🔎 Почему поиск по документам в ИИ:Чате 1С:МинДока нельзя свести к одному запросу к нейросети?

Когда мы задаём вопрос в ИИ:Чате в 1С:МинДок, за привычной строкой могут скрываться совершенно разные задачи:

«Найди документ по номеру» — здесь нужен точный поиск.

«Что говорится в документах об обучении сотрудников?» — здесь важно найти материалы по смыслу и разобраться в их содержании.

Для решения этих задач наш ИИ:Чат использует разные механизмы поиска.

⚙️ Как это работает?

1️⃣ Анализ запроса. Система определяет, что нужно пользователю: список документов, их количество или содержательный ответ. Учитывает номер, период, автора, тему и контекст предыдущего диалога. Если информации недостаточно, задаёт уточняющий вопрос.

2️⃣ Выбор способа поиска. Точные условия и реквизиты обрабатываются через PostgreSQL. Для поиска по смыслу используется Qdrant — поисковый индекс, который помогает находить подходящие фрагменты документов, даже если формулировки в запросе и тексте различаются.

3️⃣ Совместная работа механизмов. Поиск по точным условиям и по смыслу может дополнять друг друга. Например, сначала система отбирает документы за определённый период, а затем анализирует их содержание.

4️⃣ Проверка прав доступа. Прежде чем использовать найденные материалы, помощник проверяет, есть ли у пользователя доступ к соответствующим документам.

5️⃣ Формирование ответа. Если достаточно списка, помощник показывает найденные документы. Если нужен содержательный ответ, найденные фрагменты передаются языковой модели, которая формирует ответ со ссылками на источники.

🧩 В этом и заключается подход RAG: сначала понять запрос, затем найти доступные и релевантные материалы и только после этого сформировать ответ на их основе.

Именно сочетание поиска по данным, семантического поиска и возможностей языковой модели позволяет ИИ:Чату работать с документами, а не просто отвечать на вопросы.

💬 Есть вопросы или идеи? Пишите в комментариях
Дистрибутив | ДемоБаза | БазаЗнаний | ✉️ boss@1c.ru