Представьте: менеджер магазина спрашивает ИИ-агента: «Что из молочных продуктов от “Беты“ у нас закончилось?»
Чтобы ответить, агенту нужно связать сведения о товарах, поставщиках и остатках.
В этом помогает онтология. В ней заранее описано, что:
🔹 йогурт и кефир относятся к молочным продуктам
🔹 поставщик и производитель — разные роли: первый поставляет товар, а второй производит
🔹 остаток показывает количество конкретного товара в конкретном магазине.
Из подключенных учетных систем, например 1С, агент получает данные о клубничном йогурте. Его производит «Сигма», поставляет «Бета», и в магазине он закончился — остаток равен нулю.
А может ли LLM справиться без онтологии?
Да — если получит необходимый контекст другим способом. Например, изучит схемы данных и документацию. Но если сведения разбросаны по источникам, агенту придется искать их и восстанавливать отношения. Это может привести к ошибкам.
С онтологией часть этой работы выполнена заранее: понятия и отношения явно описаны и связаны с данными. Это может сделать ответы точнее, быстрее и дешевле — за счет меньшего числа ошибочных трактовок, поисковых запросов и повторных попыток.
Как вам такой ликбез? Ставьте 👍 и пишите в комментариях, какие понятия вам хотелось бы видеть в нашей новой рубрике 👇
📬 Мы в MAX
Чтобы ответить, агенту нужно связать сведения о товарах, поставщиках и остатках.
В этом помогает онтология. В ней заранее описано, что:
🔹 йогурт и кефир относятся к молочным продуктам
🔹 поставщик и производитель — разные роли: первый поставляет товар, а второй производит
🔹 остаток показывает количество конкретного товара в конкретном магазине.
Из подключенных учетных систем, например 1С, агент получает данные о клубничном йогурте. Его производит «Сигма», поставляет «Бета», и в магазине он закончился — остаток равен нулю.
А может ли LLM справиться без онтологии?
Да — если получит необходимый контекст другим способом. Например, изучит схемы данных и документацию. Но если сведения разбросаны по источникам, агенту придется искать их и восстанавливать отношения. Это может привести к ошибкам.
С онтологией часть этой работы выполнена заранее: понятия и отношения явно описаны и связаны с данными. Это может сделать ответы точнее, быстрее и дешевле — за счет меньшего числа ошибочных трактовок, поисковых запросов и повторных попыток.
Как вам такой ликбез? Ставьте 👍 и пишите в комментариях, какие понятия вам хотелось бы видеть в нашей новой рубрике 👇
Please open Telegram to view this post
VIEW IN TELEGRAM
👍10❤6🔥6
Media is too big
VIEW IN TELEGRAM
🛫 Почему ИИ никогда не заменит сотрудников авиакомпании?
Мария Ткачева, CDO S7 Airlines, рассказывает, какую работу в авиации можно доверить ИИ и почему за полет все равно должен отвечать человек.
Смотрите первый выпуск DATA SPACE — проекта VK Tech о данных и людях, которые с ними работают. Скоро выложим другие интересные моменты!
📬 Мы в MAX
Мария Ткачева, CDO S7 Airlines, рассказывает, какую работу в авиации можно доверить ИИ и почему за полет все равно должен отвечать человек.
Смотрите первый выпуск DATA SPACE — проекта VK Tech о данных и людях, которые с ними работают. Скоро выложим другие интересные моменты!
Please open Telegram to view this post
VIEW IN TELEGRAM
👍8🔥7❤6😁1
🧹 Обслуживание таблиц можно автоматизировать без собственных скриптов
🔹 В метасторе появились политики автоматического обслуживания таблиц в формате Iceberg. Вы можете задать условия, при которых система сама запустит оптимизацию. Кроме того, выполнять такие сервисные операции можно одной командой сразу для целой группы таблиц.
🔹 Также теперь можно настроить компакцию — объединение мелких файлов. Условия запуска (например, количество файлов или их средний размер) настраиваются под ваши задачи — вы сами определяете пороги в политике, а метастор следит за их выполнением.
Перед запуском используйте dry-run. Он показывает, какие операции будут выполнены для выбранного объекта, не запуская их. После обслуживания историю можно посмотреть в журнале — по объекту или конкретному правилу.
