Я собирал RAG-бота для Helpdesk, который отвечает по инструкциям и типовым вопросам. Ошибку здесь легко списать на модель. Но до неё работает поиск: он извлекает фрагменты из базы, а затем модель собирает ответ из найденного контекста.

Проблема возникает не от того, что в базе две статьи сами по себе. Она начинается, когда у инструкций нет версии, статуса актуальности и области применимости. Тогда в выдачу может попасть старый фрагмент или сразу несколько конфликтующих, а ответ выглядит вполне убедительно.

Поэтому перед настройкой промпта я бы проверил, есть ли у каждой инструкции владелец, версия, статус актуальности и область применимости. Устаревшие материалы не подмешиваются в поиск «на всякий случай»; для них нужен ясный статус архива. После этого можно оценить качество поиска и отдельно разобрать ответы.

AI не наводит порядок в знаниях сам. Он быстро обнаруживает пробелы в этом порядке. Как вы отделяете действующую инструкцию от исторической в своей базе?