Разработка кастомных RAG-систем

Разработка RAG Для Вашей Компании

Merehead создаёт системы retrieval-augmented generation для ваших сотрудников и клиентов: внутренний поиск по знаниям, ассистентов службы поддержки и AI-функции внутри существующего продукта.

Большинство проектов начинается с ограниченного пилота или аудита уже существующей системы. Качество ответов проверяем на ваших реальных вопросах, прежде чем что-либо уйдёт в продакшн.

Ассистент по базе знаний на ноутбуке: ответ о VPN-доступе для подрядчиков с двумя ссылками на документы-источники
Услуги

Что входит в наши услуги по разработке RAG

Начните с одного этапа, например проверки готовности данных, или поручите нам полную разработку вплоть до запуска и поддержки.

Обсудить RAG-проект

«Теперь большинство таких вопросов закрывает RAG-ассистент. После пилота команда сама попросила добавить материалы по другим нашим продуктам.»

JC
James CarterРуководитель службы поддержки, США

RAG-консалтинг и оценка готовности данных

Дадут ли наши документы надёжные ответы?

Разработка RAG-пайплайна

Нужен поиск по нашим источникам, синхронизированный с ними.

LLM-приложение и интеграция

Ответы должны появляться в Slack, нашей CRM или нашем продукте.

Оценка и оптимизация качества

Никто не может сказать, как часто наш прототип отвечает правильно.

Развёртывание и дальнейшая поддержка

Система должна работать в нашей среде, на данных, которые меняются каждую неделю.

Внутренний ассистент знанийПоддержка клиентов через AI-чатботQ&A для юристов и комплаенсаПоддержка продажПоиск по технической документации
Кейс

Кейс: RAG-ассистент для страховой компании

Условия полисов, инструкции и процедуры урегулирования убытков в отделах, у которых нет доступа к файлам друг друга.

92%

ответов подтверждено как правильныеЭксперты проверили 500 тестовых вопросов

Время на поиск информации
До15 мин
После3 мин
Ассистент по базе знаний для отдела урегулирования убытков на мониторе: ответ с источниками, сообщение о нехватке информации и доступ на уровне отдела
Гибридный поиск: ключевые слова + семантикаПроверка релевантности перед ответомДоступ на уровне отделовСсылки на документы-источникиСообщение «Недостаточно информации»

12 000 документов · 4 специалиста · 10 недель

Обсудить RAG-проект
Результаты

Что вы получаете и как это проверить

Каждый этап заканчивается результатом, который можно открыть, проверить и принять.

  • Отчёт о готовности данных

    Ваши владельцы данных подтверждают источники, пробелы и правила доступа

  • Работающая RAG-система

    Ваши пользователи тестируют её на практике реальными вопросами

  • Отчёт об оценке качества

    Ваш рецензент утверждает его по согласованным критериям

  • Исходный код и конфигурация развёртывания

    Ваши инженеры его проверяют; право собственности определяет договор

  • Документация и передача

    Ваша команда проверяет её и берёт на себя согласованные задачи

Репозиторий кода RAG-ассистента: поиск по ключевым словам и семантике с фильтрацией по доступу пользователяОперационный runbook, переданный команде клиента: добавление источников, переиндексация, правила доступа, повторные тесты, мониторинг

«Отдельно порадовало качество передачи проекта. Мы получили тесты, документацию и понятный процесс обновления базы знаний. Наши инженеры быстро разобрались в системе и вскоре взяли её поддержку на себя.»

Oliver BennettCTO, Великобритания
Бюджет

От чего зависит бюджет разработки RAG

Две RAG-системы с одинаковым набором функций могут требовать совершенно разного объёма работы, потому что основная часть усилий приходится на данные. Поэтому мы оцениваем каждый проект по его входным данным, а не по прайс-листу.

  1. 1

    Вы предоставляете входные данные

    Какие источники, сколько пользователей, правила доступа, где будет работать система, какие инструменты и чего вам стоит неправильный ответ.

  2. 2

    Разбивка часов по модулям

    Как только вы предоставите эти требования, наш Solutions Architect пришлёт разбивку часов по модулям.

  3. 3

    Обновление после аудита данных

    После аудита данных оценку обновляем с учётом того, что аудит выявил в ваших источниках.

Что влияет на стоимость

01

Количество и форматы источников

Чистый текст в одной вики легко индексировать. Сканированные PDF, электронные таблицы и сложные таблицы требуют дополнительного парсинга и проверки.

