Силиконовый Мешок

Google выпустил гайд для стартапов о том, как создавать ИИ-агентов, — «Startup technical guide to AI agents» — и я залип.

Весь день его читаю, насколько же доступно они всё объясняют. Да, на английском, но сейчас это не проблема: закиньте PDF в NotebookLM или Perplexity, хотя я рекомендую посмотреть его глазами — там много схем.

Вот, допустим, как рассказывается про заземление (Grounding) ответов агента:

Заземление — это процесс, который обеспечивает точность и достоверность ответов агента, связывая их с проверяемыми фактами из внешних источников данных. Это критически важный механизм для борьбы с «галлюцинациями» (неверной или выдуманной информацией) и повышения доверия пользователей к системе. Техники заземления эволюционировали от простых к более сложным.

Retrieval-Augmented Generation (RAG): фундаментальный паттерн, который дополняет знания модели информацией из внешней базы данных. Перед генерацией ответа агент выполняет семантический поиск по базе знаний (например, по внутренней документации), чтобы найти релевантные факты, и передаёт их модели в качестве контекста. Это позволяет агенту давать более точные и актуальные ответы.

GraphRAG: этот подход обогащает заземление, используя граф знаний. Вместо того чтобы рассматривать факты как изолированные фрагменты текста, GraphRAG позволяет агенту понимать явные связи между данными (например, «симптом А вызывает болезнь Б, которая лечится препаратом В»). Это обеспечивает более глубокое контекстуальное понимание.

Agentic RAG: наиболее продвинутый подход, где агент становится активным участником процесса поиска информации. Вместо одного простого поиска агент может анализировать сложный запрос, разрабатывать многошаговую стратегию поиска, выполнять несколько вызовов к различным инструментам и синтезировать информацию из разных источников для нахождения наилучшего ответа.

Это я вам ещё кратко перевёл, в оригинале там значительно подробнее, со схемами и кейсами. Да, Google там через абзац свои продукты пиарит, но они у него реально хорошие. В общем, если вы создаёте своих ИИ-агентов или пытаетесь разобраться, что это вообще такое, — рекомендую ознакомиться с документом. Выложу его в первом комментарии к этому посту, чтобы вам не пришлось заполнять кучу форм на сайте Google.

3🔥76❤28✍16👍8❤‍🔥3👎1💯1🍌1😈1

www.group-telegram.com/us/prompt_design.com/1633

12.6K viewsSep 24 at 15:52

Google выпустил гайд для стартапов о том, как создавать ИИ-агентов, — «Startup technical guide to AI agents» — и я залип.

Весь день его читаю, насколько же доступно они всё объясняют. Да, на английском, но сейчас это не проблема: закиньте PDF в NotebookLM или Perplexity, хотя я рекомендую посмотреть его глазами — там много схем.

Вот, допустим, как рассказывается про заземление (Grounding) ответов агента:

Заземление — это процесс, который обеспечивает точность и достоверность ответов агента, связывая их с проверяемыми фактами из внешних источников данных. Это критически важный механизм для борьбы с «галлюцинациями» (неверной или выдуманной информацией) и повышения доверия пользователей к системе. Техники заземления эволюционировали от простых к более сложным.

Retrieval-Augmented Generation (RAG): фундаментальный паттерн, который дополняет знания модели информацией из внешней базы данных. Перед генерацией ответа агент выполняет семантический поиск по базе знаний (например, по внутренней документации), чтобы найти релевантные факты, и передаёт их модели в качестве контекста. Это позволяет агенту давать более точные и актуальные ответы.

GraphRAG: этот подход обогащает заземление, используя граф знаний. Вместо того чтобы рассматривать факты как изолированные фрагменты текста, GraphRAG позволяет агенту понимать явные связи между данными (например, «симптом А вызывает болезнь Б, которая лечится препаратом В»). Это обеспечивает более глубокое контекстуальное понимание.

Agentic RAG: наиболее продвинутый подход, где агент становится активным участником процесса поиска информации. Вместо одного простого поиска агент может анализировать сложный запрос, разрабатывать многошаговую стратегию поиска, выполнять несколько вызовов к различным инструментам и синтезировать информацию из разных источников для нахождения наилучшего ответа.

Это я вам ещё кратко перевёл, в оригинале там значительно подробнее, со схемами и кейсами. Да, Google там через абзац свои продукты пиарит, но они у него реально хорошие. В общем, если вы создаёте своих ИИ-агентов или пытаетесь разобраться, что это вообще такое, — рекомендую ознакомиться с документом. Выложу его в первом комментарии к этому посту, чтобы вам не пришлось заполнять кучу форм на сайте Google.

BY Силиконовый Мешок