[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"portal-settings:stajic:ru":3,"public-menus:all":38,"post:can-evidence-survive-the-ai-pipeline-the-evidence-preservation-chain:ru":221,"related:post:can-evidence-survive-the-ai-pipeline-the-evidence-preservation-chain:ru:1":1606},{"statusCode":4,"data":5,"message":37},200,{"tenantId":6,"lang":7,"defaultLang":8,"siteUrl":9,"contactEmail":10,"brandName":11,"logoUrl":12,"siteName":11,"siteDescription":13,"ogImage":10,"robotsIndex":14,"socialLinks":10,"reservedSlugs":10,"seoPolicy":15},"stajic","ru","de","https:\u002F\u002Fstajic.de",null,"Stajic Platform","\u002FLogo_Planet.svg","Stajic Portal",true,{"branding":16,"relatedContent":17,"crossDomainLinks":18},{"logoUrl":12},{"enabled":14},[19,22,25,28,31,34],{"url":20,"label":21,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Ffigure.rocks","figure.rocks",{"url":23,"label":24,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Floving.rocks","loving.rocks",{"url":26,"label":27,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.com","bazify.com",{"url":29,"label":30,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.de","bazify.de",{"url":32,"label":33,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.at","bazify.at",{"url":35,"label":36,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.ba","bazify.ba","Portal settings resolved",[39,45],{"id":40,"name":41,"location":42,"isActive":14,"isDefault":43,"items":44},1,"main-navigation","header",false,[],{"id":46,"name":47,"location":48,"isActive":14,"isDefault":14,"items":49},4,"main-menu","sidebar",[50,66,79,93,103,118,133],{"id":51,"title":52,"url":60,"target":61,"icon":62,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":64,"portfolioId":10,"children":65},"item-18",{"de":53,"en":54,"es":55,"fr":56,"it":54,"ru":57,"sr":58,"zh":59},"Startseite","Home","Inicio","Accueil","Главная","Почетна","首页","\u002Ffull-stack-web-developer-munich-performance-seo-and-maintainable-builds","_self","i-lucide-home","page",111,[],{"id":67,"title":68,"url":75,"target":61,"icon":76,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":77,"portfolioId":10,"children":78},"item-22",{"de":69,"en":69,"es":70,"fr":69,"it":71,"ru":72,"sr":73,"zh":74},"Vision","Visión","Visione","Видение","Визија","想象","\u002Fueber-uns-webdesign-muenchen-webaplikation","i-lucide-eye",113,[],{"id":80,"title":81,"url":89,"target":61,"icon":90,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":91,"portfolioId":10,"children":92},"item-19",{"de":82,"en":83,"es":84,"fr":83,"it":85,"ru":86,"sr":87,"zh":88},"Leistungen","Services","Servicios","Servizi","Услуги","Услуге","服务","\u002Fservices-dienstleistungen-muenchen","i-lucide-wrench",116,[],{"id":94,"title":95,"url":99,"target":61,"icon":100,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":101,"portfolioId":10,"children":102},"item-23",{"de":96,"en":96,"es":96,"fr":96,"it":96,"ru":97,"sr":97,"zh":98},"Blog","Блог","博客","\u002Fblog","i-lucide-book-open",112,[],{"id":104,"title":105,"url":114,"target":61,"icon":115,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":116,"portfolioId":10,"children":117},"item-32",{"de":106,"en":107,"es":108,"fr":109,"it":110,"ru":111,"sr":112,"zh":113},"Neue Technologien","New Technologies","Nuevas tecnologías","Nouvelles technologies","Nuove tecnologie","Новые технологии","Нове технологије","新技术！","\u002Fneue-webtechnologien","i-lucide-sparkles",122,[],{"id":119,"title":120,"url":129,"target":61,"icon":130,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":131,"portfolioId":10,"children":132},"item-20",{"de":121,"en":122,"es":123,"fr":124,"it":125,"ru":126,"sr":127,"zh":128},"Kontakt","Contact us!","Contacto","Contact","Contatto","Контакт","Контактирајте нас","联系我们！","\u002Fcontact","i-lucide-mail",115,[],{"id":134,"title":135,"url":144,"target":61,"icon":145,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":146,"portfolioId":10,"children":147},"item-21",{"de":136,"en":137,"es":138,"fr":139,"it":140,"ru":141,"sr":142,"zh":143},"Unsere Arbeit","Our Work","Nuestro trabajo","Nos réalisations","I nostri lavori","Наши работы","Наши радови","文件夹","\u002Fportfolio","i-lucide-briefcase",114,[148,161,175,191,206],{"id":149,"title":150,"url":144,"target":61,"icon":159,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":146,"portfolioId":10,"children":160},"item-24",{"de":151,"en":152,"es":153,"fr":154,"it":155,"ru":156,"sr":157,"zh":158},"Alle Projekte","All Projects","Todos los proyectos","Tous les projets","Tutti i progetti","Все проекты","Сви пројекти","所有项目","i-lucide-grid-3x3",[],{"id":162,"title":163,"url":171,"target":61,"icon":172,"isActive":14,"type":173,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":10,"children":174},"item-29",{"de":164,"en":165,"es":166,"fr":167,"it":168,"ru":169,"sr":170,"zh":143},"Local Roots, Global Reach","Local Roots - Global Reach","Empresa local ","Entreprise locale","Azienda locale","Местная компания","Локално предузеће глобално тржиште","\u002Fportfolio\u002Flocal-roots-global-reach-communication-media-systems-for-modern-business","i-lucide-globe-2","custom",[],{"id":176,"title":177,"url":186,"target":61,"icon":187,"isActive":14,"type":188,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":189,"children":190},"menu-2916d060-8681-482a-af9a-c107a8bc30d8",{"de":178,"en":179,"es":180,"fr":181,"it":182,"ru":183,"sr":184,"zh":185},"Von Rohdaten zu verifizierbarem KI-Kontext: Eine praktische Architektur für agentenbereite Informationen","From Raw Data to Verifiable AI Context:","De datos sin procesar a contexto de IA verificable: una arquitectura práctica para información lista para agentes","Des données brutes au contexte d'IA vérifiable : une architecture