> For the complete documentation index, see [llms.txt](https://chatme-ai-4.gitbook.io/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://chatme-ai-4.gitbook.io/docs/poshagovye-instrukcii-po-sozdaniyu-shablonnykh-botov/bot-baza-znanii-faq-rag-llm.md).

# Бот База Знаний (FAQ, RAG LLM)

#### 1. **Создание проекта и бота на платформе**

<figure><img src="/files/sZdOWXBq970ns33MvT32" alt=""><figcaption></figcaption></figure>

Для создания бота, использующего базу знаний, необходимо разобраться с функциональностью Q\&A, вкладкой Q\&A Data Source и LLM Profiles. Начнем с загрузки данных.

#### 2. **Загрузка данных**

Чтобы обучить бота отвечать на ваши вопросы, перейдите на вкладку Q\&A Data Source. Прямо со страницы создания агента можно открыть интерфейс загрузки данных и добавить нужные файлы.

<figure><img src="/files/RGvzp2pY322yHWKiCd8Q" alt=""><figcaption></figcaption></figure>

#### 3. **Настройка модели**

На вкладке LLM Profiles можно выбрать LLM-модель, которую бот будет использовать для генерации ответов. По умолчанию доступен системный профиль — вы можете использовать его или подключить собственный. Подробнее об этом читайте в документации по LLM-профилям.

<figure><img src="/files/GJe5KcamHYykfs6ck6Uj" alt=""><figcaption></figcaption></figure>

#### 4.  **Переход к созданию логики бота**

Поздравляем! Подготовительные действия завершены. Теперь переходим к созданию логики работы бота. Для этого откройте Bot Builder и добавьте слот Q\&A.

<figure><img src="/files/k73nSvrpGq0ySLndbThm" alt=""><figcaption></figcaption></figure>

#### 5. **Настройка слота Q\&A**&#x20;

<figure><img src="/files/h8M4uC4YxtBaRHh843U1" alt="" width="375"><figcaption></figcaption></figure>

* Name — рабочее название слота. Можно указать любое.
* LLM Profile — модель генерации. Выберите системный или свой профиль.
* Data Source — источник базы знаний. Выберите тот, который загрузили на шаге 2.
* Send Answer to Channel — включает автоматическую отправку ответа пользователю (по умолчанию включено).
* Chunk Size — параметр, влияющий на длину ответа. Можно варьировать, чтобы подобрать оптимальный объем текста.
* Include Slot History to Prompt — отвечает за «память» бота. Укажите, сколько предыдущих сообщений учитывать (максимум — 3).
* Custom Prompt — текстовая инструкция для бота. Здесь можно задать тон общения, сценарии действий, обязательные вопросы и т. д.

#### 6.  **Завершение логики бота**

* Добавьте слот Wait for Reaction, который сообщает боту, что после ответа он должен ожидать следующий вопрос.
* Нажмите Train, чтобы обучить бота.

<figure><img src="/files/wBT54koRrbjfUeih41cz" alt=""><figcaption></figcaption></figure>

#### 7. **Тестирование**

Теперь можете тестировать работу бота в дебаге. Вы закончили создание первого бота на базе RAG LLM.&#x20;

<figure><img src="/files/L3pj8IVj7EsIakHuoG6S" alt=""><figcaption></figcaption></figure>

#### Дополнительная информация.&#x20;

Для вывода бота в конечные каналы [Как вывести Агента в Конечные каналы](/docs/kak-vyvesti-agenta-v-konechnye-kanaly.md) необходимо сначала "опубликовать" проект иначе вы будете видеть ошибку про создании конечного канала.&#x20;

<figure><img src="/files/YPmJvW2dkCpnMpj6EVrn" alt=""><figcaption></figcaption></figure>