Так команда тратит меньше времени на ручные запуски и скрипты, а все выполненные операции остаются под контролем.
📬 Мы в MAX
🔹 В метасторе появились политики автоматического обслуживания таблиц в формате Iceberg. Вы можете задать условия, при которых система сама запустит оптимизацию. Кроме того, выполнять такие сервисные операции можно одной командой сразу для целой группы таблиц.
🔹 Также теперь можно настроить компакцию — объединение мелких файлов. Условия запуска (например, количество файлов или их средний размер) настраиваются под ваши задачи — вы сами определяете пороги в политике, а метастор следит за их выполнением.
Перед запуском используйте dry-run. Он показывает, какие операции будут выполнены для выбранного объекта, не запуская их. После обслуживания историю можно посмотреть в журнале — по объекту или конкретному правилу.
Так команда тратит меньше времени на ручные запуски и скрипты, а все выполненные операции остаются под контролем.
Please open Telegram to view this post
VIEW IN TELEGRAM
👏8❤6👍5🤔2👾1
Как у вас организовано обслуживание таблиц?
Anonymous Poll
15%
Используем возможности метастора
47%
Запускаем собственные скрипты
12%
Выполняем операции вручную
26%
Сочетаем несколько подходов
❤7🔥7👍6🤔1
ИИ-агенты, RAG и Lakehouse — обсуждаем в ноябре 🔹
Как встроить ИИ в рабочие процессы, подключить к нему знания компании и подготовить переезд хранилища? Разберем эти задачи на четырех бесплатных онлайн-вебинарах.
⭐️ 12 ноября · 11:00
ИИ-агенты в бизнес-процессах
Поговорим о том, как в VK AI Space агенты сохраняют контекст, следуют регламентам и работают в команде. Разберем, как связать этапы процесса — от постановки задачи до проверки результата — и определить, когда нужен человек.
⭐️ 19 ноября · 11:00
Корпоративные знания для ИИ-ассистента
Расскажем, как подключить документы и базы знаний к ассистенту в VK AI Space с помощью RAG. Как поиск по знаниям компании помогает повысить точность ответов, проверить их источники и учитывать обновления информации.
⭐️ 25 ноября · 16:00
Миграция на Lakehouse без простоя
С командой VK Data Platform покажем переход с Greenplum на Lakehouse с Iceberg: что переносить напрямую, а что перепроектировать. Отдельно разберем параллельную работу двух контуров и проверку данных, SQL и производительность перед переключением. Будет демонстрация миграции.
⭐️ 26 ноября · 11:00
Безопасный AI в корпоративном контуре
Еще одна встреча с командой VK AI Space — о безопасности корпоративного ИИ. Подробной программой поделимся позже.
🗓 Добавляйте даты в календарь и следите за анонсами в нашем канале, чтобы не пропустить регистрацию.
📬 Мы в MAX
Как встроить ИИ в рабочие процессы, подключить к нему знания компании и подготовить переезд хранилища? Разберем эти задачи на четырех бесплатных онлайн-вебинарах.
ИИ-агенты в бизнес-процессах
Поговорим о том, как в VK AI Space агенты сохраняют контекст, следуют регламентам и работают в команде. Разберем, как связать этапы процесса — от постановки задачи до проверки результата — и определить, когда нужен человек.
Корпоративные знания для ИИ-ассистента
Расскажем, как подключить документы и базы знаний к ассистенту в VK AI Space с помощью RAG. Как поиск по знаниям компании помогает повысить точность ответов, проверить их источники и учитывать обновления информации.
Миграция на Lakehouse без простоя
С командой VK Data Platform покажем переход с Greenplum на Lakehouse с Iceberg: что переносить напрямую, а что перепроектировать. Отдельно разберем параллельную работу двух контуров и проверку данных, SQL и производительность перед переключением. Будет демонстрация миграции.
Безопасный AI в корпоративном контуре
Еще одна встреча с командой VK AI Space — о безопасности корпоративного ИИ. Подробной программой поделимся позже.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤8👍7🔥7🫡2
Что вы делаете, когда в Trino не хватает оперативной памяти?
Если на одном кластере одновременно выполняется много запросов, они делят между собой оперативную память. На пике ее может не хватить даже запросу, который при обычной нагрузке проходит без ошибок.
