Управление данными и памятью

Этот подраздел — о самих знаниях: где они лежат, как организованы и как агент до них добирается. Одна ветка раздела отвечает на вопрос «что такое память агента и как ее устроить», вторая — «как заставить модель отвечать по вашим документам, а не по тому, что заложено в нее при обучении».

Содержание раздела

• Глоссарий — ключевые термины: память агента, протухание контекста, эмбеддинг, чанкинг, граф знаний. Если встречаются незнакомые слова, начните здесь

• Хранение знаний — три подхода к хранению, критерий выбора инструмента и чек-лист подготовки данных. Рамочная статья раздела

• LLM-вики и Obsidian — способ ведения базы, при котором знание накапливается, и приложение, с которым его чаще всего путают

• Технология RAG — как заставить модель отвечать на основе вашей базы знаний: векторный поиск, эмбеддинги, подготовка данных и ограничения технологии