L

Learn AI

Відстежуй прогрес · навчайся офлайн

Відкрити

Урок 5 із 6

Спілкуйся зі своїми даними

7 хв читання

Спитай загальний AI про політику повернень твоєї компанії — і він угадає. Наведи його спершу на твої власні документи — і він відповість із них, з чеком у руках.

Відповідай зі своїх документів, а не з памʼяті

Модель знає лише те, чого навчилася під час тренування — не твій довідник, не твої нотатки й не нараду минулого тижня. [RAG](glossary://rag) — retrieval-augmented generation, генерація з доповненням пошуком — це виправляє. У n8n ти подаєш документи всередину, агент дістає релевантні рядки, коли надходить питання, і відповідає з них — прийом під назвою [обґрунтування](glossary://grounding). Відповідь надходить із посиланням, яке можна перевірити.

Обґрунтовано агент цитує твій документ і посилається на рядок. Без обґрунтування він скочується до розпливчастого здогаду із загальної памʼяті.

Як документи потрапляють усередину

За перемикачем — простий конвеєр. Твої документи ділять на шматки й перетворюють на ембединги — спосіб зберігати текст так, щоб схожі за змістом сиділи поруч. Коли надходить питання, n8n знаходить найближчі шматки й передає їх агенту як контекст. Ти зʼєднуєш це один раз; після цього кожна відповідь обґрунтована твоїм матеріалом.

RAG — це знайти-потім-відповісти: спершу знайди релевантні шматки твого тексту, а тоді дай моделі відповісти з них — щоб вона не могла просто вигадувати.

Обґрунтування зменшує вигадані відповіді, але не стирає їх — агент усе одно може неправильно прочитати шматок. Для всього важливого перейди за вказаним джерелом і перевір сам.

Коротко про суть

Ти будуєш агента підтримки з RAG над твоїми довідковими документами. Клієнт питає про повернення. Чому відповідь заслуговує довіри?

Продовжити в застосунку

Пройди весь курс «n8n для AI» — з відстеженням

Отримай персональний план, прогрес і стріки в застосунку — цей урок і кожен наступний, по порядку.