Перейти к основному содержимому

Подключение баз знаний (RAG)

Использование баз знаний (RAG, от англ. Retrieval-Augmented Generation) — один из способов наделить AI-агента экспертизой в конкретной области.

Базы знаний позволяют агенту находить ответы в документах, статьях и других источниках. Благодаря этому он генерирует точные и релевантные ответы, основанные на ваших данных, а не на общих знаниях модели, которых может быть недостаточно.

Платформа Agent Platform имеет встроенную интеграцию с базами знаний, которые размещаются в Jay Knowledge Hub — платформе для создания, хранения и управления знаниями от компании Just AI. Если у вас есть аккаунт в Agent Platform, вы можете использовать его для доступа к Jay Knowledge Hub без дополнительной регистрации.

Создание подключения​

Подготовьте в Jay Knowledge Hub базу знаний с документами, которые агент будет использовать для поиска ответов. Задайте необходимые настройки поиска релевантных фрагментов и генерации ответов — они будут использоваться при вызове функций из Agent Platform. Подробнее о создании базы знаний смотрите в документации Jay Knowledge Hub.

к сведению

Agent Platform и Jay Knowledge Hub поддерживают работу в нескольких аккаунтах — группах проектов. Вы можете использовать одинаковые или разные аккаунты в Agent Platform и Jay Knowledge Hub. Это будет влиять на способ подключения.

Выбор аккаунта в Agent Platform

  1. В левом меню перейдите в раздел Интеграции.

  2. Нажмите Добавить и выберите База знаний RAG.

  3. В поле Доступ к базе знаний выберите, как вы будете подключаться к базе знаний:

    • Текущий аккаунт — если база знаний находится в том же аккаунте Jay Knowledge Hub, что и проект в Agent Platform.
    • Другие учетные данные — если база знаний находится в другом аккаунте Jay Knowledge Hub.

  4. Заполните параметры в зависимости от выбранного способа подключения:

    • Выберите нужный проект с базой знаний из списка.
    • Укажите название интеграции — оно будет отображаться на странице с интеграциями.

  5. Нажмите Сохранить.

Интеграция появится в списке и получит уникальный идентификатор вида 123456789-kb_name-id. Он указан на карточке интеграции. Этот идентификатор необходим для вызова функций Rag в процессах — передайте его в параметре ragIntegrationKey.

Использование в процессе​

После создания интеграции вы сможете использовать встроенные функции Rag в конструкторе процессов:

  • retrieveChunks — ищет в базе знаний фрагменты документов, релевантные запросу. Полученные фрагменты можно передать агенту для генерации ответа или дополнительной обработки. В этом случае функцию нужно использовать как инструмент.
  • generateAnswer — генерирует ответ на вопрос на стороне Jay Knowledge Hub, используя базу знаний. Эту функцию лучше использовать как отдельный шаг в процессе.

Режим «Функция»​

Базовый режим, чтобы использовать функцию как отдельный шаг в процессе.

  • Как работает: система вызывает выбранную функцию с заданными параметрами. Для получения результата в следующем блоке используйте метод Context.getLastFunctionResult().
  • Когда использовать: для задач, где вызов внешней системы — это четкий шаг в процессе. Например: «получить курс валют», «рассчитать доставку», «проверить статус заказа».

Настройка​

  1. В левом меню перейдите в Конструктор → .
  2. Выберите Функции → Встроенные → Rag.
  3. Перетащите функцию на холст и укажите параметры. Вы можете задать их вручную или использовать JavaScript-выражения для динамической подстановки данных, например {{'ID этого канала: ' + Context.getBotId()}}.

Режим «Инструмент»​

Используется совместно с блоком Агент, позволяя AI самостоятельно решать, когда вызывать функцию.

  • Как работает: вы не вызываете функцию напрямую — она становится «инструментом» для агента. Агент сам решает, когда и как ее использовать, исходя из диалога с пользователем.
  • Когда использовать: для гибких систем, где агент взаимодействует с внешним миром: например, «забронируй переговорную» или «какой у меня баланс?».

Подробнее о настройке функций в режиме инструмента смотрите в разделе про блок «Агент».