RAG | самый полный и понятный гайд

Узел дня. Разбор ВСЕХ нативных узлов в n8n - https://web.tribute.tg/s/FwG Polza AI - https://polza.ai/?utm_source=blog&utm_medium=cpc&erid=2VfnxXH25Vg Приватка закрыта! -------------------------------- https://t.me/vladimir_kkkkk - телеграм канал (смотрите закреплённый пост) Ищите материалы к роликам в тг по названию видео https://github.com/kossakovsky/n8n-installer - репозиторий для установки на сервер https://timeweb.com - домен оформил тут n8n - https://n8n.partnerlinks.io/9f51nckey33z beget - https://beget.com/p2340235/cloud/marketplace/n8n RAG | самый полный понятный гайд. Я, Владимир Карпухин, в этом видео расскажу про то, что такое RAG. Объясню, как он работает. Покажу, какие есть методы улучшения RAG - Контекстуализация, Фильр по score, Реранкинг. Расскажу, что такое Cache Augmented Generation. Объясню, что такое Fine-Tuning. Разберу, когда использовать RAG, а когда Fine-Tuning. Покажу, как загружать документы в векторные базы данных и в RAG через LlamaIndex. Научу парсить документы через Llamaindex. Расскажу, как установить векторную базу данных к себе на сервер. Покажу, как установить Qdrant к себе на сервер. Объясню, как установить Supabase к себе на сервер. Покажу, как использовать все это для создания автоматизации и ИИ агентов в n8n 00:00 - Что такое RAG? 07:00 - Как работают векторные базы данных? 11:04 - Собираем RAG в n8n 30:00 - Что такое CAG? Cache Augmented Generation 39:46 - Кэширование и CAG в n8n 52:10 - Как делать Fine-tuning 1:04:02 - Контекстуализация, Contextual Retrieval 1:15:37 - Фильтр чанков по score 1:19:58 - Реранкинг чанков от Cohere 1:24:52 - Комбинирование улучшений RAG 1:30:03 - Подготовка документов для RAG через Llamaindex 1:38:04 - Установка на сервер Qdrant, Supabase, Embedded модель, Redis, PostgreSQL