Новый документ в RAG — это не «положили файл рядом с ботом». Это цепочка: подготовка → загрузка в библиотеку → проверка качества → обновление поискового индекса → проверка вопросом в чате.
Общая схема
- Подготовка PDF — понятное имя и папка/категория (DevOps, Docker, Python…).
- Загрузка в библиотеку — текст и метаданные становятся записями базы знаний.
- Проверка качества — отсекают пустые и битые записи до индекса.
- Индексация — чанки, эмбеддинги, поиск по новым данным.
- Проверка — задайте типичный вопрос в чате и смотрите источники.
Подготовка файлов
Имена вроде «Название — Автор.pdf» помогают автоматически понять тему. Внутри PDF метаданных часто нет — тогда имя файла и структура каталога остаются главным источником названия и раздела. Для слабых сканов полезен отдельный текстовый слой рядом с PDF.
Загрузка, проверка, индекс
| Шаг | Результат |
|---|---|
| Загрузка | Записи в библиотеке знаний |
| Проверка | Отчёт об ошибках или «можно индексировать» |
| Индексация | Документ находится поиском в чате |
Если проверка не прошла — индекс не обновляют. После смены модели эмбеддингов или правил нарезки на чанки нужен полный пересчёт, а не только «добавить один файл».
В CI/CD
В пайплайне команды обычно автоматизируют ту же цепочку: принести PDF → загрузить → проверить → проиндексировать. Падение на проверке блокирует выкладку в поиск — это и есть смысл ворот качества.
Практики применения
- Одинаковые правила именования файлов экономят ручную разметку категорий.
- Не пропускайте проверку «чтобы быстрее» — потом чистить выдачу дороже.
- После индексации прогоните 3–5 реальных вопросов команды, а не один демо-кейс.
Практика с библиотекой Adminica
Тема «От PDF к поиску в чате» лучше всего раскрывается на ваших материалах: кураторская библиотека плюс документы профиля и org-библиотека (если подключена). Задайте в чате конкретный вопрос, проверьте блок источников и при необходимости уточните формулировку — так RAG даёт воспроизводимый ответ, а не общий пересказ.
Короткий чек-лист
- Один главный вопрос за сообщение; контекст — во вложении или ссылке на запись архива.
- После обновления документов дождитесь индексации, прежде чем сравнивать ответы.
- Для командных регламентов храните master-копию в согласованном разделе базы знаний.
Тарифы и on-prem зависят от контура; начните с чата на своих данных и оцените качество по цитатам, а не только по гладкости текста.
Итог: полный цикл — подготовка → загрузка → проверка → индекс → вопрос в чате. Контроль качества обязан стоять до обновления поиска.