Модуль 2 · Lesson 6 of 12 · 40 min · Практика
RAG и агенты для неинженеров
Translation in progress — the Russian version is shown below.
/ 01Зачем это нужно
Почти каждый полезный AI-продукт либо отвечает по документам (RAG), либо выполняет действия (агент). Продакт должен понимать, что выбрать.
/ 02Суть
- RAG: модель сначала находит нужные фрагменты в ваших документах, затем отвечает по ним со ссылкой.
- Агент: модель планирует шаги и вызывает инструменты — поиск, таблицу, CRM, почту.
- Начинайте с простого: ответ по документам или один инструмент. Многошаговые агенты дороже и менее надежны.
/ 03Схема
RAG
Вопрос → поиск по документам → ответ со ссылкой. Нужен, когда главное — точно отвечать по базе знаний.
Агент
Цель → план → вызовы инструментов → результат. Нужен, когда надо выполнять действия в системах.
/ 04Разбор примера
Учебный кейс
Ассистент по регламентам
Сотрудник задает вопрос — система находит 3 пункта регламента и отвечает со ссылками. Если пункта нет, отвечает «не нашел» и передает вопрос владельцу регламента. Это RAG без агентов, и его достаточно для большинства внутренних задач.
/ 05Как сделать в инструменте
n8n ↗Открытый код, можно развернуть на своем сервере в России
- 1Создайте сценарий с узлом AI Agent
- 2Подключите один инструмент: Google Sheets или HTTP-запрос
- 3Опишите агенту одну задачу, например «найди заказ и сообщи статус»
- 4Проверьте на 5 запросах и посмотрите журнал шагов
/ 06Задание
Мини-проект · ≈ 90 мин
Определите, нужен вашему продукту RAG, агент или ни то ни другое. Соберите минимальную версию в n8n или конструкторе.
Готово, когда
- — Обоснованный выбор
- — Работающий сценарий
- — 5 проверочных запросов
/ 07Частые ошибки
- Строить агента там, где хватит поиска по документам
- Давать агенту много инструментов сразу
- Не смотреть журнал шагов агента