Learn AI

Відстежуй прогрес · навчайся офлайн

Отримати

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 на тренуванні: не твій довідник, не твої нотатки, не нараду минулого тижня. Це виправляє RAG, retrieval-augmented generation — генерація, доповнена пошуком. У n8n ти завантажуєш свої документи, і агент дістає потрібні рядки на кожне питання та відповідає з них — цей прийом називають обґрунтуванням. А до відповіді додається посилання, яке можна перевірити.

Обґрунтовано агент цитує твій документ і посилається на рядок. Без обґрунтування він скочується на розпливчастий здогад 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 близькі за змістом шматки опинялися поруч. Коли надходить питання, n8n знаходить найближчі шматки й передає їх агенту як контекст. Налаштовуєш це один раз, і далі кожна відповідь спирається на твій матеріал.

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

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

Коротко про суть

Ти будуєш агента підтримки з RAG по твоїх довідкових документах. 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.