Агентный RAG
База знаний, которую агент читает перед ответом.
Этой службе нужен ключ в её СОБСТВЕННОМ окружении, и отказ у неё молчаливый: приём отвечает 200 и не встраивает ничего. Сохраните ключ один раз в разделе Настройки OpenAI
документов в базе: 0
База пуста — добавьте документ, чтобы было о чём спрашивать.
Граф знаний — связи в сравнении с векторным поиском
Что вы получаете. Составленный ответ, а не список отрывков. Служба читает по нескольким документам и сама пишет ответ.
Почему так. Две фазы. На приёме модель извлекает сущности и связи между ними в граф; на вопросе этот граф обходится. Мышление оплачивается заранее, один раз на документ, а не на каждом вопросе.
Где выигрывает. Когда ответ разбросан по многим документам и зависит от того, как факты связаны: кто с кем связан, что из чего следует, обзор по целому корпусу.
Сколько это стоит. Заметно дороже векторов, и в основном на приёме: каждый документ читает модель. Вопрос по сравнению с этим дешёв, но не бесплатен — он тоже идёт через модель.
В чём слаб. Меняющиеся данные. Исправленный документ приходится читать заново, вместе со связями, тогда как векторному складу нужен один вызов встраивания. И граф сам решает, что в вашем тексте было важным, — увидеть отрывок, из которого вырос ответ, уже не так прямо.
Хранилище у них не общее. Граф живёт в собственной папке этой службы, векторы — в SQLite слоя данных. Чтобы документ был в обоих, добавьте его в оба: заплатите приём каждому и получите ответ каждого вида. Общего у них только ключ OpenAI.