Зачем нужен Agentic RAG?

RAG (Retrieval Augmented Generation) — это способ дать ИИ доступ к вашей базе знаний. Это делает его экспертом в ваших документах. RAG работает на основе векторных баз данных. Для того, чтобы вы смогли получить ответ из вашей базы данных, то эти данные сначала требуется корректно в нее загрузить.

Но у RAG есть проблемы:

он может пропустить важный контекст;
неуспешно связывает документы между собой;
не умеет анализировать данные как дата-аналитик.

Решение: Agentic RAG

Agentic RAG — это концепция, в которой ИИ-агент получает набор различных инструментов для работы с базой знаний:

RAG Lookup
Чтение всего документа
Список документов + чтение конкретных
SQL-запросы к таблицам (в том числе CSV/Excel)

Важно, что недостаточно просто загрузить файлы в векторную базу данных. Это требует правильного подхода и последовательности

Общая схема работы Agentic RAG в N8N

1. Создаем структуру в Supabase:

documents — чанки + embedding

document_metadata — метаданные (титул, URL, schema)

document_rows — строки из CSV/Excel (как JSONB)

Должен сказать, что не требуется делать это вручную. Эти таблицы можно создать простым нажатием на каждую из нод, которые есть в нашем воркфлоу в Telegram-канале по сслыке

2. Создаем workflow:

Нам требуется получать откуда-либо документы для загрузки данных. Обычно удобно использовать гугл диск. Показываю вам последовательность действий, но также есть готовый воркфлоу по ссылке, предоставленной выше:

Триггер: Google Drive (new/updated files)
Очистка старых данных
Вставка метаданных
Извлечение текста (ветвление по типам файлов)
Чанковка + embedding + загрузка в Supabase

Мы можем загружать в RAG файлы любого типа!

Фишки Agentic RAG:

Умеет читать целиком файл, если RAG дал неточный ответ
Анализирует CSV/Эксели как SQL-базу

Когда Agentic RAG нужен:

Нужно полностью прочитать файл
Если RAG промахнулся (не тот документ, не тот чанк)
Если нужно круто обрабатывать таблицы

Как на этом можно заработать:

Разработка и настройка Agentic RAG-агентов
Предоставляешь услугу под ключ: проектирование архитектуры RAG, настройка n8n-воркфлоу, подключение Supabase и OCR. Клиенты платят за готовое решение.

Загрузка и индексация новых данных
Автоматизируешь процесс загрузки документов (PDF, Excel, CSV и пр.), чанковку, генерацию эмбеддингов и запись в базу. Предлагаешь пакет услуг по регулярному обновлению базы знаний.

Обслуживание и поддержка RAG-базы
Мониторишь качество поиска, дообучаешь векторные эмбеддинги, устраняешь «промахи» RAG-поиска, поддерживаешь актуальность метаданных и структуры таблиц.

Интеграции и коннекторы
Делаешь мосты между RAG-базой и внешними системами: CRM, ERP, Google Drive, SharePoint. За интеграцию «под ключ» и поддержание коннекторов берёшь отдельный гонорар.

Консалтинг и аудит
Анализируешь текущие RAG-решения клиента: проверяешь полноту покрытия знаний, оптимизацию чанковки, адекватность SQL-запросов к CSV/Excel. Готовишь рекомендации по улучшению.

Создание и продажа шаблонов workflow
Разрабатываешь набор готовых n8n-шаблонов для типовых задач (юридические документы, финансовые отчёты, HR-анкеты), продаёшь их на маркетплейсе или напрямую заказчикам.

Обучение и техническая документация
Проводишь воркшопы и тренинги для команд: как правильно строить Agentic RAG-воркфлоу, работать с Supabase, SQL-запросы по табличным данным. Готовишь подробные гайды и чеклисты.

API-доступ и выгрузка отчётов
Организуешь доступ к RAG-API клиента, настраиваешь тарификацию по количеству запросов или объёму данных. Дополнительно продаёшь автоматизированные дашборды об использовании системы.