Как работать с RAG в случае, если тексты профессиональные и сложные? Добавляем контексты в RAG с помощью Contextual Retrieval для больших и множественных документов.

Чему научишься

• Определять MIME type файлов на Яндекс.Диске и направлять их в нужную ветку обработки
• Доставать текст из docx через Community-ноду n8n nodes docx converter и устанавливать её
• Резать большие тексты дважды: сначала на части по 10 тысяч символов, затем на чанки по 400 символов
• Использовать десятитысячную часть документа как контекст для каждого маленького чанка
• Выбирать подход по размеру документа: целиком через Gemini для 20–40 тысяч символов или двухуровневая нарезка для огромных текстов

Тайм-коды

1. 00:00Про-версия контекстуального ретривала и отличие от видео на YouTube
2. 00:30Flow для большого числа файлов на Яндекс.Диске
3. 01:00Определение MIME type и маршрутизация файлов
4. 01:31Проблема docx и Community-нода docx converter
5. 02:01Передача извлечённого текста в Raw text
6. 02:32Проблема больших файлов: PDF на сотни страниц
7. 03:02Двойная сегментация: части по 10 тысяч символов
8. 04:02Контекст из большой части для каждого чанка в 400 символов
9. 05:02Когда можно обойтись без разбиения: документы до 20–40 тысяч символов и Gemini
10. 05:33Контекстуализация, векторизация и цикл по файлам
11. 06:03Как улучшать подход и делиться своими кейсами