Тема 9 — Создание ИИ Агента, который отвечает на основе векторизованных данных

9️⃣ Тема 9 — Создание ИИ Агента, который отвечает на основе векторизованных данных

В этом видео вы узнаете, как собрать весь пройденный материал в один RAG-агент: забрать документы из Google Drive, завекторизовать их и отвечать в Telegram на основе собственных данных.

Мы модернизируем пайплайн векторизации, подключим Pinecone как инструмент для агента и настроим system message, чтобы ответы всегда опирались на найденные чанки.

Завершим урок финальным тестом: зададим вопрос про новогоднюю акцию и увидим, как бот возвращает точные даты из нашей базы.

Тайм-коды:

00:06 Краткий обзор того, что уже умеет автоматизация

00:13 Как данные двигаются между нодами и внешними сервисами

00:29 Подключённые интеграции: Telegram, Google Drive, векторное хранилище

00:45 Две ключевые части: векторизация и диалоговый бот

00:59 Как эти части работают отдельно

01:13 Идея объединить их в раг-агента

01:39 План: финализируем мастер-класс полноценным сценарием

01:54 Замена источника текста на Google Drive

02:01 Подготовка папки Testdocs с нужными файлами

02:32 Нода Google Drive Search с фильтром по папке

03:13 Выполнение поиска и получение file_id

03:26 Нода Download для скачивания документа

03:54 Проверка, что скачан нужный файл

04:06 Настройка data loader на работу с бинарным файлом

04:41 Изменение размера чанков до 200 символов

04:51 Запуск векторизации и получение 17 элементов

05:05 Просмотр индекса Pinecone и проверка записей

05:14 Убедились, что текст из документа завекторизован

05:28 Готовим данные для ответа агента

05:41 Возвращаемся к Telegram-автоматизации

05:48 Что такое инструменты (tools) у агента

05:58 Добавление Pinecone Vector Store как инструмента

06:37 Выбор индекса test2 и настройка поиска

07:00 Ограничение на четыре релевантных чанка

07:28 Добавление модели эмбеддингов для поиска

07:40 System message: сперва получи контекст через vector store

08:17 Придумываем вопрос про акцию «Цветы под ёлку»

08:31 Отправляем запрос в Telegram-бота

08:59 Запуск сценария: транскрибация, поиск, ответ

09:05 Агент использует Vector Store и формирует сообщение

09:12 Ответ с датами акции в Telegram

09:27 Просмотр найденных чанков внутри ноды Pinecone

09:48 Система теперь умеет полный цикл: векторизация + диалог

09:57 Подведение итогов возможностей

10:03 Финальное прощание и приглашение продолжить работу