RAG не лечит грязные данные. Он их размножает

Классика: «Поиск плохо работает — давайте накинем RAG». Через месяц система уверенно выдаёт устаревшие цены, потому что в базе три версии документа и ни одна не помечена как актуальная.

RAG — это про доступ к данным, а не про их качество. Дубли, старые версии, разные форматы для одного и того же факта: retrieval честно принесёт вам всё это, только быстрее.

Порядок, который работает у меня: сначала инвентаризация источников, владелец у каждого документа, правило «одна версия — единственная актуальная». И только потом embedding и поиск. Цифра «1000 документов в индексе» ничего не значит, если 300 из них — черновики позапрошлого года.