В недавней статье на Хабре Саша Михеев, ML-инженер Центра гибридного интеллекта в Рунити, рассказал о процессе улучшения нейропоиска с помощью RAG-ассистента. Изначально поиск работал удовлетворительно, однако с увеличением объема данных до 35 000 страниц возникли проблемы с отображением релевантных документов, что требовало пересмотра подходов к обработке информации.
Команда провела ряд экспериментов, включая изменение способа выгрузки данных из Confluence и усложнение чанкирования, что позволило повысить точность поиска. Эти изменения направлены на то, чтобы пользователи могли получать более релевантные ответы на свои запросы, минимизируя количество нерелевантных документов в результатах.
Данный проект подчеркивает важность адаптации технологий к растущим объемам данных и задачам, с которыми сталкиваются компании. Успешная реализация RAG-ассистента может значительно улучшить качество поиска и повысить эффективность работы сотрудников, что в свою очередь может положительно сказаться на производительности бизнеса.