search_documents
Performs hybrid search across indexed markdown documents using dense embeddings and BM25 with reciprocal rank fusion, returning ranked snippets relevant to a user query.
Instructions
Гибридный поиск (dense-эмбеддинги + BM25, слитые через Reciprocal Rank Fusion) по проиндексированному корпусу markdown-документов о RAG, поиске и LLM-инфраструктуре.
Используй этот инструмент, когда нужно найти релевантные документы или факты по теме или вопросу пользователя, прежде чем отвечать — вместо того, чтобы полагаться на собственные знания. Одинаково хорошо работает и для семантических запросов на естественном языке ("как оценивать качество ретривера"), и для точных терминов/аббревиатур ("RRF", "BM25"), поскольку сочетает векторный и лексический поиск.
Args: query: Запрос на естественном языке или ключевые слова. top_k: Сколько документов вернуть (по умолчанию 5, максимум 20).
Returns: Список словарей, отсортированный по убыванию релевантности — [{"doc_id": str, "title": str, "snippet": str, "score": float}, ...]. doc_id — идентификатор документа, который нужно передать в get_document(), чтобы получить его полный текст, или в rerank_results(), чтобы уточнить порядок кандидатов.
Input Schema
| Name | Required | Description | Default |
|---|---|---|---|
| query | Yes | ||
| top_k | No |
Output Schema
| Name | Required | Description | Default |
|---|---|---|---|
| result | Yes |