#нейропоиск — Public Fediverse posts

RAG после reranker: от корпоративного поиска к агенту, которому можно поручить исследование

Привет, Хабр! На связи Александр Михеев, ML-инженер Центра гибридного интеллекта в Рунити. В первой статье мы рассказывали, как улучшали поиск по почти 35 тысячам страниц Confluence. Главная подсказка пришла из метрик: нужная информация часто уже находилась среди кандидатов, но стояла слишком низко. Reranker помог поднять подходящие фрагменты и заметно улучшил выдачу. Следующий этап — сделать этот поиск доступным там, где сотрудник работает. Разработчик разбирает сервис вместе с агентом, обсуждает изменение в коде или выясняет причину ошибки. В этот момент ему может понадобиться внутренняя документация, описание архитектуры или связанная задача в Jira. Когда начали объединять компоненты, выяснилось, что сам поиск — только часть работы. Даже при хорошей выдаче агент мог остаться без нужных документов после проверки прав или не дождаться завершения исследования. На этих случаях мы и проверяли, насколько работоспособной получилась интеграция.

https://habr.com/ru/companies/runity/articles/1096568/

#mcp #confluence #hermes #llm #rag #ии_поиск #гибридный_поиск #ииагенты #нейропоиск #reranker

Продвижение в нейросетях: больше 80% ссылок ИИ ведут на чужие сайты, но это не довод уходить во внешние публикации

Я разобрал два исследования, которые вышли в один день, 30.09.2026: NP Digital и Grow and Convert . Оба смотрели, на какие страницы ведут ссылки-источники под ответами нейросетей. У NP Digital на коммерческих вопросах по 400+ крупным брендам 82% ссылок ведут на чужие сайты. У Grow and Convert на вопросах одного B2B-клиента таких 85%. Но в том же исследовании Grow and Convert в 87% ответов, где клиента назвали, среди источников был его собственный сайт. Для продвижения бренда в нейросетях из этого следует одно: выбирать между своим сайтом и внешними публикациями приходится по каждой теме отдельно.

https://habr.com/ru/articles/1090750/

#GEO #AEO #продвижение_в_нейросетях #видимость_бренда #нейропоиск #источники_ответов_ИИ #ChatGPT #Perplexity #AI_Overviews #pandas

Как попасть в ответы ГигаЧата и почему он каждый раз ссылается на разные сайты

Я задавал ГигаЧату вопросы из спорта, финансов, B2B и маркетинга двумя способами: через GigaChat API и в самом чате. Всего собрал около 430 ответов, примерно поровну на каждый способ, и в каждом смотрел, стоят ли под ним ссылки на источники. В чате они нашлись в 73% ответов, через API в 4%. Но и в чате мест мало: под ответом в среднем две-три ссылки, и на повторе вопроса часть из них меняется.

https://habr.com/ru/articles/1090448/

#GigaChat #ГигаЧат #GEO #AEO #продвижение_в_нейросетях #GigaChat_API #нейропоиск #источники_ответов_ИИ #Сбер #Python

RAG умер, да здравствует RAG: история одного Reranker и как мы оживили нейропоиск среди 35 000 страниц

Привет, Хабр! На связи Саша Михеев, ML-инженер Центра гибридного интеллекта в Рунити. В прошлой статье мы рассказывали, как строим корпоративного RAG-ассистента. На небольшой выгрузке Confluence поиск выглядел вполне прилично. Но когда корпус вырос почти до 35 тысяч страниц и 80 тысяч чанков, наверх всё чаще стали попадать документы, похожие по теме, но не отвечающие на конкретный вопрос. Мы пошли проверять привычные гипотезы: поменяли способ выгрузки Confluence, усложнили чанкирование, вынесли код в отдельные вектора, попробовали более крупную embedding-модель и добавили структурный граф. Почти ничего из этого не решило проблему. Главная подсказка пришла из метрик: нужный материал в большинстве случаев уже находился, но стоял слишком низко. В итоге лучший прирост дал не еще один retrieval-канал, а reranker.

https://habr.com/ru/companies/runity/articles/1086162/

#rag #reranker #crossencoder #embeddings #векторный_поиск #dense #sparse #rrf #llm #нейропоиск