Мы хотим понять, как с этим справляются команды, которые используют Trino в России. Нас интересуют два механизма.
🔹 Spilling — временно сбросить часть данных на локальный диск
Когда памяти становится мало, Trino может записать часть промежуточных данных на диск, а потом продолжить исполнение запроса, читая их обратно по мере необходимости. На рабочих узлах нужны локальные диски с местом под временные данные. Когда часть промежуточных данных сброшена на диск, запрос может выполняться дольше.
🔹 Fault-tolerant execution (FTE) — повторить часть запроса после сбоя
В режиме повтора TASK Trino сохраняет данные, которыми обмениваются стадии исполнения запроса, во внешнее хранилище, например S3-совместимое. Если отдельная задача падает, Trino может повторить ее и использовать уже сохраненные данные. Запись идет даже при штатной работе, когда оперативной памяти хватает.
💬 Как вы решаете эту проблему у себя в проде? Используете spilling, FTE или решаете проблему иначе? Расскажите о своем опыте в комментариях 👇
📬 Мы в MAX
Если на одном кластере одновременно выполняется много запросов, они делят между собой оперативную память. На пике ее может не хватить даже запросу, который при обычной нагрузке проходит без ошибок.
Мы хотим понять, как с этим справляются команды, которые используют Trino в России. Нас интересуют два механизма.
Когда памяти становится мало, Trino может записать часть промежуточных данных на диск, а потом продолжить исполнение запроса, читая их обратно по мере необходимости. На рабочих узлах нужны локальные диски с местом под временные данные. Когда часть промежуточных данных сброшена на диск, запрос может выполняться дольше.
В режиме повтора TASK Trino сохраняет данные, которыми обмениваются стадии исполнения запроса, во внешнее хранилище, например S3-совместимое. Если отдельная задача падает, Trino может повторить ее и использовать уже сохраненные данные. Запись идет даже при штатной работе, когда оперативной памяти хватает.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤19👍17👏12🔥4
Как вы справляетесь с нехваткой памяти при выполнении запросов в Trino?
Anonymous Poll
49%
Сбрасываем часть данных на локальный диск (spilling)
55%
Повторяем отдельные задачи после сбоя (FTE в режиме TASK)
17%
Свой вариант, расскажу в комментариях
❤15🔥11🥰11👍2💯2
Как дать корпоративный контекст ИИ-агентам в VK AI Space
Чтобы включить ИИ-агентов в бизнес-процессы, недостаточно просто поставить задачу. Важно задать правила работы, обеспечить сохранение контекста и определить, когда агент действует самостоятельно, а когда подключает сотрудника.
⏰ 12 ноября в 11:00 наши спикеры расскажут, как организовать такую работу в VK AI Space. Эксперты — Сергей Врулин, руководитель команды по ИИ-агентам, и Евгений Бобосов, ведущий менеджер проектов VK Tech.
Что расскажем:
🔹 память агента: как использовать историю взаимодействия и корпоративные знания
🔹 регламенты: как задать ограничения и порядок действий
🔹 участие человека: когда агент должен передать задачу сотруднику
🔹 команда агентов: как связать все этапы процесса — от постановки задачи до проверки.
Готовьте свои вопросы о процессах, которые хотите поручить агентам. Будем обсуждать решения вместе!
➡️ Регистрируйтесь по ссылке
📬 Мы в MAX
Чтобы включить ИИ-агентов в бизнес-процессы, недостаточно просто поставить задачу. Важно задать правила работы, обеспечить сохранение контекста и определить, когда агент действует самостоятельно, а когда подключает сотрудника.
⏰ 12 ноября в 11:00 наши спикеры расскажут, как организовать такую работу в VK AI Space. Эксперты — Сергей Врулин, руководитель команды по ИИ-агентам, и Евгений Бобосов, ведущий менеджер проектов VK Tech.
Что расскажем:
🔹 память агента: как использовать историю взаимодействия и корпоративные знания
🔹 регламенты: как задать ограничения и порядок действий
🔹 участие человека: когда агент должен передать задачу сотруднику
🔹 команда агентов: как связать все этапы процесса — от постановки задачи до проверки.
Готовьте свои вопросы о процессах, которые хотите поручить агентам. Будем обсуждать решения вместе!
