Как работает поиск
Гибридный поиск: вектора + полнотекст, объединённые ранжированием.
Когда клиент задаёт агенту вопрос, платформа сначала ищет в базе знаний фрагменты, которые помогут на него ответить, и только потом передаёт их модели вместе с вопросом. От качества этого поиска напрямую зависит, насколько точно и обоснованно отвечает агент.
Почему поиск «гибридный»
Одного способа поиска недостаточно:
- Поиск по смыслу (векторный) находит фрагменты, близкие по смыслу к вопросу, даже если слова не совпадают буквально — например, вопрос «сколько стоит доставка» найдёт раздел «условия отгрузки», даже без слова «доставка».
- Поиск по словам (полнотекстовый) незаменим, когда важна точная формулировка — артикул, марка, конкретный термин из документа.
cosai использует оба способа сразу и объединяет результаты одним ранжированием (RRF — Reciprocal Rank Fusion), чтобы в итоговой выдаче оказались фрагменты, релевантные и по смыслу, и по точным словам.
Что при этом происходит технически (кратко)
Все тексты преобразуются в числовые представления (эмбеддинги) одной и той же платформенной моделью — это гарантирует, что сравнение «похоже / не похоже» всегда выполняется в одной системе координат, независимо от того, какую генеративную модель выбрал агент для ответа. Смена генеративной модели агента никак не влияет на качество поиска и не требует переиндексации базы знаний.
Как это ощущается в ответах агента
- Агент отвечает фрагментами из вашей базы знаний, а не общими рассуждениями — и подтверждает каждое утверждение ссылкой
[N]на источник. - Если по вопросу ничего релевантного не нашлось, агент честно говорит, что не может ответить, а не выдумывает факты — это одно из условий, которое проверяет eval-гейт перед публикацией.
- Поиск учитывает скоуп агента: если агенту открыты не все базы организации, а только часть, поиск даже не заглядывает в закрытые базы (см. Привязка баз знаний).
Проверить, что находит поиск по конкретному запросу, можно и напрямую через REST API.