Когда говорят про RAG, обычно имеют в виду довольно прямую схему: взять документы, нарезать их на фрагменты, посчитать эмбеддинги, сложить всё в векторную базу и поверх этого подключить LLM. На демо это часто работает. Иногда работает и на корпоративных данных. Но на нормативных документах такой подход очень быстро начинает сыпаться.
Рубрика «rag» - 7
Почему нам пришлось превратить нормативные документы в граф, а не просто загрузить их в векторную базу
2026-03-23 в 14:15, admin, рубрики: llm, rag, semantic search, гост, ИИ, нейросети, нормативные документы, СП СНИП, строительствоRAG: как Филин Палыч-реранкер навел порядок в цифровом королевстве
2026-03-22 в 12:25, admin, рубрики: llm, rag, Reranker, векторный поиск, научпоп, эмбеддинги
Используйте оглавление, если не хотите читать текст полностью:
Графы знаний в юридическом домене: как не потерять сложность при построении RAG-системы
2026-03-20 в 7:16, admin, рубрики: AI, artificial intelligence, graph database, graphrag, knowledge graphs, large language models, llm, rag, vector database
От OCR до ADE: как машины научились не просто читать, а понимать документы
2026-03-10 в 12:15, admin, рубрики: ai-агенты, computer vision, llm, ocr, python, rag, Vectorization, Компьютерное зрение, машинное обучение, обработка документовПредставьте что вы получили 500 кредитных заявок. В каждой — паспорт, банковская выписка, справка о доходах, налоговая форма. Всё в PDF. Имена файлов:
upload1.pdf,upload2.pdf... Чтобы обработать их вручную — нужна неделя и несколько сотрудников. Чтобы обработать автоматически старым способом — нужно написать отдельный парсер под каждый тип документа, и молиться чтобы шрифт не поменялся. Эта статья о том как индустрия шла к решению этой задачи — и к чему пришла.
Скормил нейросети 40 статей ПИК с Хабра: RAG-бот на GigaChat для BIM без опыта в разработке
2026-02-28 в 7:15, admin, рубрики: bim, faiss, GigaChat, LangChain, python, rag, streamlit, вайб-кодинг, строительствоПредыстория: архитектура, BIM и попытки автоматизации
Меня зовут Владислав Пономарев, я архитектор, проектирую дома. Ещё в магистратуре, 10 лет назад я занимался BIM-внедрением в проектной организации в Сочи. Это были Revit, Civil 3D и другие инструменты. Делал это в рамках своей темы магистерской работы. ��отом переключился на архитектуру в частном домостроительстве, где больше изучал практические вопросы проектирования и философию архитектуры, ее эстетические качества. Но любовь к более сложному BIM осталась. С энтузиазмом продвигал тему BIM, когда до массового внедрения в РФ было еще далеко.
«Я всё сломал за выходные»: как мы учим LLM писать в стиле конкретного СМИ
2026-02-21 в 15:15, admin, рубрики: llm, mvp, nlp, rag, декомпозиция, промпт-инжиниринг, рерайт, СМИПривет, я Лена, это мой первый пост здесь, и он про техническую задачу, с которой мы столкнулись: как заставить LLM писать текст так, чтобы его нельзя было отличить от написанного конкретной редакцией. Не «хороший текст», не «грамотный текст», а такой, который звучит как этот конкретный городской портал или этот Telegram-канал.
RAG Testing: как не сломать retrieval
2026-02-20 в 4:15, admin, рубрики: ai quality, AI safety, DeepEval, llm testing, promptfoo, rag, ragasTL;DR: Шесть метрик RAGAS + Precision@K/Recall@K/MRR позволяют поймать деградацию RAG-системы до того, как пользователи заметят галлюцинации. В этой статье будет всё от
pip install ragasдо автоматических проверок в CI/CD, включая security-тесты на document poisoning.
Проблема
RAG ломается не так, как обычный LLM. У голой языковой модели одна поверхность отказа: генерация. Модель галлюцинирует, отвечает невпопад, игнорирует инструкции. У RAG-системы таких поверхностей две: retrieval и generation. И они ломаются по-разному.
RAG на PHP + Qdrant: быстрый MVP для внутренней базы знаний
2026-02-18 в 19:17, admin, рубрики: llm, neuron, php, qdrant, rag, rag pipeline, retrieval augmented generation, yandexgptВ этой статье покажу, как мы собрали RAG-систему на PHP и Qdrant: выбрали векторную базу и LLM, настроили гибридный поиск и реализовали чат-бота на Symfony с использованием PHP фреймворка Neuron AI.
К нам обратился клиент с задачей: сделать чат-бота для поиска информации по внутренней базе знаний (статьи, документация, корпоративные тексты). Главное требование - быстро собрать MVP, чтобы проверить гипотезу и принять решение о дальнейшем развитии системы. Первую версию запустили, получаем хорошие отзывы от пользователей, поэтому решил поделиться и, возможно, получить полезную обратную связь от сообщества.