➡️ Регистрируйтесь по ссылке
Please open Telegram to view this post
VIEW IN TELEGRAM
❤10🔥7👍4
Media is too big
VIEW IN TELEGRAM
Мария Ткачева, CDO S7 Airlines, рассказывает, почему компании все больше готовы тратить на работу с данными ради их качества и безопасности.
Смотрите первый выпуск DATA SPACE — проекта VK Tech о данных и людях, которые с ними работают. Скоро выложим другие интересные моменты!
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥6❤4👍4
🔎 Как научить ИИ-ассистента отвечать на вопросы, опираясь на базу знаний компании?
Технология Retrieval-Augmented Generation (RAG), или генерация с поиском по источникам, позволяет ассистенту опираться не только на знания, полученные при обучении, но и на корпоративные документы. Она помогает находить в базе знаний фрагменты, подходящие к вопросу, и передавать их модели для подготовки ответа.
19 ноября в 11:00 на вебинаре VK AI Space разберем, как собрать ассистента с RAG и проверить его ответы. Дмитрий Багрий, менеджер продукта VK Tech, расскажет:
🔹 как подключить корпоративные документы и базы знаний к ассистенту в VK AI Space и использовать их в ответах
🔹 как поиск по этим материалам помогает модели точнее отвечать на рабочие вопросы
🔹 как проверить, на какой документ опирался ассистент
🔹 как работать с обновляемой базой знаний и снизить риск ответа по устаревшей информации.
➡️ Посмотреть программу и зарегистрироваться
📬 Мы в MAX
Технология Retrieval-Augmented Generation (RAG), или генерация с поиском по источникам, позволяет ассистенту опираться не только на знания, полученные при обучении, но и на корпоративные документы. Она помогает находить в базе знаний фрагменты, подходящие к вопросу, и передавать их модели для подготовки ответа.
19 ноября в 11:00 на вебинаре VK AI Space разберем, как собрать ассистента с RAG и проверить его ответы. Дмитрий Багрий, менеджер продукта VK Tech, расскажет:
🔹 как подключить корпоративные документы и базы знаний к ассистенту в VK AI Space и использовать их в ответах
🔹 как поиск по этим материалам помогает модели точнее отвечать на рабочие вопросы
🔹 как проверить, на какой документ опирался ассистент
🔹 как работать с обновляемой базой знаний и снизить риск ответа по устаревшей информации.
➡️ Посмотреть программу и зарегистрироваться
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥9❤8👏7
🤖 От дата-офиса до ИИ-агентов: опыт 150+ CDO
Когда компания использует 10–20 ТБ данных, работает с 50+ информационными системами и состоит из нескольких бизнес-юнитов, управлять данными становится сложнее. На этом этапе уже стоит задумать о более системном подходе.
К такому выводу мы пришли, опросив свыше 150 дата-лидеров и поговорив с 12 отраслевыми экспертами.
Результаты собрали в исследовании «От хаоса к управляемости». В нем разбираем, как собрать дата-команду, распределить задачи, наладить процессы и выбрать инструменты, которыми будут пользоваться сотрудники.
Как это работает на практике, показывает опыт VK, о котором рассказала директор по продуктам направления «Дата-сервисы» Екатерина Канунникова:
Мы также изучили бюджеты запуска и масштабирования дата-офисов, роли амбассадоров и опыт крупных компаний, включая Почту Mail. А проверить, насколько ваша компания готова к системному управлению данными, можно по чек-листу.
👉 Получить результаты исследования
📬 Мы в MAX
Когда компания использует 10–20 ТБ данных, работает с 50+ информационными системами и состоит из нескольких бизнес-юнитов, управлять данными становится сложнее. На этом этапе уже стоит задумать о более системном подходе.
К такому выводу мы пришли, опросив свыше 150 дата-лидеров и поговорив с 12 отраслевыми экспертами.
Результаты собрали в исследовании «От хаоса к управляемости». В нем разбираем, как собрать дата-команду, распределить задачи, наладить процессы и выбрать инструменты, которыми будут пользоваться сотрудники.
