Retrieval-Augmented Generation (RAG) решает проблему поиска по гигабайтам документов, регламентов и переписок: система понимает смысл вопроса и выдаёт готовый ответ, собранный из нужных фрагментов. Выбор неправильной архитектуры — это внедрение, которое либо не взлетит, либо окажется в 10 раз дороже необходимого.

Анализ архитектур:

1. LightRAG — 70% бизнес-задач Семантический поиск с квантованием: вектор размером 3 КБ сжимается до 16 байт через Product Quantization. Индекс на миллион документов занимает 16 МБ вместо 3 ГБ. Поиск — 0,5 мс. Падение точности — 1–1,5%. Ozon, Spotify, Uber построили поиск именно так. Когда 90% запросов состоят из 2–3 слов, платить за сложные графы нет смысла.

2. CRAG — когда цена ошибки высока Система с самопроверкой: перед ответом оценивает релевантность каждого документа по шкале 0–10. Не уверена — переформулирует запрос и ищет заново. Совсем не уверена — честно сообщает, а не придумывает. Цепочка доверия: база знаний (надёжность 0,9) → расширенный запрос (0,7) → веб-поиск (0,5) → чистая генерация (0,3). Банки, медицина, юриспруденция. Ответ приходит на пару секунд позже, но верифицирован.

3. RAPTOR — иерархическая работа с документами Не режет документы на равные куски, а строит дерево: обобщения наверху, детали внизу. Понимает, когда нужен стратегический ответ, а когда — конкретный пункт договора. При поступлении новых документов пересуммаризирует только затронутую ветку, не трогая всю базу. Юридические департаменты, compliance, образовательные платформы.

4. GraphRAG — выявление скрытых связей Раскладывает знания на сущности и связи, затем применяет алгоритмы сообществ. Ключевое различие: Leiden — строгий, требует плотных прямых связей (антимонопольные расследования, где нужны доказательства). Louvain — агрессивный, находит цепочки через 6 рукопожатий (скрытые аффилиации). HSBC и JP Morgan используют для due diligence. Дорого и оправдано только на сотнях тысяч связанных сущностей.

5. PathRAG — ответ на вопрос «как именно» Индексирует пути между узлами, а не сами узлы. Показывает не «кто связан», а «как проходит связь». Проблема: граф на 1000 узлов порождает 10 миллионов путей длины 4. Без жёсткой обрезки по весу и ограничения глубины система утонет в вычислениях. Логистика (DHL, FedEx), расследование мошенничества, анализ цепочек поставок.

6. HippoRAG — долговременная память с обучением Имитирует работу гиппокампа: три уровня памяти с затуханием весов. Связь «клиент → предпочтения» после 10 обращений усиливается в разы. Неиспользуемое забывается. 99% операций делается статистическими методами без LLM, что дёшево. Но настройка кривой забывания — сложная инженерная задача. Персональные ассистенты, системы с длинным клиентским циклом.

Как выбирать 80% корпоративных задач — LightRAG + CRAG. Быстрый поиск с самопроверкой как база. Юрдепы и compliance добавляют RAPTOR сверху. GraphRAG и PathRAG — только когда бизнес напрямую зависит от выявления скрытых связей. HippoRAG — для продуктов, где контекст должен жить неделями.

Стоимость владения между LightRAG и GraphRAG отличается на порядок. Тип RAG выбирается под метрики бизнеса. Понимание, за что именно вы платите — это и есть экспертиза, отделяющая работающее решение от дорогого прототипа. #AI #RAG #EnterpriseAI #DigitalTransformation #AISystems