# RAG

> Retrieval-Augmented Generation: модель сначала находит нужные документы, а потом отвечает на их основе. Так AI-агент отвечает по базе знаний компании

Источник: https://pachca.com/glossary/rag

RAG (Retrieval-Augmented Generation, генерация с поиском) — подход, при котором языковая модель отвечает не только по памяти. Сначала система находит в базе знаний фрагменты, подходящие к вопросу, затем передаёт их модели вместе с промптом, и модель строит ответ на их основе.

Что даёт RAG:

- Ответы по внутренним документам, которых модель не видела при обучении
- Актуальные данные без переобучения модели
- Ссылки на источник, которые легко проверить
- Меньше выдуманных фактов

Так работают ответы из базы знаний у AI-агентов в Пачке: агент находит ответ в документах и переписке компании и ссылается на источник. Новичку не нужно ждать, пока освободится коллега, а история обсуждений в чатах и тредах становится контекстом компании.

Для разработчиков

[Документация на dev.pachca.com →](https://dev.pachca.com/guides/ai-agents/overview?utm_source=pachca.com&utm_medium=glossary&utm_campaign=dev-portal)