pratique pour des informations prêtes pour les agents","Dai dati grezzi a un contesto IA verificabile: Un'architettura pratica per informazioni pronte per gli agenti","От необработанных данных к верифицируемому контексту ИИ: практическая архитектура информации, готовой для агентов","Od sirovih podataka do proverljivog AI konteksta: Praktična arhitektura za informacije spremne za agente","从原始数据到可验证的 AI 上下文：面向智能体就绪信息的实用架构","\u002Fportfolio\u002Ffrom-raw-data-to-verifiable-ai-context-a-practical-architecture-for-agent-ready-information","i-lucide-database","portfolio",22,[],{"id":192,"title":193,"url":202,"target":61,"icon":203,"isActive":14,"type":188,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":204,"children":205},"menu-e2061cd7-ff53-49d5-a0e8-3d49090577c0",{"de":194,"en":195,"es":196,"fr":197,"it":198,"ru":199,"sr":200,"zh":201},"Präsenzplattformen — Unternehmenskommunikation","Presence Platforms — Enterprise Communication","Plataformas de presencia — Comunicación empresarial","Plateformes de présence — Communication d'entreprise","Presence Platforms — Comunicazione aziendale","Платформы присутствия — Корпоративные коммуникации","Presence platforme — Poslovna komunikacija","Presence 平台 — 企业通信","\u002Fportfolio\u002Fpresence-platforms-enterprise-communication-that-wins-without-competing","i-lucide-badge-percent",21,[],{"id":207,"title":208,"url":217,"target":61,"icon":218,"isActive":14,"type":188,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":219,"children":220},"menu-a781582e-e90d-418e-b8c9-b070bc37c37e",{"de":209,"en":210,"es":211,"fr":212,"it":213,"ru":214,"sr":215,"zh":216},"Maximierung des POS-ROI durch Konsistenz","Maximizing POS ROI Through Consistent","Maximizar el ROI del POS a través de constante","Maximiser le ROI du PDV grâce à la cohérence","Massimizzare il ROI del POS attraverso costante","Максимизация ROI POS за счет последовательного","Maksimizacija POS ROI-ja kroz dosledno","通过持续最大化 POS 投资回报率","\u002Fportfolio\u002Ffrom-vision-to-value-maximizing-pos-roi-through-consistent-ci-creation-and-strategic-branding","i-lucide-briefcase-business",11,[],{"statusCode":4,"data":222,"message":1605},{"id":223,"title":224,"slug":225,"content":226,"contentJson":227,"excerpt":799,"featuredImage":800,"featuredImageAlt":801,"featuredImageCaption":10,"featuredImageTitle":10,"featuredImageCopyright":10,"featuredImageAuthor":10,"featuredImageSourceUrl":10,"featuredImageLicense":10,"featuredImageIsAiGenerated":43,"status":802,"publishedAt":803,"createdAt":804,"updatedAt":805,"seoLocalePaths":806,"categories":815,"author":824,"translations":828},"498","Могут ли доказательства выжить в конвейере ИИ? — Цепочка сохранения доказательств","can-evidence-survive-the-ai-pipeline-the-evidence-preservation-chain","\u003Ch2 id=\"section-1\">Вопрос\u003C\u002Fh2>\n\u003Cp>Что происходит, когда исходный источник корректен, но конвейер ИИ удаляет информацию, необходимую для правильного понимания этого источника?\u003C\u002Fp>\n\u003Cp>Надёжный документ может стать ненадёжным контекстом, если парсинг удаляет структуру таблицы, разбиение отделяет условие от его исключения, нормализация отбрасывает единицы измерения, поиск теряет метаданные версии или сборка контекста скрывает конфликт.\u003C\u002Fp>\n\u003Cp>В этой статье используется термин «цепочка сохранения доказательств» для требования, чтобы доказательства сохраняли свойства, необходимые для правильной интерпретации, при переходе от источника к окончательному контексту ИИ.\u003C\u002Fp>\n\u003Cblockquote class=\"border-l-4 border-gray-300 pl-4 italic\">Цепочка сохранения доказательств — это сквозная последовательность преобразований, в ходе которой доказательства должны сохранять идентичность, происхождение, область действия, смысл и достоверность, прежде чем они смогут безопасно обосновать утверждение, сгенерированное ИИ.\u003Ccite class=\"block mt-2 text-sm\">— Рабочее определение — архитектурная концепция, введённая здесь, а не стандартизированный исследовательский термин.\u003C\u002Fcite>\u003C\u002Fblockquote>\n\u003Cnav class=\"editorjs-toc\" data-editorjs-toc=\"true\" aria-label=\"Содержание\">\u003Cstrong class=\"editorjs-toc__title\">Содержание\u003C\u002Fstrong>\u003Col class=\"editorjs-toc__list editorjs-toc__list--depth-0\">\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-1\" class=\"editorjs-toc__link\">Вопрос\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-7\" class=\"editorjs-toc__link\">Что это на самом деле означает\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-12\" class=\"editorjs-toc__link\">Простейший пример\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-20\" class=\"editorjs-toc__link\">Где пример перестаёт работать\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-24\" class=\"editorjs-toc__link\">Прямой ответ\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-27\" class=\"editorjs-toc__link\">Почему RAG может давать сбои даже при правильном источнике\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-31\" class=\"editorjs-toc__link\">Восемь точек сохранения\u003C\u002Fa>\u003Col class=\"editorjs-toc__list editorjs-toc__list--depth-1\">\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-32\" class=\"editorjs-toc__link\">1. Идентичность\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-34\" class=\"editorjs-toc__link\">2. Происхождение\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-36\" class=\"editorjs-toc__link\">3. Структура\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-38\" class=\"editorjs-toc__link\">4. Единицы измерения\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-40\" class=\"editorjs-toc__link\">5. Условия и