Ви проходите співбесіду на посаду інженера з штучного інтелекту в Google. Інтерв'юер запитує: «Наші дані розподілені по кількох джерелах (Salesforce, Gmail, Drive тощо). Як би ви побудували уніфікований движок запитів над цим?" Ви: «Я вбудую все у векторну базу даних і зроблю RAG.» Інтерв'ю закінчено! Багато розробників досі вважають, що пошук контексту — це лінійний конвеєр: Фрагмент → вбудовувати → отримати → згенерувати Це чудово працює для простих демо, але виробничі системи потребують чогось принципово іншого. Щоб краще зрозуміти, розгляньте цей запит: "Порівняйте наші показники продажів у четвертому кварталі в регіоні Чикаго з минулорічними прогнозами, сформульованими на зустрічі з зацікавленими сторонами." Цей один запит вимагає: - Дані про продажі з вашої бази даних SQL - Графові відношення (організаційна ієрархія) - Векторний пошук по звітах про проєкції - Фільтрація на основі часу (четвертий квартал цього року проти минулого) - Перевірки дозволів (для авторизації користувача) ...