Главная/ИИ-агенты/Агент по документам

ИИ-агент для работы с документами компании

ИИ-агент для работы с документами находит нужные фрагменты в договорах, регламентах и инструкциях и отвечает по ним со ссылкой на источник. Под капотом это RAG: документы режут на фрагменты, превращают в векторы и перед каждым ответом ищут похожие куски, а права доступа проверяются до того, как текст попадёт в модель.

4 мин чтенияДанные проверены 16 октября 2026

Ответ за 30 секунд

Агент по документам это RAG: фрагменты, эмбеддинги и векторная база. Права доступа проверяйте фильтром в поиске, до модели, а не просьбой в промпте, и требуйте от агента ссылку на документ в каждом ответе.

Загрузите файлы в базу знаний (RAG) и подключите агента к чату или API, оплата рублями за токены.

Где запустить агента по документам: платформа или свой сервер

01 · 1 мин

Какие задачи ИИ-агент решает с документами компании#

Во всех четырёх случаях последнее слово за человеком: агент показывает, откуда взял ответ, а юрист или менеджер проверяет цитату. От обычного чата с моделью такой агент отличается тем, что опирается на ваши тексты, а не на общие знания модели; сам метод описан на странице RAG.

  • Ответы по регламентам. «Сколько дней на согласование договора» с цитатой из положения и номером пункта.
  • Поиск по договорам. Найти все договоры с автопролонгацией или штрафом за просрочку.
  • Извлечение данных. Реквизиты, суммы и сроки из входящих документов в таблицу.
  • Черновики. Ответ на типовую претензию по шаблону с опорой на условия договора.

02 · 1 мин

Как устроен RAG для документов: от файла до ответа#

  1. Извлечь текст. PDF со слоем текста и DOCX читаются сразу, сканы сначала распознают (OCR), например в Paperless-ngx.
  2. Нарезать на фрагменты по разделам и пунктам, с заголовком раздела в каждом куске.
  3. Посчитать эмбеддинги, то есть векторы смысла. Для русского берут многоязычные модели: bge-m3 под лицензией MIT понимает больше 100 языков и принимает до 8192 токенов на вход, multilingual-e5-large тоже распространяется под MIT.
  4. Сложить векторы в базу: Qdrant, pgvector в PostgreSQL или встроенное хранилище платформы.
  5. Искать и отвечать. На вопрос база отдаёт несколько ближайших фрагментов, модель пишет ответ только по ним и указывает источник.

03 · 1 мин

Как резать документы на фрагменты для ИИ-агента#

От нарезки сильно зависит качество ответов. Слишком мелкий фрагмент теряет смысл: пункт «срок 10 дней» без заголовка не говорит, о каком сроке речь. Слишком крупный тянет в ответ лишний текст и расходует токены.

  • Режьте по структуре документа: раздел, пункт, статья. Для старта хватит фрагмента в один-два абзаца с небольшим перекрытием соседних.
  • Добавляйте в каждый фрагмент путь заголовков: «Договор поставки / 5. Ответственность / 5.2».
  • Таблицы не режьте посередине: строка без шапки бесполезна.
  • Сохраняйте метаданные: имя файла, дату редакции, отдел, уровень доступа. Они нужны и для ссылок, и для прав.

04 · 1 мин

Права доступа в ИИ-агенте по документам#

Ошибка, которую легко допустить: загрузить все документы в одну базу и попросить модель в промпте «не показывай бухгалтерию стажёрам». Модель может эту просьбу нарушить, а фрагмент уже оказался у неё в контексте. Права проверяют раньше, на этапе поиска.

  • При загрузке каждому фрагменту в метаданные пишется группа доступа: отдел, проект, уровень.
  • Каждый поиск идёт с фильтром по группам того, кто задал вопрос. В Qdrant для этого создают индекс по полю вроде group_id с флагом is_tenant, и база оптимизирует хранение под поиск внутри одной группы.
  • Документы с коммерческой тайной держите в отдельной коллекции, а лучше в отдельном агенте.

Если в документах есть персональные данные клиентов или сотрудников, действует 152-ФЗ: базы с данными граждан России должны находиться в России. Для таких архивов агент и векторную базу удобнее держать на своём сервере.

Инструмент · 1 мин

Где запустить агента по документам: платформа или свой сервер#

На платформе ИИ-агентов Таймвеб Клауд база знаний (RAG) собирается из загруженных файлов прямо в кабинете, без своей векторной базы и сервера. Это быстрый путь для открытых материалов: инструкций, регламентов без тайны, базы ответов поддержки.

Свой сервер нужен, когда документов много, права доступа сложные или данные нельзя отдавать наружу: Qdrant или pgvector, конвейер загрузки в n8n и модель по API или локальная. Ответ по документам расходует в основном входящие токены, ведь в запрос уходят найденные фрагменты:

Сколько стоят ответы по документам

В запрос уходят найденные фрагменты, поэтому смотрите на объём входящего текста

Запросов в день
Текста на входе одного запроса
Длина ответа

06 · 1 мин

Вопросы об ИИ-агенте для документов#

Может ли ИИ-агент по документам ошибиться в цифрах из договора?

Может: модель иногда смешивает цифры из соседних фрагментов или из разных редакций документа. Поэтому настройте агента приводить цитату с названием файла и пунктом, а суммы и сроки из ответа сверяйте с источником.

Сколько документов можно загрузить в ИИ-агента?

Предел задаёт векторная база и диск, а не модель: в запрос к модели уходит лишь несколько найденных фрагментов. Тысячи документов для Qdrant или pgvector это обычный объём, узким местом скорее станет качество текста после распознавания сканов.

Как обновлять базу ИИ-агента, когда документ изменился?

Удалите фрагменты старой редакции и загрузите новую, иначе агент найдёт обе и может процитировать устаревший пункт. Удобно хранить в метаданных дату редакции и при поиске брать только действующую.

Почему этому можно верить

Как мы проверяли

Требования из документацииРесурсы, порты и команды сверены с официальной документацией, дата проверки указана.
Всё можно повторитьКоманды и расчёты описаны так, что их повторит любой читатель.
Независимый справочникНе связан с разработчиками приложений и провайдерами и пишет о минусах тоже.

Источники цифр на этой странице: AI-агенты Таймвеб Клауд, timeweb.cloud/services/ai-agents, проверено 14 октября 2026; AI Gateway Таймвеб Клауд, timeweb.cloud/services/ai-gateway, проверено 14 октября 2026; Федеральный закон 152-ФЗ «О персональных данных», статья 18, consultant.ru/document/cons_doc_LAW_61801, проверено 15 октября 2026; BAAI bge-m3: карточка модели на Hugging Face, huggingface.co/BAAI/bge-m3, проверено 14 октября 2026; intfloat multilingual-e5-large: карточка модели на Hugging Face, huggingface.co/intfloat/multilingual-e5-large, проверено 14 октября 2026; Документация Qdrant: мультиарендность и индекс is_tenant, qdrant.tech/documentation/manage-data/multitenancy, проверено 14 октября 2026.

SBРедакция SelfBase · обновлено 16 октября 2026

Соберите ИИ-агента на готовой платформе

GPT, Claude, Gemini, DeepSeek и YandexGPT в одном кабинете, оплата рублями за токены.

  • База знаний из ваших файлов (RAG)
  • Чат-бот на сайт одним скриптом
  • OpenAI-совместимый API
  • Доступность 99,98% по SLA
Где запустить

Что посмотреть дальше

RAGПоиск по своим текстам QdrantВекторная база pgvectorВекторы в PostgreSQL Paperless-ngxАрхив и распознавание