исключения\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-42\" class=\"editorjs-toc__link\">6. Версия и время\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-44\" class=\"editorjs-toc__link\">7. Состояние конфликта\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-46\" class=\"editorjs-toc__link\">8. Область доступа\u003C\u002Fa>\u003C\u002Fli>\u003C\u002Fol>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-48\" class=\"editorjs-toc__link\">От сырых данных к контролируемым доказательствам\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-52\" class=\"editorjs-toc__link\">Инженерия контекста — часть цепочки\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-56\" class=\"editorjs-toc__link\">Связь с дистанцией доказательств\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-60\" class=\"editorjs-toc__link\">Связь со слоем авторитетности извлечения\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-64\" class=\"editorjs-toc__link\">Практическая модель данных\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-68\" class=\"editorjs-toc__link\">Диагностический \u002F решенческий метод\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-72\" class=\"editorjs-toc__link\">Режим отказа: осиротевший чанк\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-76\" class=\"editorjs-toc__link\">Режим отказа: нормализация путём изобретения\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-80\" class=\"editorjs-toc__link\">Режим отказа: схлопывание конфликта\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-84\" class=\"editorjs-toc__link\">Режим отказа: сжатие контекста\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-88\" class=\"editorjs-toc__link\">Краевой случай: сжатие с потерями всё ещё может быть корректным\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-92\" class=\"editorjs-toc__link\">Ограничения\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-96\" class=\"editorjs-toc__link\">Что могло бы изменить этот ответ?\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-99\" class=\"editorjs-toc__link\">Заключение\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-104\" class=\"editorjs-toc__link\">Первоисточники\u003C\u002Fa>\u003C\u002Fli>\u003C\u002Fol>\u003C\u002Fnav>\n\u003Ch2 id=\"section-7\">Что это на самом деле означает\u003C\u002Fh2>\n\u003Cp>Большинство обсуждений RAG сосредоточены на том, можно ли найти релевантную информацию.\u003C\u002Fp>\n\u003Cp>Но доказательства обычно проходят через несколько преобразований, прежде чем модель их увидит.\u003C\u002Fp>\n\u003Cpre class=\"code-block\">\u003Ccode>Original Source\n   ↓\nParsing\n   ↓\nNormalization\n   ↓\nChunking\n   ↓\nIndexing\n   ↓\nRetrieval\n   ↓\nReranking\n   ↓\nContext Assembly\n   ↓\nModel\n   ↓\nClaim\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>Доказательства могут деградировать на любом этапе этой цепочки, даже если исходный документ был абсолютно корректен.\u003C\u002Fp>\n\u003Ch2 id=\"section-12\">Простейший пример\u003C\u002Fh2>\n\u003Cp>Представьте, что в руководстве по эксплуатации изделия есть такое утверждение:\u003C\u002Fp>\n\u003Cblockquote class=\"border-l-4 border-gray-300 pl-4 italic\">Максимальная рабочая температура: 40 °C, за исключением случаев, когда установлен аксессуар X, в этом случае предел составляет 35 °C.\u003Ccite class=\"block mt-2 text-sm\">— Пример исходного утверждения\u003C\u002Fcite>\u003C\u002Fblockquote>\n\u003Cp>Плохой процесс разбиения разделяет предложение.\u003C\u002Fp>\n\u003Cpre class=\"code-block\">\u003Ccode>Chunk A:\nMaximum operating temperature: 40 °C.\n\nChunk B:\nExcept when accessory X is installed, in which case the limit is 35 °C.\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>Поисковая система возвращает только фрагмент A.\u003C\u002Fp>\n\u003Cp>Извлечённый текст не сфабрикован. Он взят непосредственно из руководства. Однако контекст неполон именно в том смысле, который имеет значение.\u003C\u002Fp>\n\u003Cpre class=\"code-block\">\u003Ccode>Correct source\n        +\nlossy transformation\n        =\nmisleading evidence\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Ch2 id=\"section-20\">Где пример перестаёт работать\u003C\u002Fh2>\n\u003Cp>Сохранение доказательств не означает копирование каждого байта источника без изменений в контекст модели.\u003C\u002Fp>\n\u003Cp>Сжатие, нормализация, разбиение на фрагменты и суммирование часто необходимы. Цель — сохранить свойства, необходимые для правильной интерпретации, а не устранить преобразование.\u003C\u002Fp>\n\u003Cp>Таким образом, сложный инженерный вопрос заключается в следующем: какие свойства несут семантическую нагрузку?\u003C\u002Fp>\n\u003Ch2 id=\"section-24\">Прямой ответ\u003C\u002Fh2>\n\u003Cp>Доказательства выдерживают конвейер ИИ, когда преобразования между источником и моделью сохраняют достаточно идентичности, происхождения, структуры, единиц измерения, условий, конфликтов и метаданных о достоверности, чтобы извлечённая информация означала в контексте то же самое, что она означала в источнике.\u003C\u002Fp>\n\u003Cpre class=\"code-block\">\u003Ccode>Evidence Preservation\n=\nmeaning\n+ identity\n+ provenance\n+ scope\n+ units\n+ conditions\n+ validity\n+ traceability\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Ch2 id=\"section-27\">Почему RAG может давать сбои даже при правильном источнике\u003C\u002Fh2>\n\u003Cp>Поисковая система может найти правильный документ, но при этом предоставить неверную единицу доказательства.\u003C\u002Fp>\n\u003Cp>Проблема могла возникнуть гораздо раньше: во время OCR, парсинга документов, извлечения из HTML, преобразования таблиц, сопоставления полей, построения фрагментов или потери метаданных.