Как это работает на практике, показывает опыт VK, о котором рассказала директор по продуктам направления «Дата-сервисы» Екатерина Канунникова:
«Фокус дата-офисов смещается от развития инфраструктуры к тому, насколько быстро бизнес может находить и использовать данные. В VK мы подключили AI-агентов к каталогу данных: вместо поиска контекста по репозиториям они получают сведения об источниках, показателях и зависимостях из единой системы. В результате поиск данных для AI-агентов ускорился примерно в 3 раза».
Мы также изучили бюджеты запуска и масштабирования дата-офисов, роли амбассадоров и опыт крупных компаний, включая Почту Mail. А проверить, насколько ваша компания готова к системному управлению данными, можно по чек-листу.
👉 Получить результаты исследования
Please open Telegram to view this post
VIEW IN TELEGRAM
❤8🎉6👍4🔥1
🕚 Через полчаса встречаемся на вебинаре об ИИ-агентах!
В 11:00 по московскому времени Сергей Врулин и Евгений Бобосов из VK Tech покажут, как в VK AI Space агенты используют знания компании, работают по ее правилам и выполняют задачи.
Поговорим и об участии человека: какие решения можно поручить агентам, а когда стоит подключить сотрудника.
Задавайте вопросы в комментариях — будем обсуждать.
➡️ Присоединиться к эфиру
📬 Мы в MAX
В 11:00 по московскому времени Сергей Врулин и Евгений Бобосов из VK Tech покажут, как в VK AI Space агенты используют знания компании, работают по ее правилам и выполняют задачи.
Поговорим и об участии человека: какие решения можно поручить агентам, а когда стоит подключить сотрудника.
Задавайте вопросы в комментариях — будем обсуждать.
➡️ Присоединиться к эфиру
Please open Telegram to view this post
VIEW IN TELEGRAM
❤4👍4🔥4
🆕 Выпустили новую версию платформы корпоративного ИИ VK AI Space
Она объединяет семь модулей для работы с моделями, корпоративными знаниями и ИИ-агентами. Компоненты можно использовать вместе или по отдельности — под задачи компании.
Что позволяет делать VK AI Space:
Платформу можно развернуть на собственном оборудовании и использовать без интернета.
Подробнее об обновлении →
📬 Мы в MAX
Она объединяет семь модулей для работы с моделями, корпоративными знаниями и ИИ-агентами. Компоненты можно использовать вместе или по отдельности — под задачи компании.
Что позволяет делать VK AI Space:
🔘 подключать агентов к рабочим системам через API, работать с базами данных и файлами🔘 проверять ответы на тестовых данных🔘 задавать ограничения для агента на трех этапах: при получении запроса, формировании ответа и вызове инструмента🔘 запрашивать подтверждение сотрудника, если операция требует участия человека🔘 управлять доступом и использованием платформы — для этого предусмотрены роли, квоты и журнал аудита.
Платформу можно развернуть на собственном оборудовании и использовать без интернета.
Подробнее об обновлении →
Please open Telegram to view this post
VIEW IN TELEGRAM
❤6👍5🔥5👾1
This media is not supported in your browser
VIEW IN TELEGRAM
Теперь если сотрудник впервые входит в CedrusData Catalog через OIDC, каталог может сам создать ему учетную запись. Роли он получает из токена доступа. Рассказываем про другие изменения версии CedrusData 476-6
В предыдущих релизах мы добавили жесткие лимиты памяти для ресурсных групп и принудительное завершение запросов при исчерпании пула. В обновлении завершили второй этап стабилизации Oxide и расширили видимость метрик движка.
Что изменилось в работе с источниками:
Что изменилось в SQL Web UI
Таблицы данных перевели на единый компонент и убрали устаревшие зависимости.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥7👍5❤4
С ростом кластера Greenplum масштабировать его становится сложнее. Lakehouse может стать альтернативой, но переход нужно спланировать: перенести данные, SQL-запросы и процедуры, переподключить пайплайны и проверить новую систему, пока старая продолжает работать.
На бесплатном вебинаре 25 ноября в 16:00 мск разберем, когда стоит переходить на Lakehouse и как подготовиться к миграции.
🔹 Оценим необходимость миграции — когда возможностей Greenplum хватит, а когда стоит разделить вычисления и хранение.
🔹 Составим план — как найти зависимости между таблицами, процедурами и отчетами, определить, что нужно перенести, а что — изменить или переработать.
