Базы знаний и поиск
Зачем
База знаний отвечает на вопрос «что написано в моих документах», а не «что модель помнит о мире». Агент получает фрагменты ваших файлов и строит ответ на них.
Что можно загрузить
PDF, DOCX, PPTX, XLSX, Markdown и обычный текст. Файлы обрабатываются локально: разбор документа не требует обращения к провайдеру модели.
Три режима поиска
| Режим | Как работает | Когда нужен |
|---|---|---|
| Лексический (BM25) | полнотекстовый индекс на SQLite | работает без ключей и без интернета; точные термины, артикулы, номера |
| Векторный | косинусное сходство эмбеддингов | вопросы «по смыслу», перефразировки |
| Гибридный | объединение двух выдач | обычный рабочий режим, когда настроены эмбеддинги |
Лексический режим — точка входа: он не требует ни ключей, ни сети, и на нём видно, что документы вообще попали в индекс.
Практика
- Одна база — одна тема. Смешивать регламенты, договоры и заметки в одной базе
можно, но выдача становится шумной.
- Давайте файлам осмысленные имена: они участвуют в цитировании фрагментов.
- Проверяйте качество поиска вопросом, ответ на который вы знаете заранее.
- Обновляя документ, переиндексируйте базу: старый индекс продолжит отдавать
прежние фрагменты.
Доступ сотрудников
Сотрудник видит только те базы, которые ему подключены. Это основной способ ограничить область знаний: не «запретить искать», а «не дать базу».
Ограничения
- Индекс локальный: при переносе установки базу нужно переиндексировать.
- Очень большие PDF без текстового слоя (сканы) не дают содержимого — нужен OCR
до загрузки.
- Векторный поиск зависит от провайдера эмбеддингов: при недоступности остаётся
лексический режим.