Как НАВЕСТИ ПОРЯДОК в RAG системе? Умный чанкинг в N8N + Qdrant

🔥 Устал от того, что документы в твоей RAG системе режутся прямо посередине абзаца, теряя смысл? В этом видео покажу альтернативный подход — агентный чанкинг с Qdrant! 🚀 Что узнаешь из видео: Как использовать GPT-4 для интеллектуального разрезания документов Настройка Qdrant для semantic chunking в N8N Контекстуализация чанков для улучшения качества поиска Практическая демонстрация работы с PDF документами 🛠️ Технологии в видео: Qdrant (vector database) LangChain OpenAI GPT-4 N8N workflow automation RAG (Retrieval Augmented Generation) ✅ Результат: Чанки становятся более осмысленными, завершенными и сохраняют контекст, что кратно улучшает качество ответов RAG системы. Таймкоды 00:00 — Проблема с чанкгингом в RAG / LangChain 00:22 — Альтернативный подход с Qdrant 00:35 — Обзор workflow 00:49 — Загрузка PDF в пайплайн 01:01 — Извлечение текста из файлов (PDF, Word, PPT) 01:25 — Передача текста в Qdrant + GPT-4.1 01:50 — Prompt для семантического разделения 02:00 — Как модель подсвечивает фрагменты для разреза 02:12 — Формирование более чистых чанков 02:45 — Получение 12 объектов и контекстуализация 03:05 — Объяснение, что такое контекстуализация чанков 03:34 — Добавление смысла и загрузка в векторную БД 03:57 — Self-host Qdrant в действии 04:20 — Проверка работы на документе (пример с revenue streams) 04:43 — Модель OSS-120B на GROQ-ускорителе 04:50 — Как встроить Qdrant-чанкинг в пайплайн 05:09 — Дополнительно: гибридный поиск и графовые БД 05:42 — Всё реализовано на...