У блестящего камня есть убедительное достоинство: он блестит. Еху из эпиграфа — существа, которых Гулливер встречает в стране разумных лошадей, — выкапывают такие камни и прячут кучами. Лошадь-хозяин смотрит на эту страсть с недоумением: запас растёт, пользы не видно. Ещё немного — и драгоценности займут всё логовище, а самому владельцу придётся ночевать снаружи, обнимая инвентарную ведомость.
Вы спрашиваете помощника, в каком формате приложить скан к заявке на выставку. Он находит абзац про сканирование. Слова знакомые, тема близкая, ответ уже кажется рядом. Читаете: выровнять лист, поставить свет, убрать тень. Полезно. Только лист и так лежит ровно, свет горит, а форма всё ещё ждёт файл. Блестящая находка пока заняла место ответа.
Разложим на столе три коротких фрагмента. У каждого будут адрес, версия и собственные слова. Затем посмотрим, кто помогает найти похожее, кто хранит связь с документом и в какой момент появляется ответ. Для первого понимания хватит листка: маленькая карта покажет работу большого компонента.
Векторная база для RAG: место, где фрагмент можно найти снова
Представьте, что у вас есть несколько документов с правилами, письмами и заметками. Чтобы искать по смысловой близости, текст преобразуют в векторы — наборы чисел. Этот шаг выполняет модель, создающая embeddings, то есть числовые представления. Затем их сохраняют вместе со связью с исходным материалом.
Вопрос тоже превращают в вектор, совместимый с представлениями документов. Числа должны относиться к одной согласованной карте: по ней и сравнивают близость. Затем поиск возвращает записи с нужными полями — например, текстом, ID и источником. Языковая модель получает эти материалы и составляет ответ. Название RAG обозначает генерацию, дополненную извлечённым содержанием.
Схема разделяет создание вектора, хранение, поиск и составление ответа. Вопрос приходит в поиск в совместимом числовом представлении.
Векторная база для RAG на этой схеме сохраняет записи и помогает искать их снова. Векторизацию и сочинение ответа мы показали отдельно: теперь видно, откуда пришли числа и кто потом составил фразу. В продукте действия могут быть объединены — например, Azure AI Search поддерживает и внешнюю, и встроенную векторизацию. На нашей карте роли остаются различимыми.
Индекс помогает организовать поиск по сохранённым векторам. Для нашего упражнения достаточно видеть, что система может снова найти запись по запросу и вернуть исходный фрагмент. Мы не просим читателя выбирать алгоритм или разбираться в устройстве индекса на диске.
Карточка хранит дорогу обратно к тексту
Дадим каждому фрагменту короткую метку. Для примера возьмём Ф1, Ф2 и Ф3. Это ID — постоянный идентификатор записи. По нему можно отличить один кусок материала от другого, даже если у них одинаковый заголовок.
У записи будут вектор, сам текст или ссылка на него и дополнительные поля. Например, version сообщает версию документа. Эти дополнительные сведения называют метаданными. Здесь они помогают выбрать нужные правила, а не просто самый похожий абзац.
Учебная карточка записи. Числа придуманы для объяснения; это не результат работы настоящей embedding-модели.
Прочитаем карточку как записку другому человеку: «Открой Ф2. Это правила версии 2, пункт 2. Там сказано: “Скан — JPG”». В такой записке есть дорога к условию. Вектор помогает получить эту карточку при поиске по смыслу, а источник позволяет проверить её содержание.
Если текст хранится отдельно, проверьте переход по ссылке. Вы попали к самому условию или к огромной папке, где его ещё предстоит искать? Для маленького упражнения держите фрагмент рядом с карточкой. В настоящем наборе материалов сохраните точный путь к нему: иначе система вернёт адрес, по которому никто не встретит читателя.
Для длинного документа укажите ещё и место отрывка: страницу, раздел или пункт. «Где-то в правилах» — адрес для человека, у которого впереди свободная вечность. Номер пункта короче и полезнее. По нему можно прочитать условие вместе с соседней строкой, где иногда и прячется важное уточнение.
Три фрагмента про скан, два разных затруднения
Положите рядом три карточки. Все они относятся к сканам, но отвечают на разные вопросы. У первых двух есть и разные версии. Это собственный пример для разбора, поэтому условия можно прочитать целиком прямо здесь.
| ID | Текст фрагмента | Версия |
|---|---|---|
| Ф1 | К заявке приложите скан в формате PDF | 1 |
| Ф2 | К заявке приложите скан в формате JPG | 2 |
| Ф3 | Чтобы скан был чётче, выровняйте лист и освещение | 2 |
Поставим вопрос над карточками: «Какой формат скана нужен для заявки по правилам версии 2?» У Ф1 почти готовый ответ, только версия старая. У Ф3 версия подходит, но в тексте нет формата. Ф2 проходит оба условия. Нужную карточку можно показать пальцем и тут же прочитать её фразу.
Сначала оставьте только версию 2: Ф1 уйдёт из подборки, хотя формулировка почти совпадает с вопросом. Затем прочитайте две оставшиеся карточки. После совета выровнять лист формат всё ещё не назван. У Ф2 есть прямое условие. Первая проверка убрала старые правила; вторая помогла выбрать текст, по которому можно подготовить файл.
Версия ограничивает подборку, а чтение текста показывает, отвечает ли фрагмент на вопрос.
Чтобы ограничение сработало, версию нужно сохранить в записи и назвать в запросе. Точное «версия 2» появляется из ваших материалов, а не из способности базы угадывать новизну. В документации Microsoft по фильтрам это отдельная операция: проверить заданные значения полей. У нас поле отвечает за редакцию правил.
