Учебный проект: RAG-ассистент для быстрого поиска информации в базе знаний компании. Ассистент принимает вопрос пользователя, находит релевантные фрагменты в документах и формирует ответ на их основе с помощью языковой модели. Такое решение может использоваться для внутренних баз знаний, инструкций, регламентов, FAQ и поддержки сотрудников. Вместо ручного поиска по большому количеству документов пользователь получает готовый ответ на естественном языке. В проекте реализованы: — семантический поиск по документам; — формирование ответа на основе найденного контекста; — работа с векторной базой знаний; — кэширование повторяющихся запросов; — вывод использованных фрагментов и источников. При тестировании система корректно находила релевантные документы и формировала ответы на их основе. Повторяющиеся запросы могли возвращаться из кэша без повторной генерации. Технологии: Python, RAG, ChromaDB, embeddings, OpenAI API, кэширование.