Скачать или смотреть Что такое RAG в LLM и причём тут векторные базы данных

В этом видео я простым языком рассказываю, что такое RAG-система (Retrieval Augmented Generation) — один из самых эффективных способов интеграции актуальных данных в LLM-модели (например, ChatGPT). На практических примерах показываю, как работает поиск и добавление контекста для генерации более точных ответов, зачем нужны векторные базы данных, как устроен embedding текстов и как повысить качество поиска через правильную подготовку данных и разбиение на чанки.

В видео разберём:
Для чего нужен RAG при работе с LLM
Как устроены векторные базы данных и embedding
Лучшие открытые модели для русского языка
Как хранить и искать данные через Quadrant
Практические советы по очистке и разметке текстов
Тестирование разных подходов (чистка, чанки, префиксы)

Если остались вопросы — пишите в комментариях или в Telegram-чате!
Подписывайтесь на канал, впереди — разбор интеграции RAG и N8N.

00:00 — Введение. Что такое RAG-система и зачем она нужна
00:29 — Принципы работы Retrieval Augmented Generation
01:04 — Проблема "не знает актуальных данных": пример с LLM
02:04 — Как помочь LLM узнать ваши данные: структура RAG-запроса
04:11 — Когда нужен полноценный RAG и векторная база
05:17 — Векторные базы данных: объяснение
06:59 — Что такое embedding и векторное представление текста
09:08 — Открытая embedding-модель для русского языка
11:01 — Где хранить embedding: Quadrant, Supabase и другие варианты
13:11 — Структура и работа с коллекциями в Quadrant
14:48 — Как устроен point в векторной базе (id, vector, payload)
16:00 — Поиск по embedding: пример на Python
19:58 — Почему результат поиска иногда не радует: ошибки при embedding
20:12 — Лучшие практики: чистка текста для embedding
23:28 — Чанки (разделение текста на куски): зачем и как это делать
25:37 — Тест: как выглядит поиск по очищенным чанкам
29:10 — Влияние префиксов на качество embedding
30:37 — Итоги и сравнение: почему чанки дают лучший результат

#LLM #RAG #AI #векторныебазы #embedding #Python #AI_для_бизнеса