RAG

RAG (retrieval-augmented generation) — схема «сначала найди, потом отвечай». Вместо того чтобы полагаться на знания, зашитые в модель при обучении, система по запросу достаёт релевантные документы (обычно поиском по эмбеддингам) и передаёт их модели как контекст для ответа.

Какую проблему решает

У языковых моделей два ограничения: знания заканчиваются датой обучения, а на незнакомые вопросы они склонны к галлюцинациям. RAG лечит оба: модель отвечает по свежим документам, которые ей только что нашли, и может сослаться на источник.

RAG и MCP — родственники

Оба подхода дают модели доступ к внешним данным, но по-разному. RAG — про поиск по базам знаний и документам. MCP — про живые инструменты: не «найди в архиве», а «сходи в сервис, запроси актуальные цифры, выполни действие». Для рекламного кабинета нужен именно второй путь: статистика меняется ежедневно, и ассистент должен читать её в момент вопроса — так работает Direct Manager с Claude и ChatGPT.