ЗАДАЧА Создать RAG-ассистента для начинающих промпт-инженеров. Бот должен отвечать на вопросы по курируемой базе знаний, указывать конкретный источник и работать в Telegram. РЕШЕНИЕ Развёрнут RAG-конвейер на open-source стеке: — n8n (Docker) — оркестрация — Qdrant — векторная база, 254 чанка — OpenAI gpt-4o-mini (temp 0.2) — основная LLM — text-embedding-3-small — эмбеддинги 1536 dim — Telegram Bot API — канал общения База знаний: 18 Markdown-документов на основе Anthropic, OpenAI, DAIR.AI. Чанки по 500 токенов с overlap 100, индексация через эмбеддинги, метаданные с именем файла-источника. Архитектура: Telegram Trigger → n8n AI Agent (Tools mode) + Memory (Window 5) + Qdrant Vector Store в режиме «Retrieve as Tool» + Embeddings OpenAI → Send Message. Главная инженерная задача — указание реальных имён файлов из metadata, а не общих формулировок. Решено через режим «Retrieve as Tool» и тонкую настройку системного промпта. РЕЗУЛЬТАТЫ — Точность: 30/30 на тест-сете (KPI 85%) — Время ответа: