Embeddings и RAG: как модель отвечает по вашим документам
Суть
Embedding — это вектор из сотен или тысяч чисел, который кодирует смысл текста. Тексты с похожим смыслом получают близкие векторы, даже если в них нет общих слов. RAG (Retrieval-Augmented Generation) использует это для поиска: перед вопросом к LLM находим релевантные фрагменты документов и подставляем их в промпт. Модель отвечает по актуальным данным, а не «по памяти».
Продолжение ответа с кодом и уточняющими вопросами интервьюера — в приложении DevPrep.
Полный ответ — в DevPrep