Как настроить ИИ-агента для работы с базой знаний (RAG) в сфере охраны труда, чтобы ответы формировались строго по документам?
Настройка ИИ-агента с RAG (Retrieval-Augmented Generation) для охраны труда — задача, требующая внимания к качеству документальной базы, точности поиска и строгости генерации. Ниже — пошаговый подход.
**1. Подготовка документальной базы знаний**
Соберите все нормативные документы: ГОСТы, СНиПы, Трудовой кодекс РФ, инструкции по охране труда, приказы Минтруда, локальные регламенты предприятия. Документы должны быть актуальными — устаревшие версии необходимо заменить или пометить. Конвертируйте PDF, DOCX и другие форматы в структурированный текст, сохраняя нумерацию разделов и пунктов.
**2. Чанкинг и индексация**
Разбейте документы на смысловые блоки (чанки) по 300–800 токенов. Важно сохранять контекст: не разрывайте пункты нормативов посередине. Добавляйте метаданные к каждому чанку: название документа, номер раздела, дата редакции, тип документа (федеральный/локальный). Используйте векторную базу данных (Chroma, Weaviate, Qdrant, Pinecone) для хранения эмбеддингов.
**3. Настройка поиска (Retrieval)**
Применяйте гибридный поиск: сочетание семантического (векторного) и ключевого (BM25). Это повышает точность при поиске конкретных номеров статей и терминов. Настройте top-k на 5–10 релевантных фрагментов. Добавьте re-ranking для переранжирования результатов по релевантности.
**4. Системный промпт для строгости ответов**
Ключевой момент — системный промпт агента. Пропишите явно:
— «Отвечай ТОЛЬКО на основе предоставленных документов»
— «Если информация отсутствует в базе — сообщи об этом, не генерируй ответ из общих знаний»
— «Обязательно указывай источник: название документа, раздел, пункт»
— «Не интерпретируй нормы расширительно»
**5. Цитирование и верификация**
Настройте агента на обязательное указание источника для каждого утверждения. Формат: «Согласно п. 4.2 ГОСТ 12.0.004-2015…». Это позволяет специалисту по охране труда быстро проверить ответ.
**6. Обработка пограничных случаев**
Если запрос выходит за рамки базы знаний, агент должен явно сообщать: «Данная информация отсутствует в загруженных документах. Рекомендую обратиться к [конкретный орган/специалист]». Запретите агенту домысливать нормы.
**7. Тестирование и валидация**
Создайте тестовый набор из 50–100 вопросов с эталонными ответами. Проверяйте точность цитирования, полноту ответа и отсутствие галлюцинаций. Регулярно обновляйте базу при выходе новых нормативов.
**Рекомендуемый стек:** LangChain или LlamaIndex для оркестрации, OpenAI/YandexGPT/Mistral как LLM, Qdrant или Chroma как векторная БД, Unstructured.io для парсинга документов.