Большинство гайдов по RAG ограничиваются схемой retrieval + generation. При многотуровых диалогах и сложной логике такой подход быстро разваливается по качеству.

На GitHub нашел проект Агентный RAG для чайников. Не ведись на слово "для чайников" в названии: по сути это продакшен-уровневое решение agentic RAG, собранное на LangGraph.

Там есть память диалога и иерархическая индексация: сначала поиск по мелким чанкам, затем подтягивание крупных для полного контекста. Это снижает риск ответов без нормального окружения.

Поддерживается параллельная работа нескольких агентов для разруливания сложных запросов. Если инструкция расплывчатая, система может сама переспросить, чтобы уточнить намерение, вместо того чтобы уверенно галлюцинировать.

Еще внутри есть Gradio-интерфейс: управление документами, сохранение диалогов, ручное вмешательство (human-in-the-loop) и прочее. Плюс дается полный гайд по конвертации PDF в Markdown, с инструментами и сравнением вариантов.

Есть быстрый деплой через Docker и подробные Notebook-уроки, так что локально поднять все довольно легко.