\u003C\u002Fp>\n\u003Ca href=\"https:\u002F\u002Fstajic.de\u002Fru\u002Fblog\u002Fwhere-does-an-llm-get-its-data-rag-data-sources-in-python\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">Откуда LLM берёт данные? Источники данных RAG на Python\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">RAG начинается с внешних источников данных и методов поиска. Сохранение доказательств спрашивает, что должно сохраниться между исходным источником и извлечённым контекстом.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ch2 id=\"section-31\">Восемь точек сохранения\u003C\u002Fh2>\n\u003Ch3 id=\"section-32\">1. Идентичность\u003C\u002Fh3>\n\u003Cp>Конвейер должен сохранять, какую сущность, продукт, документ, пользователя, контракт или запись фактически описывают доказательства.\u003C\u002Fp>\n\u003Ch3 id=\"section-34\">2. Происхождение\u003C\u002Fh3>\n\u003Cp>Система должна быть способна проследить извлечённые доказательства до их исходного источника, а не только до анонимного идентификатора фрагмента.\u003C\u002Fp>\n\u003Ch3 id=\"section-36\">3. Структура\u003C\u002Fh3>\n\u003Cp>Таблицы, заголовки, списки, отношения родитель-потомок и исключения могут нести смысл, который исчезает, когда всё уплощается в независимые текстовые фрагменты.\u003C\u002Fp>\n\u003Ch3 id=\"section-38\">4. Единицы измерения\u003C\u002Fh3>\n\u003Cp>Число без единицы измерения может стать бесполезным или опасным. 100 может означать миллисекунды, килограммы, евро, вольты или процент от базового значения.\u003C\u002Fp>\n\u003Ch3 id=\"section-40\">5. Условия и исключения\u003C\u002Fh3>\n\u003Cp>Правила часто содержат условия применимости. Отделение правила от исключения может сохранить слова, но уничтожить смысл.\u003C\u002Fp>\n\u003Ch3 id=\"section-42\">6. Версия и время\u003C\u002Fh3>\n\u003Cp>Доказательство должно сохранять, когда оно стало действительным, когда оно было замечено и заменяет ли его более новый объект.\u003C\u002Fp>\n\u003Ch3 id=\"section-44\">7. Состояние конфликта\u003C\u002Fh3>\n\u003Cp>Если два источника противоречат друг другу, нормализация не должна молча выбирать одно значение и стирать факт наличия противоречия.\u003C\u002Fp>\n\u003Ch3 id=\"section-46\">8. Область доступа\u003C\u002Fh3>\n\u003Cp>Границы разрешений и арендаторов должны оставаться привязанными к доказательствам на протяжении всего поиска и сборки контекста.\u003C\u002Fp>\n\u003Ch2 id=\"section-48\">От сырых данных к контролируемым доказательствам\u003C\u002Fh2>\n\u003Cp>Самое надёжное место для сохранения доказательств часто находится до векторизации.\u003C\u002Fp>\n\u003Cp>Если идентичность источника, действительность и конфликты теряются до создания эмбеддингов, поиск не сможет волшебным образом восстановить их позже.\u003C\u002Fp>\n\u003Ca href=\"https:\u002F\u002Fstajic.de\u002Fru\u002Fportfolio\u002Ffrom-raw-data-to-verifiable-ai-context-a-practical-architecture-for-agent-ready-information\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">От сырых данных к проверяемому контексту ИИ: практическая архитектура для информации, готовой к использованию агентами\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Архитектура начинается до поиска, сохраняя идентичность, происхождение, конфликты, неизвестные и действительность в переиспользуемых информационных объектах.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ch2 id=\"section-52\">Инженерия контекста — часть цепочки\u003C\u002Fh2>\n\u003Cp>Даже корректно найденные доказательства могут быть повреждены во время сборки контекста.\u003C\u002Fp>\n\u003Cp>Сборщик контекста может обрезать исключение, удалить метки источников, объединить конфликтующие фрагменты, изменить порядок зависимостей или превысить полезный бюджет внимания модели.\u003C\u002Fp>\n\u003Ca href=\"https:\u002F\u002Fstajic.de\u002Fru\u002Fblog\u002Fwhat-is-context-engineering-what-the-model-receives-before-it-answers\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">Что такое контекстная инженерия? Что получает модель перед тем, как ответить\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Контекстная инженерия определяет, какая извлечённая информация действительно доходит до модели и при каких структурных ограничениях, ограничениях достоверности и безопасности.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ch2 id=\"section-56\">Связь с дистанцией доказательств\u003C\u002Fh2>\n\u003Cp>Сохранение доказательств и дистанция доказательств описывают разные режимы отказа.\u003C\u002Fp>\n\u003Cpre class=\"code-block\">\u003Ccode>Evidence Preservation Chain:\nDid the evidence survive transformation?\n\nEvidence Distance:\nHow far is the final claim from that evidence?\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>Система может идеально сохранять доказательства и всё равно делать из них необоснованный вывод. И наоборот, итоговое рассуждение может быть простым, тогда как сами доказательства были уже искажены ранее в конвейере.\u003C\u002Fp>\n\u003Ch2 id=\"section-60\">Связь со слоем авторитетности извлечения\u003C\u002Fh2>\n\u003Cp>Слой авторитетности извлечения выбирает, какой источник заслуживает доказательственного веса.\u003C\u002Fp>\n\u003Cp>Цепочка сохранения доказательств гарантирует, что свойства, делающие этот источник авторитетным, не отбрасываются после выбора.\u003C\u002Fp>\n\u003Cpre class=\"code-block\">\u003Ccode>Authority at source\n        ↓\nPreservation through pipeline\n        ↓\nAuthority still visible in context\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Ch2 id=\"section-64\">Практическая модель данных\u003C\u002Fh2>\n\u003Cp>Единица извлечения может нести больше, чем текст.