# 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>


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://chatme-ai-4.gitbook.io/docs/poshagovye-instrukcii-po-sozdaniyu-shablonnykh-botov/bot-baza-znanii-faq-rag-llm.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.