RAG-ассистент для знаний проекта

Знания есть. Их ещё нужно найти.

Решение записано в документе, детали остались в коде, ограничения — в старой задаче. Человеку приходится собирать ответ вручную, а AI-агент без контекста предлагает то, что уже пробовали или отвергли.

Я развиваю RAG-ассистент для собственных проектов. Он индексирует документацию, код и рабочие материалы, находит подходящие фрагменты и передаёт их в ответ человеку или агенту. Ассистент связан с LAF, но решает отдельную задачу: доступ к знаниям проекта.

Как устроен поиск

• По словам: поиск находит точные названия, идентификаторы и технические термины.
• По смыслу: векторное представление помогает найти близкую формулировку, даже если слова отличаются.
• Объединение результатов: найденные фрагменты ранжируются вместе; дополнительное переранжирование меняет их порядок. Улучшилось ли качество, проверяем на характерных вопросах.
• Ответ с контекстом: LLM получает релевантные материалы; источники позволяют проверить, откуда взялось утверждение.

Что важно в реальной работе

Индекс должен обновляться вслед за исходниками. Иначе даже хороший поиск уверенно принесёт устаревшее решение. В системе отслеживается происхождение и свежесть данных, предусмотрено обновление индекса и доступ через API и MCP.

Качество проверяется на наборе характерных вопросов. Важно разделять два результата: нашёлся ли нужный фрагмент и правильно ли на его основе сформулирован ответ. Одно не гарантирует другое.

Сценарии для компании

Поиск по инженерной документации, помощь при знакомстве с продуктом, ответы по внутренним инструкциям, контекст для разработки с агентами. Для внедрения потребуется согласовать источники, права доступа, обновление материалов и критерии качества ответа.

Это рабочая база для адаптации под вашу задачу. Начнём с пилота на согласованных источниках и наборе вопросов вашей команды.

Свежесть знаний можно проверить

В текущей реализации индекс хранит сведения о версии исходников и времени обновления. API и MCP следят за поколением индекса и подхватывают обновлённый поиск после переиндексации. Это помогает избежать ситуации, когда файлы уже изменились, а работающий процесс продолжает отвечать по старому состоянию.

Поиск сочетает BM25, смысловые embeddings и объединение результатов через RRF; дополнительный reranker включается отдельно. Доступны поиск, подготовка ответа, обновление индекса и диагностические методы. Это реализация для моих проектов, а не заявление о готовых коннекторах ко всем корпоративным хранилищам.

Что покажу на ваших вопросах

Возьмём разрешённый набор документов и вопросы: «Почему приняли это решение?», «Какие ограничения у интеграции?», «Где описан порядок выпуска?». Сначала проверим найденные фрагменты и версии, затем ответ. Добавим вопрос без ответа в источниках и изменение документа: полезный ассистент должен корректно обработать оба случая.

На выходе пилота — карта источников, набор проверочных вопросов, результаты поиска и план интеграции. Корпоративные права доступа, коннекторы и требования к эксплуатации проверяются отдельно под ваш контур.

Обсудить поиск по вашим знаниям →