Comments 6
Именно для этого созданы два MCP-сервера: documents1c (поиск по документации 1С) и metadata1c (поиск по конфигурациям 1С)
И как это посмотреть? Или это теоретические выкладки? Не понятно...
теоретические выкладки для тех кто реализует свои RAG системы. В статье описаны грабли на которые я наступил при проектировании и как сделать так чтобы агент хорошо понимал смысл экосистемы 1С.
Было бы здорово пощупать это все. Теория - это хорошо, но практика - лучше :)
Вообще по опыту работы с AI в lsFusion, для AI куда важнее чтобы его "галюцинации", то есть когда он думает как должно быть, совпадало с реальностью, как есть на самом деле. То есть язык / платформа должны быть максимально хорошо спроектированы / абстрагированы (декларативны) и непротиворечивы (то есть без избыточных абстракций). В противном случае никакой RAG к сожалению не поможет.
Полностью согласен! Вот пример на скрине когда модель из postporcess запихала в один ответ разнородную информацию из снипеттов, и галлюцинации это боль, т.к. составить хороший промт это 90% успеха попадания в промт+снипетты. Сейчас подкручиваю слой модели судьи для оценки качества ответов и системных промтов
Там беда еще в том, что можно в rules еще много чего напихать, и в 80 процентах ИИ будет использовать их, а в 20 процентов "я устал, пошли вы нафиг". А review'ить надо то в 100 процентах случаев, и в итоге получается что по сути это ИИ может превращаться просто в помощь в нажатии клавиш на клавиатуре.
Просто у некоторых людей представление о ИИ как о волшебной палочке, типа все равно какой код (платформа) под капотом, все равно же ИИ его пишет. А по факту получается наоборот, именно используемые код / платформа определяет эффективность ИИ. Мусор на входе - мусор на выходе.
RAG-система для документации 1С: архитектура MCP-серверов documents1c и metadata1c