Главная/AI Инженерия/Блупринты/Production RAG & Поиск/Корпоративный RAG-ассистент по базе знаний на Supabase pgvector и Hybrid Search
К карточкам раздела «Production RAG & Поиск»Production RAG & Поиск(ТЗ 1 из 6)
ТЗ: Корпоративный RAG-ассистент по базе знаний на Supabase pgvector и Hybrid SearchТрудозатраты~16 рабочих часов
Фриланс вилка~$720 – $1,200 (€640 – €1120)
Оценка веб-студии~$1,520 – $2,560 (€1440 – €2400)
ТЗ заказчика (исходный бриф):
Главная проблема базового RAG — галлюцинации и пропуск точных артикулов/ГОСТов. Нам нужен гибридный поиск: если сотрудник ищет конкретный номер регламента, система обязана найти его по ключевым словам, а не по приблизительному смыслу.
Ключевые требования:
- •Построение индекса HNSW в PostgreSQL через расширение pgvector для поиска за миллисекунды
- •Гибридное ранжирование Reciprocal Rank Fusion (RRF): объединение полнотекстового поиска tsvector и семантических эмбеддингов
- •Переранжирование топ-25 кандидатов с помощью Cohere Rerank для отсева шума до топ-5 контекстов
- •Потоковый вывод ответа с интерактивными сносками-цитатами на страницы исходных документов
Ограничения проекта:
- •Исключение галлюцинаций: модель обязана отвечать строго по предоставленному контексту
- •Изоляция прав доступа: сотрудник видит только те документы, к которым у него есть доступ (Row Level Security)
Критерии приёмки (KPI):
- Context Precision > 0.92 по метрике Ragas
- Время выполнения гибридного поиска в БД < 80ms
Пошаговое практическое руководство по ТЗ
Подробный разбор архитектуры, код реализации и советы эксперта по каждому этапу: