Поиск по вашим документам

Иногда нужен не ответ, а первоисточник: точная строка прайса, пункт регламента, абзац инструкции. Модель, пересказывая, теряет цифры и меняет формулировки, а здесь наружу уезжает то, что написано в документе, слово в слово.

Что внутри

1. Что ищем — вход. Текст запроса от человека или от предыдущего шага.
2. База знаний — нода rag_kb. Она не ищет, она отвечает на вопрос «где искать»: в какой из ваших баз. Подключена к поиску связью data.
3. Поиск по документам — нода rag_query. Переводит запрос в вектор, находит ближайшие фрагменты и отдаёт их вместе с оценкой близости.
4. Найденные фрагменты — выход. Текст фрагментов, а не ответ о них.

Модели в графе нет, и это не пропуск. Нужен связный ответ вместо цитат — возьмите «Бот поддержки по документам»: там за тем же поиском стоит агент.

Что настроить под себя

• Идентификатор базы. В ноде База знаний стоит REPLACE_ME. Замените его на свой: база открывается на вкладке «Документы», идентификатор виден в адресной строке.
• Сколько фрагментов брать (top_k). По умолчанию пять. Больше — дороже и шумнее, меньше — рискуете не достать ответ, который в документах есть.
• Порог близости (score_threshold). Ноль означает «отдавай всё, что нашлось». Поднимите его, если в выдачу попадает явно постороннее.

Что подключить

Подключений не нужно, но нужна заполненная база знаний. Откройте «Документы», создайте базу и загрузите файлы: PDF, DOCX, TXT, Markdown или ссылку на страницу. Загрузка сразу режет документ на фрагменты и считает векторы — это платная операция, стоимость видна на экране расхода. Пустая база отвечает пустотой, и никакой настройкой это не лечится.