\u003C\u002Fp>\n\u003Cpre class=\"code-block\">\u003Ccode>{\n  "text": "Maximum operating temperature is 40 °C...",\n  "sourceId": "manual-v4.2",\n  "entityId": "device-184",\n  "section": "Operating limits",\n  "validFrom": "2026-03-01",\n  "unit": "°C",\n  "conditions": ["35 °C when accessory X is installed"],\n  "authority": "manufacturer_manual",\n  "conflicts": [],\n  "accessScope": "public"\n}\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>Точная схема зависит от приложения. Архитектурный принцип состоит в том, что извлекаемый текст не должен отрываться от метаданных, необходимых для его интерпретации.\u003C\u002Fp>\n\u003Ch2 id=\"section-68\">Диагностический \u002F решенческий метод\u003C\u002Fh2>\n\u003Cp>Выберите один важный ответ и проследите одно подтверждающее утверждение в обратном направлении через систему.\u003C\u002Fp>\n\u003Col>\u003Cli>Определите итоговое утверждение.\u003C\u002Fli>\u003Cli>Определите точный фрагмент контекста, который его подтвердил.\u003C\u002Fli>\u003Cli>Определите извлечённый чанк, который породил этот фрагмент.\u003C\u002Fli>\u003Cli>Определите нормализованную запись или разобранный документ, стоящий за чанком.\u003C\u002Fli>\u003Cli>Определите исходный источник.\u003C\u002Fli>\u003Cli>Сравните смысл, охват, единицы измерения, условия и версию на каждом переходе.\u003C\u002Fli>\u003C\u002Fol>\n\u003Cp>Любая точка, где исчезает существенный смысл, является разрывом в цепочке сохранения доказательств.\u003C\u002Fp>\n\u003Ch2 id=\"section-72\">Режим отказа: осиротевший чанк\u003C\u002Fh2>\n\u003Cp>Осиротевший фрагмент содержит текст, выглядящий полезным, но не имеет надёжной связи со структурой документа, идентичностью источника, версией или условиями применимости, из которых он произошёл.\u003C\u002Fp>\n\u003Cpre class=\"code-block\">\u003Ccode>"Refunds are available for 30 days."\n\nMissing:\nWhich product?\nWhich country?\nWhich policy version?\nFrom what effective date?\nWhat exceptions?\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>Предложение может быть подлинным и при этом оставаться ненадёжным доказательством.\u003C\u002Fp>\n\u003Ch2 id=\"section-76\">Режим отказа: нормализация путём изобретения\u003C\u002Fh2>\n\u003Cp>Нормализация должна согласовывать представления. Она не должна молча изобретать отсутствующие значения, чтобы записи выглядели полными.\u003C\u002Fp>\n\u003Cpre class=\"code-block\">\u003Ccode>Unknown\n≠\nFalse\n≠\nZero\n≠\nDefault\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>Сохранение неизвестных значений является частью сохранения доказательств.\u003C\u002Fp>\n\u003Ch2 id=\"section-80\">Режим отказа: схлопывание конфликта\u003C\u002Fh2>\n\u003Cp>Предположим, один утверждённый источник говорит 24 месяца, а другой — 36 месяцев.\u003C\u002Fp>\n\u003Cp>Конвейер, который просто сохраняет последнее импортированное значение, создаёт чистую базу данных и уничтожает доказательство того, что конфликт существовал.\u003C\u002Fp>\n\u003Cp>Проверяемая система должна сохранять оба значения, их происхождение и неразрешённый конфликт до тех пор, пока правило или решение человека не разрешит его.\u003C\u002Fp>\n\u003Ch2 id=\"section-84\">Режим отказа: сжатие контекста\u003C\u002Fh2>\n\u003Cp>Сжатие контекста может быть полезным, но резюме, удаляющее уточнения, может повысить кажущуюся определённость.\u003C\u002Fp>\n\u003Cpre class=\"code-block\">\u003Ccode>Source:\n"Evidence suggests X under conditions A and B, but the sample is small."\n\nBad compression:\n"X is proven."\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>Информация стала короче и одновременно менее правдивой.\u003C\u002Fp>\n\u003Ch2 id=\"section-88\">Краевой случай: сжатие с потерями всё ещё может быть корректным\u003C\u002Fh2>\n\u003Cp>Не каждая потеря вредна.\u003C\u002Fp>\n\u003Cp>Удаление визуального форматирования из абзаца может не иметь семантических последствий. Преобразование Цельсия в Кельвины может сохранить смысл, если преобразование явное и правильное. Дедупликация точных копий может улучшить поиск без потери доказательств.\u003C\u002Fp>\n\u003Cp>Таким образом, цель — не хранение без потерь на каждом этапе. Это семантически достаточное сохранение.\u003C\u002Fp>\n\u003Ch2 id=\"section-92\">Ограничения\u003C\u002Fh2>\n\u003Cp>Цепочка сохранения доказательств — это архитектурная концепция, а не гарантия того, что сохранённые доказательства будут интерпретированы правильно.\u003C\u002Fp>\n\u003Cp>Модель может получить идеально сохранённые доказательства и всё равно рассуждать плохо. Система поиска может сохранить происхождение и всё равно ранжировать неверный источник. Сам источник тоже может быть неверным.\u003C\u002Fp>\n\u003Cp>Сохранение защищает конвейер доказательств. Оно не заменяет оценку источника или рассуждение.\u003C\u002Fp>\n\u003Ch2 id=\"section-96\">Что могло бы изменить этот ответ?\u003C\u002Fh2>\n\u003Cp>Будущие системы могут извлекать структурированные объекты доказательств, а не текстовые фрагменты, автоматически сохранять графы происхождения и предоставлять машиночитаемые ограничения валидности непосредственно моделям и агентам.\u003C\u002Fp>\n\u003Cp>Это сделало бы сохранение доказательств проще в реализации, но сделало бы принцип более важным, а не менее важным.\u003C\u002Fp>\n\u003Ch2 id=\"section-99\">Заключение\u003C\u002Fh2>\n\u003Cp>Надёжный ИИ требует большего, чем поиск правильного источника.\u003C\u002Fp>\n\u003Cp>Свойства, которые делают источник полезным, должны сохраниться при парсинге, нормализации, разбиении на фрагменты, поиске и сборке контекста.\u003C\u002Fp>\n\u003Cpre class=\"code-block\">\u003Ccode>Source Authority\n      ↓\nEvidence Preservation Chain\n      ↓\nRetrievable Evidence\n      ↓\nEvidence Distance\n      ↓\nReasoning\n      ↓\nAnswer Validity Boundary\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>Если цепочка разрывается, модель может получить информацию, которая технически подлинна, но больше не безопасна для интерпретации как исходное доказательство.