А чтение фрагмента остаётся отдельным действием. Близость помогает отобрать кандидатов. После отбора вам нужно увидеть, что в тексте действительно сказано «JPG» и относится это к нужной заявке. В большом наборе документов к этому добавятся другие условия; начнём с одного видимого.
Маленькая карта с числами — по желанию
Если хочется увидеть координаты, нарисуйте точки на листе. Две координаты здесь придуманы для наглядности; у реального представления может быть другое число измерений. Сами значения из нашего рисунка нельзя использовать как векторы настоящих документов.
Пусть вопрос находится в точке [0,9; 0,1]. Ф1 положим туда же, Ф3 — в [0,85; 0,15], Ф2 — в [0,8; 0,2]. Если мерить обычное расстояние на плоскости, первым окажется Ф1, потом Ф3 и затем Ф2. Мы специально расположили их так, чтобы разделить геометрию и нужное условие.
Оставьте версию 2 — на карте останутся Ф3 и Ф2, причём Ф3 ближе к вопросу. Вернитесь к словам: ближайшая карточка советует убрать тень, следующая называет JPG. Если взять первую вслепую, человек получит более аккуратный скан и так и не узнает, какой файл готовить. Поэтому после отбора по координатам открываем сами записи.
Настоящий поиск использует выбранную метрику и представления, полученные моделью. Наши координаты показывают одну связь: порядок близости и пригодность текста для вашего условия — разные свойства. Для обычного чтения статьи числа можно пропустить, сохранив карточки и проверку версии.
Попросите ИИ разобрать находку по источникам
Первый результат можно получить в обычном текстовом разговоре. Откройте DeepSeek или привычный чат, вставьте три карточки и вопрос. Здесь ИИ выступит помощником при проверке найденного: выделит условие, назовёт ID и покажет фразу, на которую опирается.
Проверь ответ по трём фрагментам. Вопрос:
какой формат скана нужен для заявки по правилам версии 2?
Ф1, версия 1: «К заявке приложите скан в формате PDF».
Ф2, версия 2: «К заявке приложите скан в формате JPG».
Ф3, версия 2: «Чтобы скан был чётче, выровняйте лист и освещение».
Сначала выбери фрагменты нужной версии. Затем найди условие о формате.
Ответь коротко, укажи ID и дословную фразу-основание.
Если нужного условия нет, скажи, какого текста не хватает.
Не считай близость темы достаточным основанием.Ожидаемый разбор проверяется по материалу перед вами: версия 2, Ф2, фраза про JPG. Если помощник выбрал Ф3, попросите показать, где там назван формат файла. Если смешал PDF и JPG, верните его к полю версии. Вы можете проверить эту работу, прочитав три коротких фрагмента.
В этом упражнении перед чатом лежат три текста. База и настоящий поиск по векторам здесь не запускались: мы разобрали их роли на схеме, а помощнику поручили проверить найденное. Теперь за словом «хранилище» видна конкретная работа — вернуть запись, из которой можно добраться до нужного пункта.
Теперь можно заменить карточки отрывками своего документа. Рядом оставьте заголовок, редакцию и место каждого фрагмента. Если ответ не складывается, попросите помощника задать один уточняющий вопрос и подождать вас. Иногда нужен соседний пункт, иногда — другая редакция. У поиска появится конкретный следующий предмет, который вы сможете найти и принести.
RAG может получать материалы разными путями
Векторный поиск полезен, когда вопрос и материал выражены разными словами. В документации Microsoft приводится сходство понятий, которые могут различаться по написанию. В ваших материалах «копия документа» и «скан» тоже могут встретиться в разных формулировках.
При этом извлечь нужный источник можно и по ключевым словам, и сочетая несколько способов. Гибридный поиск объединяет текстовый и векторный. RAG описывает общий путь «найти материал → дать его модели для ответа», поэтому отдельная векторная база не является обязательным условием любого такого решения.
На трёх карточках вы нашли нужное глазами. С таким объёмом уже можно попробовать обычный чат и проверку ответа по короткому источнику. Когда материалов станет больше, сохраните ту же ясность: где лежит текст, как его нашли, какую версию взяли и что передали модели. Устройство вырастет, знакомые опоры останутся.
Частые вопросы
База сама создаёт embeddings?
Вектор создаёт соответствующая модель или компонент векторизации. Хранилище сохраняет результат и обеспечивает поиск. В продукте эти роли могут быть связаны встроенным процессом, но при разборе полезно видеть их отдельно. Тогда понятно, где появились числа и какой текст по ним нашли.
Она сама пишет ответ?
В показанном пути найденный исходный фрагмент передаётся языковой модели, которая формулирует ответ. Поэтому карточке нужен читаемый текст или дорога к нему. Одного списка координат читателю недостаточно, чтобы проверить условие о формате.
Зачем идентификатор, если текст уже сохранён?
По ID удобно сослаться на конкретную запись, связать её с источником и различать похожие куски. В нашем упражнении «Ф2» сразу приводит к нужному условию. Если карточку заменили новой, связь и сведения о версии нужно поддерживать согласованно.
С чего начать, если я просто хочу понять устройство?
Нарисуйте путь из схемы, подпишите три карточки и решите вопрос про JPG. Затем объясните, кто создал вектор, кто нашёл записи и откуда взялся текст для ответа. Огромный изумруд с обложки можно вынуть из сканера. Рядом лежит скромный листок с нужным условием — его-то вы и искали.