Главная причина, по которой компании выбирают Dify: научить ИИ отвечать по вашим документам, а не выдумывать. Разбираемся, как это устроено.
Модель ИИ не знает ваших регламентов, тарифов и содержания курсов. Спросите её про правила вашей школы — она уверенно сочинит правдоподобный, но неверный ответ. Это называют галлюцинацией.
RAG (Retrieval-Augmented Generation, «генерация с поиском») решает проблему просто: перед ответом система находит подходящие фрагменты в ваших документах и подкладывает их модели со словами «отвечай на основе этого».
PDF, Word, Markdown, TXT, таблицы, страницы Notion, веб-страницы по ссылке. Загрузили — Dify сам разберёт и проиндексирует.
Документы режутся на чанки. Режимы: обычный, «родитель-потомок» (точный поиск + широкий контекст) и «вопрос-ответ» для FAQ.
Векторный (по смыслу), полнотекстовый (по словам) и гибридный. Гибридный + переранжирование — лучший выбор по умолчанию.
Вкладка тестирования: вводите вопрос — видите, какие фрагменты нашлись и с каким баллом релевантности. Настраиваете до подключения к боту.
Бот может показывать, из какого документа взят ответ — доверие пользователей заметно выше.
Заменили документ — индекс пересобрался, все подключённые приложения сразу отвечают по-новому.
| Настройка | Совет для старта |
|---|---|
| Индексация | High Quality (векторная). Economy дешевле, но заметно слабее в поиске по смыслу |
| Метод поиска | Гибридный (Hybrid) с переранжированием — сочетает точность по словам и по смыслу |
| Top K | Сколько фрагментов отдавать модели: начните с 3–5 |
| Порог релевантности | Отсекает мусор: если ничего похожего нет, боту лучше честно сказать «не знаю», чем фантазировать |
Главная причина плохих ответов — не алгоритмы, а бардак в документах: устаревшие версии, противоречия, простыни без структуры. Час наведения порядка в FAQ даёт больше, чем день кручения параметров.
3 вопроса · выберите один ответ в каждом
Этот курс ведёт Claude. Могу помочь структурировать ваш FAQ перед загрузкой — пришлите черновик в чат.