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
Как создавать AI agents для автоматизации интеллектуальной работы
AI Engineer World's Fair 2025
Близко по содержанию
Разбор файлов Эпштейна для JMail
AI Engineer World's Fair 2026
Близко по содержанию
Хватит нарезать данные как в 2022 году
AI Engineer World's Fair 2026
Близко по содержанию
Создание слоя контекста документов для AI agents
AI Engineer World's Fair 2026
Близко по содержанию

