Почему память ИИ-агента подводит: 6 типичных ошибок RAG и как их найти

RAG (Retrieval-Augmented Generation) — это подход, при котором языковая модель дополняется внешней базой знаний: перед ответом система ищет релевантные фрагменты в документах или интернете и опирается на них. Но даже у такой схемы бывают сбои, и они заметно портят качество ответов.

Авторы материала выделили шесть типичных ошибок: от плохой сегментации текста и неудачного выбора эмбеддингов до неверной настройки порогов релевантности и конфликтов между найденными фрагментами. Для каждой ошибки даны практические советы по диагностике — например, как проверить, действительно ли модель видит нужные куски документа, и не теряет ли она контекст при объединении нескольких источников.

Материал будет полезен всем, кто строит агентов на RAG: он помогает быстро находить узкие места в пайплайне и не гадать, почему агент «забывает» важные факты.