыслу к запросу.

  1. Введите запрос в строку поиска.

  2. Нажмите «Найти» — система покажет подходящие фрагменты.

image.pngimage.png


Для каждого фрагмента отображаются:

  • порядковый номер;

  • уровень уверенности;

  • название документа (ссылка);

  • короткая цитата.

Справа можно настроить поля Порог уверенности и Максимальное число фрагментов.

Порог уверенности определяет, насколько точные по смыслу ответы стоит отображать - где 1 = 100% уверенность модели в том, что фрагмент подходит для ответа на запрос

Максимальное число фрагментов позволяет ограничить число фрагментов в выдаче.

Совет: протестируйте через этот интерфейс оптимальное число возвращаемых фрагментов и порог уверенности перед тем, как подключить rag-кознфанигурациюе в сценарии. 

6. Подключение конфигурации в сценарий

Как подключить базу знаний в блоке «Диалог с LLM»

  1. Откройте свойства блока «Диалог с LLM».

  2. В поле «ЗнанияRAG-конфигурация» выберите нужнуюое знаниеконфигурацию из списка добавленных.

  3. При необходимости уточните порог уверенности и максимальное число фрагментов.

  4. Сохраните блок.

После этого модель будет опираться на документы из выбраннойго знанияконфигурации:

  • отвечать по их содержанию;

  • соблюдать правила, которые там описаны.

Что именно делать с этими данными, задаётся в промпте блока:

  • в «Задаче» коротко опишите требуемое действие;

  • в «Контексте» при необходимости добавьте подробности.

image.pngimage.png


7. Удаление кознфанигурациия

  1. Откройте нужнуюое кознфанигурациюе.

  2. В правой панели нажмите «Удалить» и подтвердите действие.

    image.pngimage.png

Важно: если кознфанигурацияе уже используется в сценариях, еёго удаление вызовет ошибку в этих блоках. Сначала исключите кознфанигурациюе из сценариев.

8. Практические рекомендации

  • Создавайте отдельнуюое кознфанигурациюе для каждой узкой темы — так ответы будут точнее.

  • Держите описание кознфанигурациия кратким, но информативным: оно помогает коллегам выбрать нужную настройку.

  • Не снижайте порог уверенности без необходимости: это увеличит риск получения фрагментов, недостаточно близких по смыслу к запросу.

  • После добавления крупных документов протестируйте кознфанигурациюе, чтобы убедиться, что возвращаются ожидаемые фрагменты.

  • Периодически пересматривайте список документов, удаляйте устаревшие файлы — это поддерживает актуальность базы знаний.

Наверх