Словарь ИИ

Что такое продвинутый RAG

Коротко

Продвинутый RAG это схема поиска по документам, в которой вопрос дорабатывают до поиска, а найденное отбирают и сортируют после него.

Поиск и RAG · advanced RAG

Михаил МозгПроверено: 16 октября 20261 минута чтения

Ребенку

Ты ищешь в библиотеке книгу про космос. Сначала ты уточняешь у библиотекаря, что хочешь узнать: про планеты или про ракеты. Потом приносишь стопку книг, но не читаешь все подряд. Ты откладываешь лишние и оставляешь две, где точно есть ответ. Продвинутый RAG поступает так же: уточняет вопрос, ищет и выбирает главное.

Простыми словами

Это та же схема «найти и ответить», но с двумя дополнительными этапами. До поиска система приводит вопрос в порядок: переформулирует его, добавляет синонимы, иногда разбивает на несколько простых. После поиска она не отдает модели все подряд, а еще раз сортирует найденное и выкидывает повторы. Например, сотрудник пишет «сколько отпуска у новенького». Система переписывает это в запрос «продолжительность отпуска в первый год работы», находит пять кусков из разных документов и оставляет два, где речь именно о новых сотрудниках.

Для бизнеса

Продвинутые приемы нужны, когда прототип уже работает, но ошибается на сложных вопросах: отвечает по соседнему пункту договора, путает версии регламента, пропускает исключения. Каждый дополнительный этап стоит денег: переписывание вопроса и пересортировка добавляют вызовы моделей, растут задержка ответа и счет за токены. Поэтому приемы включают по одному и смотрят, какой реально поднимает долю правильных ответов на вашем наборе вопросов. Отдельный риск в метаданных: если у документов нет дат и номеров версий, система не отличит действующий приказ от отмененного. Какие приемы окупаются у вас, видно на пилоте, где метрику записывают заранее.

Для специалиста

Продвинутый RAG (Advanced RAG) в классификации Gao и др. (2023) сохраняет линейный конвейер, но добавляет стратегии до и после извлечения. До извлечения (pre-retrieval) дорабатывают индекс: скользящее окно при нарезке, мелкая сегментация, метаданные у фрагментов. Там же оптимизируют запрос: переписывание (query rewriting), трансформация, расширение (query expansion). К этой группе относят HyDE (Gao, Ma, Lin, Callan, 2022): модель пишет гипотетический документ-ответ, и поиск идет по его эмбеддингу, а не по эмбеддингу вопроса. После извлечения (post-retrieval) применяют переранжирование и сжатие контекста (context compression). Обзор отдельно отмечает прием, при котором наиболее релевантные фрагменты переносят к краям промпта. Каждый прием оценивают отдельно: полноту ретривера до и после, обоснованность ответа и прирост задержки.

Пример

Юристы жаловались, что ассистент цитирует старые редакции договоров. После добавления даты версии в метаданные и пересортировки выдачи он стал брать действующую редакцию.

Связанные термины

Вопросы и ответы

Чем продвинутый RAG отличается от наивного?

Наивный ищет один раз и отдает модели все найденное. Продвинутый дорабатывает запрос до поиска и отбирает фрагменты после него, поэтому реже отвечает по случайному совпадению.

Какие приемы продвинутого RAG внедрять первыми?

Обычно начинают с метаданных у документов и переранжирования выдачи: они дают заметный эффект при умеренных затратах. Переписывание запроса добавляют, когда пользователи формулируют вопросы коротко и неточно.

Источники

Где это применяют в компании

Пилот ИИ-агента на одном процессе с метрикой в договоре

Не уверены, нужно ли это вашей компании?

Карта ИИ-решений