\u003C\u002Fp>\n\u003Ch2 id=\"section-104\">Первоисточники\u003C\u002Fh2>\n\u003Cp>Patrick Lewis et al., \u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2005.11401\" target=\"_blank\">Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks\u003C\u002Fa> (2020).\u003C\u002Fp>\n\u003Cp>Nelson F. Liu et al., \u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2307.03172\" target=\"_blank\">Lost in the Middle: How Language Models Use Long Contexts\u003C\u002Fa> (2023).\u003C\u002Fp>\n\u003Cp>W3C, \u003Ca href=\"https:\u002F\u002Fwww.w3.org\u002FTR\u002Fprov-overview\u002F\" target=\"_blank\">PROV Overview\u003C\u002Fa>.\u003C\u002Fp>",{"time":228,"blocks":229,"version":798},1792096610515,[230,236,242,247,252,260,267,272,277,282,288,293,298,303,309,314,319,324,329,334,339,344,349,354,359,364,369,374,379,384,395,400,405,410,415,420,425,430,435,440,445,450,455,460,465,470,475,480,485,490,495,504,509,514,519,528,533,538,543,548,553,558,563,568,573,578,583,588,593,598,613,618,623,628,633,638,643,648,653,658,663,668,673,678,683,688,693,698,703,708,713,718,723,728,733,738,743,748,753,758,763,768,773,778,783,788,793],{"id":231,"data":232,"type":42,"tunes":235},"tP10jlMV2G",{"text":233,"level":234},"Вопрос",2,{},{"id":237,"data":238,"type":240,"tunes":241},"zD8a-5x7r9",{"text":239},"Что происходит, когда исходный источник корректен, но конвейер ИИ удаляет информацию, необходимую для правильного понимания этого источника?","paragraph",{},{"id":243,"data":244,"type":240,"tunes":246},"LJjTjSV74R",{"text":245},"Надёжный документ может стать ненадёжным контекстом, если парсинг удаляет структуру таблицы, разбиение отделяет условие от его исключения, нормализация отбрасывает единицы измерения, поиск теряет метаданные версии или сборка контекста скрывает конфликт.",{},{"id":248,"data":249,"type":240,"tunes":251},"kOzPNiKvzu",{"text":250},"В этой статье используется термин «цепочка сохранения доказательств» для требования, чтобы доказательства сохраняли свойства, необходимые для правильной интерпретации, при переходе от источника к окончательному контексту ИИ.",{},{"id":253,"data":254,"type":258,"tunes":259},"xUf9Qt8UHn",{"text":255,"caption":256,"alignment":257},"Цепочка сохранения доказательств — это сквозная последовательность преобразований, в ходе которой доказательства должны сохранять идентичность, происхождение, область действия, смысл и достоверность, прежде чем они смогут безопасно обосновать утверждение, сгенерированное ИИ.","Рабочее определение — архитектурная концепция, введённая здесь, а не стандартизированный исследовательский термин.","left","quote",{},{"id":261,"data":262,"type":265,"tunes":266},"RxQsaJsNo6",{"title":263,"maxLevel":264,"minLevel":234},"Содержание",3,"tableOfContents",{},{"id":268,"data":269,"type":42,"tunes":271},"NBMzNZ_qHB",{"text":270,"level":234},"Что это на самом деле означает",{},{"id":273,"data":274,"type":240,"tunes":276},"zAEKGXCEmK",{"text":275},"Большинство обсуждений RAG сосредоточены на том, можно ли найти релевантную информацию.",{},{"id":278,"data":279,"type":240,"tunes":281},"i2gu8IM3j1",{"text":280},"Но доказательства обычно проходят через несколько преобразований, прежде чем модель их увидит.",{},{"id":283,"data":284,"type":286,"tunes":287},"lN52dh3dxK",{"code":285},"Original Source\n   ↓\nParsing\n   ↓\nNormalization\n   ↓\nChunking\n   ↓\nIndexing\n   ↓\nRetrieval\n   ↓\nReranking\n   ↓\nContext Assembly\n   ↓\nModel\n   ↓\nClaim","code",{},{"id":289,"data":290,"type":240,"tunes":292},"G90TdnX4WC",{"text":291},"Доказательства могут деградировать на любом этапе этой цепочки, даже если исходный документ был абсолютно корректен.",{},{"id":294,"data":295,"type":42,"tunes":297},"mC_OsF2ji3",{"text":296,"level":234},"Простейший пример",{},{"id":299,"data":300,"type":240,"tunes":302},"P8XUivVa7g",{"text":301},"Представьте, что в руководстве по эксплуатации изделия есть такое утверждение:",{},{"id":304,"data":305,"type":258,"tunes":308},"2LamDXESHK",{"text":306,"caption":307,"alignment":257},"Максимальная рабочая температура: 40 °C, за исключением случаев, когда установлен аксессуар X, в этом случае предел составляет 35 °C.","Пример исходного утверждения",{},{"id":310,"data":311,"type":240,"tunes":313},"BNY1TVLg3y",{"text":312},"Плохой процесс разбиения разделяет предложение.",{},{"id":315,"data":316,"type":286,"tunes":318},"xaAZ_aJazc",{"code":317},"Chunk A:\nMaximum operating temperature: 40 °C.\n\nChunk B:\nExcept when accessory X is installed, in which case the limit is 35 °C.",{},{"id":320,"data":321,"type":240,"tunes":323},"q0ORvmk__K",{"text":322},"Поисковая система возвращает только фрагмент A.",{},{"id":325,"data":326,"type":240,"tunes":328},"MupQI-_xIz",{"text":327},"Извлечённый текст не сфабрикован. Он взят непосредственно из руководства. Однако контекст неполон именно в том смысле, который имеет значение.",{},{"id":330,"data":331,"type":286,"tunes":333},"cYEvuH7MR6",{"code":332},"Correct source\n        +\nlossy transformation\n        =\nmisleading evidence",{},{"id":335,"data":336,"type":42,"tunes":338},"F_ZvT1AfTN",{"text":337,"level":234},"Где пример перестаёт работать",{},{"id":340,"data":341,"type":240,"tunes":343},"flP5_wVcvt",{"text":342},"Сохранение доказательств не означает копирование каждого байта источника без изменений в контекст модели.",{},{"id":345,"data":346,"type":240,"tunes":348},"rrlavifFLP",{"text":347},"Сжатие, нормализация, разбиение на фрагменты и суммирование часто необходимы. Цель — сохранить свойства, необходимые для правильной интерпретации, а не устранить преобразование.",{},{"id":350,"data":351,"type":240,"tunes":353},"CM_pAZ8ozk",{"text":352},"Таким