← Каталог

Grep или embeddings? Агентный поиск по корпоративным документам

Grep or Embeddings? Agentic Search Over Company Documents — George He, LlamaIndex

Для корпоративных документов лучше не выбирать между grep и эмбеддингами, а дать агенту гибридный поиск для навигации и grep с чтением файлов для ответа по первоисточникам.

  • Почему Claude Code обошёлся без индекса — код маленький, текстовый и лежит локально, а векторный индекс тяжело держать в синхронизации при частых правках. У корпоративных данных другой масштаб: от тысяч файлов, смешанные форматы, права доступа и синхронизация делают локальный обход непригодным.
  • Набор инструментов агента — список файлов, фильтр по метаданным, grep, чтение фрагмента с заданным смещением и длиной, а также поиск по чанкам и сохранённым скриншотам страниц. Поиск задаёт направление, а чтение файлов позволяет опереться на источник, а не на догадку модели.
  • Парсинг сложных документов — таблицы, схемы и макеты лучше переводить в Markdown или формат с пространственной разметкой, а качество таблиц проверять отдельно. Спикер упоминает LlamaParse и открытый LiteParse.
  • Продакшен-требования — изоляция арендаторов, метаданные прав доступа, свежесть данных и разделение этапов загрузки, парсинга и индексации. Спикер рекомендует хранить данные на диске и держать быстрый слой в памяти.

Кому полезно: тем, кто строит поиск по корпоративным PDF, презентациям и схемам и решает, нужен ли им векторный индекс.

Статья по теме

Главы

Похожие доклады