Обучения
RAG за 10 минут: подключаем базу знаний в SUIN.AI
Как заставить агента точно отвечать по внутренним документам компании.
Команда SUIN.AI · · ~5 мин
Когда нейросеть не знает свежей информации или специфики вашей компании — она начинает фантазировать. Решение — RAG (Retrieval-Augmented Generation): модель получает релевантные куски из вашей базы знаний прямо в контекст запроса.
Зачем это нужно
- Точные ответы по внутренним документам, скриптам, регламентам
- Снижение «галлюцинаций» — модель ссылается на источник
- Контроль доступа: агент знает только то, что вы загрузили
- Экономия токенов — в контекст уходят только нужные фрагменты
Как настроить RAG в SUIN.AI за 10 минут
- Создайте базу знаний в разделе Knowledge Base
- Загрузите документы: PDF, DOCX, Markdown, ссылки на сайты
- Дождитесь индексации (обычно 1-3 минуты на 100 страниц)
- Создайте агента и подключите к нему базу знаний
- Готово — агент будет искать ответ сначала в ваших документах
Размер чанков
По умолчанию SUIN.AI режет документы на chunks по 500-800 токенов с перекрытием 50-100 токенов. Для длинных юридических документов имеет смысл увеличить чанк, для FAQ — уменьшить.
API: настройка размера чанков
POST /v1/knowledge-bases/{id}/chunks-config
{
"chunkSize": 1200,
"chunkOverlap": 150
}«Хорошо структурированный документ из 50 страниц обычно даёт лучший RAG, чем PDF на 500 страниц со сканами.»