🔹 Покажем миграцию на практике — перенесем данные в Iceberg с помощью CedrusData Engine, разберем SQL и процедуры, переподключим пайплайны и BI. Покажем, где помогают ИИ-агенты.
🔹 Проверим результат до переключения — сравним данные, схемы, результаты запросов и производительность двух систем. Разберем теневой запуск.
Вебинар проведут эксперты Data Services VK Tech. Руководитель presale-направления Павел Савченко разберет архитектуру и план перехода, а менеджер продукта Никита Суровегин покажет миграцию на практике.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥6❤4👍4
This media is not supported in your browser
VIEW IN TELEGRAM
Начинаем новую рубрику — задачи, которые помогут проверить себя и лучше понять, как устроены данные. Сегодня ищем источник лишних рублей ⤵️
Условие
Представьте, что вы собираете отчет о продажах. В базе есть три таблицы:
🔘 orders — заказы
🔘 payments — платежи по заказам
🔘 order_items — товарные позиции заказов.
Покупатель может оплатить заказ несколькими платежами. Каждый платеж относится к заказу целиком, а не к отдельному товару. Цены товаров хранятся в позициях заказа, но для этой задачи не понадобятся.
В исходных данных два заказа:
🔘 № 101: два платежа — 6 000 и 4 000 ₽; две товарные позиции
🔘 № 102: один платеж — 20 000 ₽; одна товарная позиция.
В каждой позиции — одна единица товара. Правильные итоги отчета: сумма платежей — 30 000 ₽, количество товаров — 3.
Чтобы посчитать оба показателя, написали запрос:
⭕️ Но запрос возвращает 40 000 ₽ и пять товаров.
🤔 Откуда взялись лишние деньги и товары? Как исправить запрос, чтобы оба показателя считались правильно?
Пишите версии в комментариях. Когда наберется пять ответов, опубликуем разбор.
📬 Мы в MAX
Условие
Представьте, что вы собираете отчет о продажах. В базе есть три таблицы:
Покупатель может оплатить заказ несколькими платежами. Каждый платеж относится к заказу целиком, а не к отдельному товару. Цены товаров хранятся в позициях заказа, но для этой задачи не понадобятся.
В исходных данных два заказа:
В каждой позиции — одна единица товара. Правильные итоги отчета: сумма платежей — 30 000 ₽, количество товаров — 3.
Чтобы посчитать оба показателя, написали запрос:
SELECT
SUM(p․amount) AS revenue,
COUNT(oi․id) AS items
FROM orders o
LEFT JOIN payments p ON p․order_id = o․id
LEFT JOIN order_items oi ON oi․order_id = o․id;
⭕️ Но запрос возвращает 40 000 ₽ и пять товаров.
🤔 Откуда взялись лишние деньги и товары? Как исправить запрос, чтобы оба показателя считались правильно?
Пишите версии в комментариях. Когда наберется пять ответов, опубликуем разбор.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5👍4🤔4
При подключении ИИ-агента к корпоративным данным нужно решить, какие права ему выдавать, какой информацией он может делиться в ответах и как отслеживать его действия.
26 ноября в 11:00 на бесплатном вебинаре «Безопасный AI в корпоративном контуре» разберем, как настраивать ИИ-агентов в VK AI Space. Азамат Исмагулов, менеджер продукта в VK Tech, расскажет:
Если у вас уже есть задача для агента, приходите с ней. На вебинаре сможете задать вопросы эксперту и разобраться, как реализовать свой сценарий в VK AI Space.
➡️ Посмотреть программу и зарегистрироваться
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2👍2🔥2
⏰ Через полчаса начинаем вебинар про RAG в VK AI Space
В 11:00 Дмитрий Багрий из VK Tech покажет, как подключить корпоративные документы к ИИ-ассистенту и проверить, на какие источники он опирался в ответе.
Если у вас есть вопросы про RAG — задавайте их в комментариях, ответим во время эфира 👇
➡️ Подключиться к эфиру
📬 Мы в MAX
В 11:00 Дмитрий Багрий из VK Tech покажет, как подключить корпоративные документы к ИИ-ассистенту и проверить, на какие источники он опирался в ответе.
Если у вас есть вопросы про RAG — задавайте их в комментариях, ответим во время эфира 👇
➡️ Подключиться к эфиру
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4🔥4❤3