02

Качество данных

Дубликаты, устаревшие версии и противоречащие документы нужно убрать или ранжировать, иначе система будет отвечать не из того документа.

03

Требования к контролю доступа

Перенос прав доступа из SharePoint или CRM в поиск — отдельная инженерная работа.

04

Глубина тестирования качества

Ассистенту поддержки по публичной документации нужно меньше экспертной проверки, чем инструменту, на который полагается ваша юридическая команда.

05

Интеграции

Каждая целевая система добавляет работу по аутентификации, интерфейсу и поддержке.

06

Модель развёртывания

Управляемый облачный сетап обычно разворачивается быстрее, чем частное облако или on-premises с собственной моделью.

07

Объём запросов

Он больше влияет на размер инфраструктуры и расходы на модель, чем на объём разработки.

Для ориентира

Ассистент для страховой компании охватил 12 000 документов с доступом на уровне отделов; команда из четырёх человек сделала его за 10 недель.

Расходы на работу после запуска

Сильнее всего на эту сумму влияют объём запросов и выбор модели, поэтому мы моделируем её по вашей ожидаемой нагрузке в рамках оценки.

После запуска вы платите за использование LLM (за токены через API или за GPU-хостинг, если модель работает в вашей среде), хостинг векторной базы данных, вычисления для загрузки и синхронизации, а также мониторинг и логи. Добавьте время поддержки на исправление проблем поиска и повторные тесты при изменении контента.

Более широкий обзор AI-бюджетов — в нашем разборе стоимости разработки AI-приложений.

Процесс

Как проходит проект

Новые проекты обычно проходят четыре фазы. Каждая заканчивается вашим решением, прежде чем начнётся следующая. Если у вас уже есть RAG-система, работа начинается с её аудита, а фазы подстраиваются под то, что нужно исправить.

1

Исследование и аудит данных

Что нужно от вас

Доступ к образцам источников, владелец каждого источника, контактное лицо по безопасности

Точка решенияОбъём пилота: какой сценарий, какие источники, какие пользователи
2

Пилот

Что нужно от вас

Профильные эксперты, которые составляют тестовые вопросы и оценивают ответы

Точка решенияРешение о запуске в продакшн на основе согласованных критериев качества
3

Продакшн-разработка

Что нужно от вас

Требования к безопасности и инфраструктуре, доступ к системам, с которыми интегрируемся

Точка решенияПриёмка продакшн-системы после финального тестирования
4

Развёртывание и поддержка

Что нужно от вас

Владелец каждого источника и канал для обратной связи пользователей

Точка решенияКакие источники или сценарии подключать дальше
Сроки фиксируются после аудита данных. К этому моменту мы уже знаем, сколько документов нужно почистить, как хранятся права доступа и какие интеграции задействованы, а именно эти факторы влияют на график сильнее, чем список функций.
Данные и безопасность

Данные, интеграции и безопасность

Согласуется до начала разработки: откуда берутся данные, как они обновляются, кто их видит и где работает система.

Ваши источники подключены

PDF, Confluence, SharePoint, Notion, Drive, SQL, CRM, helpdesk. Ответы появляются в чате, Slack или вашем продукте. См. как интегрировать AI в приложение.

Всегда актуально

Изменения переиндексируются по расписанию, а удалённые документы исчезают из ответов.

Только нужным людям

Права доступа проверяются во время запроса через ваш SSO, что закрывает риск, описанный в OWASP LLM08:2025.

Работает там, где решите вы

Публичное облако, VPC или on-premises, с коммерческой или self-hosted моделью. Prompt injection и утечки данных учтены согласно OWASP Top 10 for LLM Applications.

Экраны статуса синхронизации источников и контроля доступа: синхронизированные источники и документы, отфильтрованные по команде через SSO
Тестирование качества

Как мы тестируем качество ответов перед запуском

Ваши эксперты определяют, что такое правильный ответ. Ничего не уходит в продакшн, пока ваш представитель не утвердит результаты.

01

Сбор

Реальные вопросы из тикетов, чатов и поисковых логов с ожидаемыми ответами, утверждёнными вашими экспертами.

02

Тест

В том числе случаи, где RAG ломается: нет ответа в источниках, устаревшие документы, файлы с ограниченным доступом.

03

Решение за вами

Запуск в продакшн, доработка, сужение объёма или остановка. После пилота это намного дешевле, чем после полной разработки.

