RAG
RAG (Retrieval-Augmented Generation) — схема, где модель не опирается только на «память обучения»: сначала извлекаются релевантные куски вашей базы, затем генерируется ответ с опорой на них.
Попробовать бесплатноОпределение
Retrieval — поиск. Augmented — дополнение контекста. Generation — текст ответа. Без retrieval ИИ чаще выдумывает; с RAG меньше галлюцинаций на фактах компании.
Зачем бизнесу
Цены, условия доставки и акции меняются. RAG позволяет обновлять статьи, а не переобучать модель. Это основа честного ИИ-сотрудника.
Как в Моночате
ИИ-сотрудник отвечает по вашим материалам и уходит в handoff, если уверенности нет: /ii/sotrudnik, /glossary/baza-znaniy, /glossary/ii-sotrudnik. Тарифы без pay-per-dialog: /pricing.
Ещё по теме
Смотрите также
Частые вопросы
RAG — это отдельный продукт?
Это архитектурный подход. В Моночате вы работаете с ИИ-сотрудником и базой, без необходимости собирать RAG сами.
Нужен ли промпт при RAG?
Да: промпт задаёт тон и правила, RAG подставляет факты. См. /glossary/prompt-dlya-ii.
Все каналы клиентов — в одном окне
Сайт, личная страница-чат, email, Telegram, ВКонтакте и MAX. Бесплатно, без лимита операторов.
Начать бесплатно