RAG Agents в продакшене: 10 уроков, которые мы усвоили
RAG Agents in Prod: 10 Lessons We Learned — Douwe Kiela, creator of RAG
Результат корпоративного RAG задаёт система вокруг языковой модели, поэтому выигрывает команда, которая быстро выводит работающий прототип к реальным пользователям.
- Система важнее модели — по словам спикера, языковая модель составляет лишь около 20% системы, и менее сильная модель с сильным RAG-конвейером работает лучше сильной модели с плохим.
- Специализация вместо AGI — на доменных задачах, по его словам, система, заточенная под экспертизу компании, даёт больше универсального ассистента.
- Продакшен с первого дня — демо на десяти пользователях делается легко, а переход к десяткам тысяч документов и требованиям безопасности и комплаенса сложнее; у Qualcomm система работает для тысяч клиентских инженеров.
- Атрибуция вместо точности — 100% точности, по словам спикера, не достичь, поэтому ответы должны ссылаться на документ-источник, а в регулируемых отраслях нужен журнал аудита.
Кому полезно: тем, кто переводит RAG-пилот в продакшен в крупной компании.
Статья по теме
Главы
Похожие доклады
Практический GraphRAG: как сделать LLM умнее с помощью графов знаний
Stephen Chin, Jesús Barrasa, Michael Hunger
AI Engineer World's Fair 2025
Близко по содержанию
Как довести RAG до production: поиск, оценка и анализ ошибок
AI Engineer Summit 2023
Близко по содержанию
Скрытые затраты на создание собственного RAG-стека
AI Engineer Summit 2025
Близко по содержанию
OpenRAG: open source-стек для RAG
AI Engineer Europe 2026
Близко по содержанию