Сколько трафика дают нейросети. Эффективность GEO в цифрах

Часть компаний воспринимают GEO/AEO как инструмент привлечения трафика из нейросетей. К сожалению трафика там мало в силу того, что клики из нейроответов внутри Яндекса и Google помечаются в метрике поисковым трафиком. И львиная доля всего взаимодействия с нейроответами происходит именно в поиске. Поэтому в этом исследовании я не пытаюсь оценить весь трафик из ИИ, я анализирую наблюдаемую часть GEO: попадание вашего сайта в источники ответов нейросетей и переходы по ссылкам в ответах и источниках. Клацнуть сюда, чтоыб почитать

https://habr.com/ru/articles/1082456/

#geo #ответы_нейросетей #нейропоиск #aeo

Как попасть в ответы Алисы AI: там всего пять ссылок, и четверть из них забирают десять сайтов

Я измеряю, как нейросети отвечают на вопросы о компаниях: беру набор одинаковых вопросов, прогоняю их через разные ИИ-модели по несколько раз и сохраняю не только текст ответа, но и список источников под ним. За несколько месяцев накопилось 455 ответов Алисы AI и 2976 ссылок в них. Распределение по числу источников оказалось не размазанным, а с двумя острыми пиками: пять и десять.

https://habr.com/ru/articles/1072206/

#как_попасть_в_ответы_алисы #Алиса_AI #продвижение_в_Алисе #Яндекс #источники #AEO #GEO #SEO #нейропоиск #видимость_в_нейросетях

Как я измеряю видимость брендов в шести нейросетях: схема замера, формат логов и ошибки

Задача звучит просто: выяснить, называют ли бренд ChatGPT, Claude, Perplexity, Gemini, Алиса AI и GigaChat, когда пользователь спрашивает совета или ответа у ИИ. На практике эта задача раскладывается на десятки технических решений, каждое из которых меняет результат в разы. Ниже устройство замера, формат хранения и три моих ошибки, которые обесценивают всю работу.

https://habr.com/ru/articles/1071762/

#видимость_бренда #нейропоиск #мониторинг_ИИ #ChatGPT_API #Алиса_AI #вебпоиск #замер_видимости #GEO #промпты

Спросили три ИИ про мастера в Иркутске: один назвал местных, второй — Одессу и Киев

В прошлой статье я показал, что три ИИ-модели разных разработчиков выдают дословно совпадающие списки источников, потому что веб-поиск им делает один плагин. В комментариях сказали, что стенд собран на устаревших версиях — я перемерил на свежих, и общий корпус рассыпался: пересечение между Gemini и двумя другими моделями упало до 0.02. Заодно выяснилось, что от поколения зависит не только состав источников, но и то, видит ли движок ваш город: на запрос про Иркутск свежая Gemini дала 8 местных сайтов из 13, а прошлое поколение — ноль из 42. Внутри цифры по двум городам, ловушка с редиректом, на которой споткнётся любой повторяющий замер, и разбор, где эта метрика врёт.

https://habr.com/ru/articles/1070978/

#ИИпоиск #генеративный_поиск #GEO #локальный_бизнес #Нейропоиск #геолокация #агрегаторы #цитирование_источников #замер_видимости #версии_моделей

Написал валидатор llms.txt на 64 тестах — и проверил, читают ли этот файл боты

Файл llms.txt предлагают класть в корень сайта с 2024 года: считается, что языковые модели прочитают его вместо того, чтобы разбирать вёрстку. Я написал для него генератор и валидатор, проделал 64 теста для отладки — и параллельно посмотрел, сколько раз ИИ-боты вообще запрашивают этот файл. Значения получились неутешительные, но валидатор всё равно оказался полезным. Ниже — устройство разбора, схема оценки и код.

https://habr.com/ru/articles/1070334/

#llmstxt #валидатор_llmstxt #генератор_llmstxt #GPTBot #ИИботы #спецификация_llmstxt #парсер_markdown #node_test #robotstxt #нейропоиск

Один запрос, семь ИИ-поисковиков, ноль общих источников

Когда человек спрашивает у ассистента «к кому обратиться», он получает не десять синих ссылок, а один ответ с пятью-десятью доменами внутри. Я прогнал два запроса через семь ИИ-поисковиков в один заход и сравнил, кого именно они цитируют. Общего источника не нашлось ни одного, а три модели разных разработчиков выдали дословно совпадающие списки — потому что веб-поиск им делает один и тот же плагин. Ниже — стенд, цифры и пять мест, где методика такого замера ломается.

https://habr.com/ru/articles/1068918/

#ИИпоиск #генеративный_поиск #GEO #цитирование_источников #LLM #Perplexity #Нейропоиск #замер_видимости #ИИответы #методика_измерений