образом, сложный инженерный вопрос заключается в следующем: какие свойства несут семантическую нагрузку?",{},{"id":355,"data":356,"type":42,"tunes":358},"U8VCT8z_Nf",{"text":357,"level":234},"Прямой ответ",{},{"id":360,"data":361,"type":240,"tunes":363},"Hs1rUljfaq",{"text":362},"Доказательства выдерживают конвейер ИИ, когда преобразования между источником и моделью сохраняют достаточно идентичности, происхождения, структуры, единиц измерения, условий, конфликтов и метаданных о достоверности, чтобы извлечённая информация означала в контексте то же самое, что она означала в источнике.",{},{"id":365,"data":366,"type":286,"tunes":368},"2r2HxbzQFg",{"code":367},"Evidence Preservation\n=\nmeaning\n+ identity\n+ provenance\n+ scope\n+ units\n+ conditions\n+ validity\n+ traceability",{},{"id":370,"data":371,"type":42,"tunes":373},"ka_HV02MYw",{"text":372,"level":234},"Почему RAG может давать сбои даже при правильном источнике",{},{"id":375,"data":376,"type":240,"tunes":378},"eKv9aiSIC9",{"text":377},"Поисковая система может найти правильный документ, но при этом предоставить неверную единицу доказательства.",{},{"id":380,"data":381,"type":240,"tunes":383},"-EAX8UkdxQ",{"text":382},"Проблема могла возникнуть гораздо раньше: во время OCR, парсинга документов, извлечения из HTML, преобразования таблиц, сопоставления полей, построения фрагментов или потери метаданных.",{},{"id":385,"data":386,"type":393,"tunes":394},"oYCdWaadX3",{"link":387,"meta":388},"https:\u002F\u002Fstajic.de\u002Fru\u002Fblog\u002Fwhere-does-an-llm-get-its-data-rag-data-sources-in-python",{"image":389,"title":391,"description":392},{"url":390},"","Откуда LLM берёт данные? Источники данных RAG на Python","RAG начинается с внешних источников данных и методов поиска. Сохранение доказательств спрашивает, что должно сохраниться между исходным источником и извлечённым контекстом.","linkTool",{},{"id":396,"data":397,"type":42,"tunes":399},"A_6idqO75O",{"text":398,"level":234},"Восемь точек сохранения",{},{"id":401,"data":402,"type":42,"tunes":404},"NaU6o_qWBJ",{"text":403,"level":264},"1. Идентичность",{},{"id":406,"data":407,"type":240,"tunes":409},"5mR31I7W1M",{"text":408},"Конвейер должен сохранять, какую сущность, продукт, документ, пользователя, контракт или запись фактически описывают доказательства.",{},{"id":411,"data":412,"type":42,"tunes":414},"UIaEdeVESf",{"text":413,"level":264},"2. Происхождение",{},{"id":416,"data":417,"type":240,"tunes":419},"vAtWlAr_L5",{"text":418},"Система должна быть способна проследить извлечённые доказательства до их исходного источника, а не только до анонимного идентификатора фрагмента.",{},{"id":421,"data":422,"type":42,"tunes":424},"6EGnXzdt_j",{"text":423,"level":264},"3. Структура",{},{"id":426,"data":427,"type":240,"tunes":429},"9NSFX7Dq4k",{"text":428},"Таблицы, заголовки, списки, отношения родитель-потомок и исключения могут нести смысл, который исчезает, когда всё уплощается в независимые текстовые фрагменты.",{},{"id":431,"data":432,"type":42,"tunes":434},"87QZ9m4_q7",{"text":433,"level":264},"4. Единицы измерения",{},{"id":436,"data":437,"type":240,"tunes":439},"0e7PrlT5MU",{"text":438},"Число без единицы измерения может стать бесполезным или опасным. 100 может означать миллисекунды, килограммы, евро, вольты или процент от базового значения.",{},{"id":441,"data":442,"type":42,"tunes":444},"Bid-hGyRbP",{"text":443,"level":264},"5. Условия и исключения",{},{"id":446,"data":447,"type":240,"tunes":449},"Td_5jAm0ME",{"text":448},"Правила часто содержат условия применимости. Отделение правила от исключения может сохранить слова, но уничтожить смысл.",{},{"id":451,"data":452,"type":42,"tunes":454},"y5CedEdzCc",{"text":453,"level":264},"6. Версия и время",{},{"id":456,"data":457,"type":240,"tunes":459},"K9nDZI5yQf",{"text":458},"Доказательство должно сохранять, когда оно стало действительным, когда оно было замечено и заменяет ли его более новый объект.",{},{"id":461,"data":462,"type":42,"tunes":464},"UtnbpFacpC",{"text":463,"level":264},"7. Состояние конфликта",{},{"id":466,"data":467,"type":240,"tunes":469},"rQMwxCKxIE",{"text":468},"Если два источника противоречат друг другу, нормализация не должна молча выбирать одно значение и стирать факт наличия противоречия.",{},{"id":471,"data":472,"type":42,"tunes":474},"615Imi6TRP",{"text":473,"level":264},"8. Область доступа",{},{"id":476,"data":477,"type":240,"tunes":479},"WZuieLPrus",{"text":478},"Границы разрешений и арендаторов должны оставаться привязанными к доказательствам на протяжении всего поиска и сборки контекста.",{},{"id":481,"data":482,"type":42,"tunes":484},"je6wCH54vs",{"text":483,"level":234},"От сырых данных к контролируемым доказательствам",{},{"id":486,"data":487,"type":240,"tunes":489},"fqi7FxVIcZ",{"text":488},"Самое надёжное место для сохранения доказательств часто находится до векторизации.",{},{"id":491,"data":492,"type":240,"tunes":494},"iA9_KWjiwC",{"text":493},"Если идентичность источника, действительность и конфликты теряются до создания эмбеддингов, поиск не сможет волшебным образом восстановить их позже.",{},{"id":496,"data":497,"type":393,"tunes":503},"y6cwyGR2PK",{"link":498,"meta":499},"https:\u002F\u002Fstajic.de\u002Fru\u002Fportfolio\u002Ffrom-raw-data-to-verifiable-ai-context-a-practical-architecture-for-agent-ready-information",{"image":500,"title":501,"description":502},{"url":390},"От сырых данных к проверяемому контексту ИИ: практическая архитектура для информации, готовой к использованию агентами","Архитектура начинается до поиска, сохраняя идентичность, происхождение, конфликты, неизвестные и действительность в переиспользуемых информационных объектах.",{},{"id":505,"data":506,"type":42,"tunes":508},"piEK0zmvxT",{"text":507,"level":234},"Инженерия