RAG после reranker: от корпоративного поиска к агенту, которому можно поручить исследование
Habr ·
Привет, Хабр! На связи Александр Михеев, ML-инженер Центра гибридного интеллекта в Рунити. В первой статье мы рассказывали, как улучшали поиск по почти 35 тысячам страниц Confluence. Главная подсказка пришла из метрик: нужная информация часто уже находилась среди кандидатов, но стояла слишком низко. Reranker помог поднять подходящие фрагменты и заметно улучшил выдачу. Следующий этап — сделать этот поиск доступным там, где сотрудник работает. Разработчик разбирает сервис вместе с агентом, обсуждает изменение в коде или выясняет причину ошибки. В этот момент ему может понадобиться внутренняя документация, описание архитектуры или связанная задача в Jira. Когда начали объединять компоненты, выяснилось, что сам поиск — только часть работы. Даже при хорошей выдаче агент мог остаться без нужных документов после проверки прав или не дождаться завершения исследования. На этих случаях мы и проверяли, насколько работоспособной получилась интеграция. Читать далее