Как мы научили ИИ читать корпоративные регламенты: от наивного RAG до измеримого pipelineВ статье - практический кейс со...

Как мы научили ИИ читать корпоративные регламенты: от наивного RAG до измеримого pipelineВ статье - практический кейс создания корпоративного RAG-сервиса для поиска по внутренним регламентным и нормативным документам. Мы прошли путь от стандартного пайплайна на n8n и Qdrant до гибридной архитектуры с BM25, embeddings, RRF, reranking, структурным chunking и обработкой сложных таблиц и документов. Отдельно разбирается, почему обычная нарезка текста плохо работает на нормативных документах, как мы использовали Natasha, словари корпоративных терминов и мультимодальные модели, а также как построили систему измерения качества через Arize Phoenix и LLM-as-a-Judge. Показаны реальные результаты A/B-теста с реранкером по 9 метрикам с объяснением, почему в production-RAG важнее не «самая умная LLM», а качество подготовки документов, retrieval и воспроизводимая оценка изменений.https://habr.com/ru/articles/1079414/#RAG #RetrievalAugmented_Generation #LLM #корпоративный_поиск #гибридный_поиск #sema...