--- title: "Ошибки RAG: как повысить точность ИИ-агента | Найми ИИ (NaimiAI)" description: "ИИ-агент отвечал по инструкции к похожей модели техники. Разбираем причину ошибки RAG и два изменения, которые помогли повысить точность ответов." url: https://naimiai.ru/blog/rag-oshibki-pohozhie-modeli-tovarov published: 2026-09-28T00:00:00.000Z --- 1. [Главная](https://naimiai.ru/) 2. [Блог](https://naimiai.ru/blog) 3. Почему RAG путает похожие модели товаров и как мы исправили поиск кейсы # Почему RAG путает похожие модели товаров и как мы исправили поиск ИИ-агент отвечал по инструкции к похожей модели техники. Разбираем причину ошибки RAG и два изменения, которые помогли повысить точность ответов. Naimi.ai Team 28 сентября 2026 • 3 мин на чтение Для агента первой линии «почти правильный» ответ хуже, чем отсутствие ответа. Если клиент спрашивает про свою кофемашину, а получает уверенную инструкцию к соседней модели, он либо сделает что-то не так с техникой, либо перестанет доверять компании. Наш клиент продаёт и обслуживает бытовую технику. В каталоге много близких моделей: несколько кофемашин одной линейки отличаются набором функций, настройками и порядком обслуживания. Нужен был агент первой линии, который отвечает на вопросы покупателей по документации. ## Почему агент отвечал по инструкции к другой модели Клиент собрал базу знаний из всех инструкций, и мы подключили её к агенту по схеме RAG: перед ответом агент ищет подходящие фрагменты в документах. На большинстве запросов он работал хорошо, но в части случаев находил инструкцию к другой модели и отвечал по ней. Уверенно, без каких-либо признаков сомнения. Разбор ошибочных ответов показал, в чём дело. Инструкции к моделям одной линейки написаны по одному шаблону и отличаются лишь несколькими параметрами. После разбиения на чанки фрагменты вроде «удаление накипи» из разных инструкций оказываются почти идентичными, и их эмбеддинги лежат очень близко. При этом название модели обычно указано только в заголовке или на обложке документа и в сами чанки не попадает. В итоге поиск возвращает фрагмент, который лучше всего совпадает с вопросом по смыслу, но может относиться к другой кофемашине. Агент получает этот контекст без привязки к устройству и отвечает по нему. ## Как мы исправили поиск по базе знаний Мы сделали два изменения. Первое касается данных. Каждый чанк получил явную привязку к модели, а поиск стал ограничиваться документацией конкретного устройства. Второе касается логики агента. Прежде чем искать ответ, агент определяет, о какой модели идёт речь. Если клиент её не назвал, агент уточняет. Поиск и генерация ответа идут только после этого и только по документации нужной модели. По итогам точность ответов выросла на 15–20%. ## Что делать, если в каталоге много похожих товаров Главный вывод выходит за рамки поддержки. Когда документы почти одинаковы, одного совпадения по смыслу недостаточно. Различия между товарами нужно закладывать явно: в данных (модель, артикул, ключевые характеристики в метаданных) и в сценарии диалога (сначала установить, о каком товаре речь, потом отвечать). В продажах задача немного другая: клиент может ещё не знать, какую модель выбрать. Если в каталоге 15 холодильников или 20 телевизоров, агент должен сначала выяснить его потребности и только затем искать среди подходящих товаров, а не выдавать первый похожий. ## Попробовать NaimiAI Создайте первого ИИ-агента на [триале NaimiAI](https://app-ru.naimi.ai/registration) и проверьте, как агент работает с вашей базой знаний и каталогом. Актуальные условия доступны на странице [«Тарифы»](https://naimiai.ru/pricing). ## Теги #кейсы #ии-агенты #RAG #база-знаний #клиентский-сервис ## Готовы нанять первого ИИ-сотрудника? Добавьте информацию о бизнесе или ссылку на сайт и проверьте агента на своих данных. На триале доступны 7 дней и 150 кредитов. [Найми ИИ](https://app-ru.naimi.ai/registration) ## Читайте также (изображение: Логотипы «Найми ИИ» и Acolyte Wear: кейс внедрения ИИ-агента поддержки в интернет-магазин одежды) #кейс #e-commerce #ии-агенты #crm #клиентский-сервис ### [Кейс Acolyte Wear: ИИ-агент закрыл 55% из 11 000 диалогов](https://naimiai.ru/blog/keys-acolyte-wear-ii-agent-podderzhki) Клиент пишет «где мой заказ» — и через три минуты знает номер, статус и чем поедет посылка. Разбираем, как агент Acolyte Wear дорос от базы знаний до каталога с остатками и поиска в RetailCRM. 2 августа 2026 · 6 мин на чтение (изображение: Диплом Найми ИИ за III место в номинации «Агентные платформы, агрегаторы и автоматизация» премии «Нейротация 2026») #награды #ии-агенты #команда ### [Мы вошли в тройку лучших на «Нейротации 2026»](https://naimiai.ru/blog/3-mesto-neyrotatsii-2026) Найми ИИ вошли в тройку лучших на «Нейротации 2026». Показываем награду и рассказываем, почему для нас важно это III место. 21 сентября 2026 · 2 мин на чтение (изображение: Стенд Найми ИИ на ECOM Expo'26) #мероприятия #e-commerce #маркетплейсы #ии-агенты ### [Найми ИИ на ECOM Expo'26](https://naimiai.ru/blog/naimi-ai-na-ecom-expo-26) 24–25 июня команда Найми ИИ участвовала в ECOM Expo'26 и показывала готовую платформу ИИ-агентов для интернет-магазинов, маркетплейсов и клиентского сервиса. 24 июня 2026 · 1 мин на чтение