Архив · 202 статьи
Retrieval-Augmented Generation — технология для улучшения ответов ИИ через доступ к внешним базам знаний
AI рекомендательная система с RAG усиливает персональные товарные предложения и повышает конверсию | Марина Погодина, PROMAREN
Гибридный RAG-подход объединяет семантический и ключевой поиск для более точных ответов в AI-поисковиках | Марина Погодина, PROMAREN
Пошаговая схема, как настроить RAG-агента для точного анализа контрактов и SLA к 2026 году | Марина Погодина, PROMAREN
RAG-стек на PostgreSQL с pgvector снижает расходы на инфраструктуру и остаётся управляемым | Марина Погодина, PROMAREN
Методика оценки RAG-агента по ключевым метрикам качества и стабильности ответов в 2026 году | Марина Погодина, PROMAREN
AI-агент с RAG-базой знаний берёт на себя типовые запросы поддержки в 2026 году | Марина Погодина, PROMAREN
Timescale Vector ускоряет работу с временными рядами в RAG-приложениях — базовая схема за 1 час | Марина Погодина, PROMAREN
RAG-агент помогает выстроить безопасные медицинские консультации на базе протоколов и справочников | Марина Погодина, PROMAREN
Архитектура enterprise‑поиска на базе Elasticsearch с RAG‑подходом для масштабных корпоративных данных к 2026 году | Марина Погодина, PROMAREN
Пошаговая схема обновления базы знаний RAG-агента без простоя системы | Марина Погодина, PROMAREN