MetaVision for 1C отказалась от чанков: как ИИ-агент читает чужой код через три источника фактов

Команда MetaVision for 1C делится опытом, который будет полезен всем, кто строит ИИ-инструменты для работы с большими и плохо документированными массивами данных — включая архивы, каталоги и медиатеки. Классическая RAG-схема «чанки + эмбеддинги + векторный поиск» на реальных кодовых базах 1С показала себя плохо: агент уверенно отвечал «такого нет» там, где нужный фрагмент фактически присутствовал.

Решение — отказ от чанков в пользу трёх источников фактов, что позволило агенту точнее понимать чужую кодовую базу. Для профессионалов медиаиндустрии это сигнал: при построении внутренних ИИ-ассистентов по архивам и метаданным стоит с осторожностью относиться к «модным» RAG-паттернам и проверять их на своих данных.

Подробный разбор архитектуры, метрик и подводных камней — в оригинальной статье на Хабре.