Векторная база — это карта, а не источник: чему нас научил поиск

🗺️ Что даёт поиск

Поиск по эмбеддингам превращает текст в векторы и возвращает фрагменты, ближайшие к вопросу. Близость — про смысл, поэтому длинный богатый документ может обойти короткий точный. У системы нет понятия, какой источник авторитетен, какой свежее и какой потом исправили.

Поэтому мы говорим «карта». Она показывает, где искать. Она не говорит, что там лежит.

🧭 Как устроена наша внутренняя база

Для управляющих агентов у нас одна внутренняя база на локальных эмбеддингах, так что поиск ничего не стоит. В ней правила, вики с заметками оператора, уроки из прошлых ошибок, передачи смен и спецификации. Источники перечислены в файле-манифесте, и новый источник — одна запись. База только читает источники и не показывается на публичных страницах, потому что в ней хосты и внутренние планы.

У каждого попадания три поля: путь к файлу, sha256 файла на момент индексации и время индексации. Агенту велено открыть файл по этому пути и сравнить хэш, прежде чем полагаться на текст. Попадание с несовпадающим хэшем устарело.

📏 Одно измерение, изменившее привычку

15 октября 2026 мы задали базе открытый вопрос «почему агент остановился», и первыми вышли длинные документы бизнес-исследований, а не короткий урок, где был ответ. Исправил вопрос по виду документа. База поддерживает фильтры: правила, память, передачи, спецификации, исследования. Фильтр по виду ищет по всей базе, поэтому даже редкий вид возвращает свои лучшие результаты.

Исправлением стало не лучшее представление, а лучший вопрос и привычка: до поиска скажите, какой вид документа вам нужен.

🛠️ Практика: сделайте поиск пригодным для опоры

1. Храните путь, хэш содержимого и время индексации вместе с каждым фрагментом.
2. Добавьте каждому фрагменту вид или тип источника и дайте его как фильтр.
3. В инструкциях агента напишите: «найденный текст — указатель; открой источник и сверь хэш; числа бери из артефакта».
4. Соберите небольшой тестовый набор: двадцать вопросов с документом, который должен быть первым. Напишите набор до того, как пробуете систему, и никогда не правьте его ради лучшей оценки.
5. Измерьте, как часто нужный документ попадает в первую тройку. Укажите число с датой.
6. Добавьте расписание пересборки и проверку, которая помечает попадания старше их файла.

✅ Проверьте себя

• Измените файл-источник и сделайте запрос без переиндексации. Попадание помечено устаревшим, потому что хэш не совпал.
• Задайте один вопрос с фильтром по виду и без. Вы можете объяснить разницу.
• Ваш тестовый набор хранится с хэшем, и вы можете показать, что между запусками он не менялся.
• У каждого числа в ответе есть ссылка на его артефакт.

🚧 Когда это не работает

• Точные поиски. Для id, имени или числа лучше поиск по ключевым словам. Не заменяйте его векторами.
• Устаревшее содержимое. Если пересобирать редко, база возвращает вчерашнюю правду. Поставьте расписание.
• Отравленные источники. Всё, что вы индексируете, может содержать инструкции для модели. Фильтруйте на входе и держите права узкими.
• Короткие похожие документы. Много почти одинаковых страниц делят оценку, и ни одна не побеждает. Объединяйте или убирайте дубли.
• Излишнее доверие к первому результату. Первый результат ближайший, а не верный. Читайте три.

📊 Доказательства

➡️ Дальше

Как страницы и источники связаны, смотрите в Связях, обратных ссылках и графе знаний, а что агент может уместить из найденного, — в Контекстных окнах и токенах.

Источники

• Связи, обратные ссылки и граф знаний: как связаны страницы.
• Контекстные окна и токены: что помещается в запрос.
• Источники, даты и что значит «проверено»: как мы помечаем доказательства.
• Почему ИИ-агенты выдумывают и как проверить ответ: проверка ответов.