AI и RAGCopy Anchor Link

Современный поиск не только находит документы, но и отвечает на вопросы. Вместо списка ссылок пользователь получает готовый ответ — с указанием, откуда он взят. Этот раздел объясняет, как AACSearch строит AI-ответы и почему они «приземлены» на ваш контент.

Ответы поверх вашего контентаCopy Anchor Link

• AI-ответы (AI answers) — ответы, сгенерированные поверх найденного контента.
• Ассистент (assistant) — разговорный AI-интерфейс поиска.
• LLM (large language model) — модель, генерирующая текст.
• RAG (retrieval-augmented generation) — ответ по найденным фрагментам, а не из памяти модели, с указанием источников. Ключевая техника для точных ответов.
• GraphRAG — RAG, опирающийся на граф знаний, для вопросов, затрагивающих несколько связанных документов.
• Поиск фрагментов (retrieval) — нахождение релевантных отрывков для вопроса.
• Генерация (generation) — написание ответа по найденным отрывкам.
• Чанкинг (chunking) — разбиение документов на находимые части, чтобы каждую можно было независимо найти.
• Цитата (citation) — указатель на фрагмент-источник ответа. Без цитат пользователь не проверит ответ.
• Обоснованный ответ (grounded answer) — ответ, опирающийся на найденный контент.
• Галлюцинация (hallucination) — ответ, не опирающийся на найденный контент. RAG и цитаты — главная защита от неё.

Как модель «думает»Copy Anchor Link

• Контекстное окно (context window) — сколько текста модель может прочесть за раз.
• Промпт (prompt) — инструкция/текст, отправляемый модели.
• Системный промпт (system prompt) — фиксированные инструкции, задающие поведение модели.
• Токен LLM (token) — единица ввода/вывода модели (слово или часть слова).
• Температура (temperature) — настройка случайности ответов: ниже — стабильнее, выше — разнообразнее.

Понимание запросаCopy Anchor Link

• Поиск на естественном языке (natural language search) — запросы предложениями, а не ключевыми словами.
• Понимание запроса (query understanding) — интерпретация намерения запроса (сущность, атрибут, ограничение), а не как набора слов.
• Определение намерения (intent detection) — классификация того, что хочет пользователь.
• Извлечение сущностей (entity extraction) — выделение именованных объектов из запроса.
• Извлечение атрибутов (attribute extraction) — выделение ограничений (размер, цвет) из запроса.
• Мультиязычный поиск (multilingual search) — совпадение между языками.
• Кросс-языковой поиск (cross-lingual retrieval) — запрос на одном языке находит контент на другом.

AI-ответы ценны именно тем, что опираются на ваш каталог и документы: модель не выдумывает, а пересказывает найденное и показывает, откуда это взято.