Как быстро загнать страницу в индекс Яндекса — и почему для Алисы AI этого мало

Новую страницу в поиске Яндекса не видно, пока её не обошёл робот. Пока страницы нет в индексе (базе поиска), её не будет ни в обычной выдаче, ни в ответе Алисы AI. Алиса опирается на источники, которые высоко стоят в поиске, это прямо написано в документации Вебмастера . Дальше — конкретная последовательность: что отдать роботу вручную, что настроить один раз, как проверить статус и где в Метрике смотреть отдачу. Ускорение индексации — управляемая история: переобход, IndexNow, sitemap реально сокращают время до попадания в базу. А вот топ-10 и цитирование в ответе Алисы — отдельная работа над содержанием страницы, индексация только открывает туда дверь.

https://habr.com/ru/articles/1065514/

#индексация #ЯндексВебмастер #IndexNow #sitemap #Алиса_AI #AEO #GEO #AIвидимость #нейропоиск #переобход

Google добавил AI-отчёты в Search Console. Я разобрался, что они реально показывают

Google начал разворачивать в Search Console отчётность по своим AI-поверхностям: трафик и показы стало видно с учётом AI Overviews и AI Mode. До этого AI-клики были размазаны внутри общего веб-отчёта, и понять, сколько дал именно ИИ-ответ, было нельзя. Я полез смотреть и довольно быстро уткнулся в потолок. Оказалось, что Search Console показывает только AI-поверхности самого Google . Ни ChatGPT, ни Perplexity, ни Claude, ни Алиса в него не попадают в принципе — они не Google. Если вы, как и я, хотите видеть весь AI-трафик, а не только гугловский, придётся идти в логи сервера. Ниже — что именно даёт новый отчёт, где у него слепые зоны и как я закрываю их парсером логов.

https://habr.com/ru/articles/1060928/

#AEO #GEO #AIтрафик #Search_Console #серверные_логи #GPTBot #ChatGPT #Perplexity #нейропоиск

Почему ChatGPT называет одни бренды и молчит про другие: как машина знает компании

Я изучаю AEO/GEO (продвижение брендов в ответах нейросетей) и наткнулся на разбор про странную вещь: нейросети называют одни бренды и будто не замечают другие, причём качество продукта тут ни при чём ( SearchAtlas ). Объясняют это через понятие сущности: и поиск, и нейросети воспринимают бренд как отдельный объект знания со своими свойствами и связями. Тема показалась любопытной, и я полез в первоисточники: доки Google, schema.org, Wikidata, замеры Ahrefs и Frase, пару работ с arXiv. Там и уткнулся в неожиданное. Знание о бренде у машины устроено двумя совершенно разными способами, и их постоянно путают. Один способ работает у обычного поиска Google, это Knowledge Graph. Другой у языковых моделей вроде ChatGPT, это память в весах нейросети. Единого первоисточника у этого разбора нет, я собрал его из перечисленного под наш контекст, ссылки стоят по тексту. Дальше разложу оба механизма простым языком и покажу, что с каждым можно сделать.

https://habr.com/ru/articles/1055744/

#knowledge_graph #llm #gpt #schemaorg #wikidata #entity_seo #нейропоиск #seo #aeo #geo

Главные тренды в рекламе на 2026 год: что будет работать

Рынок рекламы к 2026 году становится более технологически развитым, со скоростью света появляются новые инструменты, данные, платформы, автоматизации… Даже, как будто, это максимальное количество всего нового за всю историю digital.

https://habr.com/ru/articles/973018/

#маркетинг #реклама_в_интернете #нейросети #ai #ugcконтент #нативная_реклама #тренды_2026 #тренды_в_рекламе_2026 #нейропоиск #crmсистемы

GEO вместо SEO: что принёс обновлённый «Поиск» от Яндекса, почему Google не даст нам «отписаться»

У Яндекса — обновлённый «Поиск с Алисой», у Google — AI Overviews. Вместо ссылок теперь пользователю поиск даёт готовый ответ: текст, картинку, видео, таблицу, и с ним можно поговорить. Это не будущее, это уже интерфейс по умолчанию. Информационный контент, который вы писали ради SEO, перестаёт работать по старым правилам. Чтобы его увидели — он должен стать частью ответа нейросети. Чтобы он стал частью ответа — нужно внедрять GEO . Или еще есть аббревиатура AIO .

https://habr.com/ru/articles/922522/

#geo #seo #aio #нейросети #генеративные_ответы #генерация_контента #нейроответы #нейропоиск #нейросетевой_трафик