RAG

RAG: chunking документов → embeddings → vector DB → similarity search → найденный контекст → chat model.

curl -X POST "https://apia1.com/api/v1/embeddings" -H "Authorization: Bearer <A1_API_KEY>" -H "Content-Type: application/json" -d '{"model":"text-embedding-3-small","input":"Текст документа"}'

Качество RAG зависит от chunking, metadata, фильтров доступа и reranking не меньше, чем от модели.