Экран оценки: 92% ответов подтверждены экспертами как правильные на 500 реальных вопросах, сложные случаи и шаг утверждения

«Пилот показал пробелы, поэтому мы упорядочили документы и донастроили поиск. Теперь новые сотрудники быстрее находят нужное, а руководители тратят меньше времени на объяснение одного и того же.»

Iryna KovalОперационный директор, Украина
Кастомное или управляемое решение

Нужно ли вам кастомное RAG-решение?

Кастомная разработка имеет смысл, когда ваши источники сложные или чувствительные, когда пользователям нужны разные права доступа или когда система должна работать в вашей среде или внутри вашего продукта. Для более простых случаев управляемая RAG-платформа быстрее даёт рабочий результат.

Создано под ваш случай

Кастомная реализация

Лучше всего, когдаМного или нестандартных источников, строгие правила доступа, интеграция в ваш продукт
Контроль над данными и развёртываниемВы выбираете облако, частное облако или on-premises, а также модели
Глубина интеграцииКоннекторы, созданные под ваши системы, в рамках того, что открывают их API
КастомизацияПоиск, ранжирование, промпты и интерфейс под ваш случай
Время до первого результатаДольше, так как нужны исследование и разработка
Модель текущих расходовИнфраструктура и использование моделей под вашим контролем плюс поддержка
RAG как сервис

Управляемая платформа

Лучше всего, когдаСтандартные вопросы и ответы по документам распространённых форматов и поддерживаемым коннекторам
Контроль над данными и развёртываниемОграничено вариантами хостинга и моделей вендора
Глубина интеграцииКоннекторы и виджеты платформы
КастомизацияНастройка в рамках параметров платформы
Время до первого результатаКороче для поддерживаемых источников
Модель текущих расходовПодписка или оплата за использование по тарифам вендора

Одно не исключает другого

Кастомная система часто использует управляемые компоненты, например хостинговую векторную базу или коммерческий LLM API; страховой ассистент выше работает на OpenAI API и AWS.

Fine-tuning — это другой инструмент

Он меняет поведение модели — тон, формат ответа или работу с доменными терминами, — но не даёт модели доступа к вашим актуальным документам. Его можно совместить с RAG, когда нужны и свежие знания, и определённый стиль ответов.

Если ваш проект выходит за рамки поиска, например нужен выбор модели или fine-tuning, посмотрите наши услуги по разработке LLM.

Вопросы и ответы

FAQ

Право собственности, готовность данных, интеграция, выбор стека и поддержка после запуска.

Ваши данные остаются вашими, а права на код, конфигурацию и индекс фиксируются в договоре до начала работ.

Нет. Большинство команд начинает с неупорядоченных источников. На старте важно знать, какие документы являются авторитетными и кто ими владеет. Аудит данных показывает, что нужно почистить, и чистка, которая влияет на качество ответов, становится частью объёма проекта.

Да. Поиск и генерацию ответов можно предоставить как API, который вызывает ваш продукт. Главные вопросы проектирования — как ваше приложение передаёт идентичность пользователя, чтобы действовали права доступа, и как ответы показывают источники в вашем интерфейсе.

Выбираем после аудита данных, исходя из того, где можно обрабатывать ваши данные, ожидаемого объёма запросов и результатов на вашем тестовом наборе. Страховой ассистент, описанный выше, использовал Python, FastAPI, LangChain, PostgreSQL с pgvector и OpenAI API на AWS. Если данные не могут покидать вашу среду, внешний API заменяет open-source модель, размещённая на вашей инфраструктуре.

Поддержка включает мониторинг, исправление проблем синхронизации и поиска, а также повторный прогон тестового набора после изменений источников или модели. Добавление новых источников или сценариев — это работа по разработке, и её объём оценивается отдельно. Объём и сроки реакции поддержки фиксируются в отдельном соглашении.

Контакты

Расскажите о вашем RAG-проекте

Чтобы получить оценку, пришлите нам список источников, которые должна использовать система, ожидаемое количество пользователей и требования к безопасности или развёртыванию, если они есть.

Полезно указать
  • Источники, которые должна использовать система
  • Ожидаемое количество пользователей
  • Требования к безопасности или развёртыванию
  • RAG-систему, которая у вас уже работает, если она есть

Хотите запустить собственный проект?

Обсудите идею с нашим экспертом по развитию бизнеса.

Опишите идею или запрос, и наш эксперт свяжется с вами в течение пары часов. Или напишите нам напрямую в Telegram или WhatsApp.