Бо́льшая часть RAG-системы — не языковая модель, а поиск: найти пять фрагментов, которые действительно отвечают на вопрос, в нужном тенанте и с нужными правами. AACSearch уже и есть этот слой поиска, поэтому ассистент — тонкий шаг поверх: привяжите его к коллекциям, задайте вопрос, получите ответ и пронумерованные источники, которые видела модель.
Выберите коллекции, которые он может читать, и поля, которые попадают в промпт. У каждой коллекции может быть свой постоянный фильтр.
Вопрос переписывается в поисковый запрос, находятся подходящие документы — с гибридным ранжированием, если в коллекции есть поле эмбеддингов, — и модель отвечает только по ним.
Ответ перечисляет источники в том порядке, в котором их видела модель, — [1], [2], … — с коллекцией, документом, оценкой и совпавшим фрагментом.
Модель не может сослаться на фрагмент, который не был найден. Ассистент наследует всё, что умеет поисковый стек: спасение опечаток и раскладки, синонимы, гибридный поиск, фильтры. На каждый ход можно добавить filter_by — линейку продуктов, версию документации, записи конкретного клиента — и ограничить число источников через max_sources.
Два режима поиска источников меняют скорость на полноту. single переписывает вопрос один раз и ищет. agentic может выполнить ещё один поиск, если первые источники выглядят неполными, — ценой большей задержки и расхода AI-кредитов.
Для вопросов вроде «какие жалобы на доставку повторяются?» нет одного фрагмента, который можно найти. Для них из коллекции можно извлечь сущности, утверждения и сообщества в граф знаний, и поиск по графу отвечает по всему корпусу — ассистент сочетает оба вида свидетельств, когда это уместно.
Источники — часть схемы ответа, а не трюк с промптом: выводите их ссылками под ответом.
Передавайте токены потоком по мере поступления; отправляйте conversation_id, чтобы продолжить диалог без повторной отправки истории.
Ассистент читает только привязанные к нему коллекции — через те же области ключей, что и поиск; его можно вызывать с браузерным ключом.
MCP-сервер открывает те же операции поиска и ассистента для Claude, Cursor и других агентских клиентов.
Впервые встречаете термин? В глоссарии есть статья «RAG (retrieval-augmented generation)» — объяснение с азов.
{
"messages": [
{ "role": "user", "content": "Can I return a customised item?" }
],
"filter_by": "locale:=en",
"max_sources": 5,
"retrieval_mode": "single"
}
// -> { "message": { "content": "Customised items can be returned within… [1]" },
// "sources": [ { "collection": "help", "document": {…}, "snippet": "…" } ],
// "conversation_id": "…" }Узнать больше
Лучший способ оценить поисковую платформу — не читать ещё одну сравнительную таблицу.
И только после этого принимайте решение.