Методы заземления ответов
RAG-заземление — самый распространённый метод. Модель получает релевантные фрагменты из базы знаний и формирует ответ строго на их основе. Системный промпт явно запрещает использовать информацию вне переданного контекста.
Tool-calling заземление — агент вызывает реальные инструменты: API склада, CRM, расписания — и использует полученные данные как источник истины. Бот видит актуальные остатки, статусы, цены прямо в момент запроса.
Citation заземление — бот обязан указать источник каждого утверждения. Если источника нет — утверждение не делается. Применяется в юридических и медицинских системах.
В медицинском боте клиники «незаземлённая» модель может дать устаревшую или неточную рекомендацию по дозировке. PapAI MedScale отвечает только по актуальным клиническим протоколам с обязательным указанием документа-источника. Подробнее.
Grounding и реальное время
Без заземления LLM не знает текущего времени, актуальных цен, статусов заказов — она отвечает на основе данных обучения с датой отсечения. Для бизнес-бота это критично: интеграция с реальными системами через tool-calling обеспечивает ответы на основе данных «прямо сейчас», а не «год назад».
Связанные термины
- RAG — основной метод заземления через базу знаний
- Галлюцинации ИИ — проблема, которую решает заземление
- ИИ-агент — заземляет ответы через вызов инструментов
- LLM — языковая модель, которую нужно «заземлять»
Где применяется
Нужен бот, отвечающий только по вашим данным? Обсудим архитектуру.
Связаться с нами