контекста — часть цепочки",{},{"id":510,"data":511,"type":240,"tunes":513},"Hs-hKf-7cy",{"text":512},"Даже корректно найденные доказательства могут быть повреждены во время сборки контекста.",{},{"id":515,"data":516,"type":240,"tunes":518},"kdWLXPTg4h",{"text":517},"Сборщик контекста может обрезать исключение, удалить метки источников, объединить конфликтующие фрагменты, изменить порядок зависимостей или превысить полезный бюджет внимания модели.",{},{"id":520,"data":521,"type":393,"tunes":527},"vQ5Jya2Rv8",{"link":522,"meta":523},"https:\u002F\u002Fstajic.de\u002Fru\u002Fblog\u002Fwhat-is-context-engineering-what-the-model-receives-before-it-answers",{"image":524,"title":525,"description":526},{"url":390},"Что такое контекстная инженерия? Что получает модель перед тем, как ответить","Контекстная инженерия определяет, какая извлечённая информация действительно доходит до модели и при каких структурных ограничениях, ограничениях достоверности и безопасности.",{},{"id":529,"data":530,"type":42,"tunes":532},"oC18nhSD3Y",{"text":531,"level":234},"Связь с дистанцией доказательств",{},{"id":534,"data":535,"type":240,"tunes":537},"tbewzxhkkL",{"text":536},"Сохранение доказательств и дистанция доказательств описывают разные режимы отказа.",{},{"id":539,"data":540,"type":286,"tunes":542},"XzYMjN1nNf",{"code":541},"Evidence Preservation Chain:\nDid the evidence survive transformation?\n\nEvidence Distance:\nHow far is the final claim from that evidence?",{},{"id":544,"data":545,"type":240,"tunes":547},"013RZ4lijY",{"text":546},"Система может идеально сохранять доказательства и всё равно делать из них необоснованный вывод. И наоборот, итоговое рассуждение может быть простым, тогда как сами доказательства были уже искажены ранее в конвейере.",{},{"id":549,"data":550,"type":42,"tunes":552},"cdXu2rD4d-",{"text":551,"level":234},"Связь со слоем авторитетности извлечения",{},{"id":554,"data":555,"type":240,"tunes":557},"asRwQ_zGye",{"text":556},"Слой авторитетности извлечения выбирает, какой источник заслуживает доказательственного веса.",{},{"id":559,"data":560,"type":240,"tunes":562},"dMwV7G7LC4",{"text":561},"Цепочка сохранения доказательств гарантирует, что свойства, делающие этот источник авторитетным, не отбрасываются после выбора.",{},{"id":564,"data":565,"type":286,"tunes":567},"ky0NtD4IAl",{"code":566},"Authority at source\n        ↓\nPreservation through pipeline\n        ↓\nAuthority still visible in context",{},{"id":569,"data":570,"type":42,"tunes":572},"Em0D8AL_b7",{"text":571,"level":234},"Практическая модель данных",{},{"id":574,"data":575,"type":240,"tunes":577},"iDWVeCI3US",{"text":576},"Единица извлечения может нести больше, чем текст.",{},{"id":579,"data":580,"type":286,"tunes":582},"Ybc3rCbvY0",{"code":581},"{\n  \"text\": \"Maximum operating temperature is 40 °C...\",\n  \"sourceId\": \"manual-v4.2\",\n  \"entityId\": \"device-184\",\n  \"section\": \"Operating limits\",\n  \"validFrom\": \"2026-03-01\",\n  \"unit\": \"°C\",\n  \"conditions\": [\"35 °C when accessory X is installed\"],\n  \"authority\": \"manufacturer_manual\",\n  \"conflicts\": [],\n  \"accessScope\": \"public\"\n}",{},{"id":584,"data":585,"type":240,"tunes":587},"g007D00k4V",{"text":586},"Точная схема зависит от приложения. Архитектурный принцип состоит в том, что извлекаемый текст не должен отрываться от метаданных, необходимых для его интерпретации.",{},{"id":589,"data":590,"type":42,"tunes":592},"Wi-cP9HpKU",{"text":591,"level":234},"Диагностический \u002F решенческий метод",{},{"id":594,"data":595,"type":240,"tunes":597},"yUPTwfB9uP",{"text":596},"Выберите один важный ответ и проследите одно подтверждающее утверждение в обратном направлении через систему.",{},{"id":599,"data":600,"type":611,"tunes":612},"IRrMfVVINa",{"meta":601,"items":603,"style":610},{"counterType":602},"numeric",[604,605,606,607,608,609],"Определите итоговое утверждение.","Определите точный фрагмент контекста, который его подтвердил.","Определите извлечённый чанк, который породил этот фрагмент.","Определите нормализованную запись или разобранный документ, стоящий за чанком.","Определите исходный источник.","Сравните смысл, охват, единицы измерения, условия и версию на каждом переходе.","ordered","list",{},{"id":614,"data":615,"type":240,"tunes":617},"05LsNWXcjf",{"text":616},"Любая точка, где исчезает существенный смысл, является разрывом в цепочке сохранения доказательств.",{},{"id":619,"data":620,"type":42,"tunes":622},"raBFHAylDf",{"text":621,"level":234},"Режим отказа: осиротевший чанк",{},{"id":624,"data":625,"type":240,"tunes":627},"iniLj3zXLh",{"text":626},"Осиротевший фрагмент содержит текст, выглядящий полезным, но не имеет надёжной связи со структурой документа, идентичностью источника, версией или условиями применимости, из которых он произошёл.",{},{"id":629,"data":630,"type":286,"tunes":632},"1zagZ01tls",{"code":631},"\"Refunds are available for 30 days.\"\n\nMissing:\nWhich product?\nWhich country?\nWhich policy version?\nFrom what effective date?\nWhat exceptions?",{},{"id":634,"data":635,"type":240,"tunes":637},"sZ0-pxHB2K",{"text":636},"Предложение может быть подлинным и при этом оставаться ненадёжным доказательством.",{},{"id":639,"data":640,"type":42,"tunes":642},"wCo24MdrUE",{"text":641,"level":234},"Режим отказа: нормализация путём изобретения",{},{"id":644,"data":645,"type":240,"tunes":647},"_8tEy420r3",{"text":646},"Нормализация должна согласовывать представления. Она не должна молча изобретать отсутствующие значения, чтобы записи выглядели полными.",{},{"id":649,"data":650,"type":286,"tunes":652},"DvCye0QKKX",{"code":651},"Unknown\n≠\nFalse\n≠\nZero\n≠\nDefault",{},{"id":654,"data":655,"type":240,"tunes":657},"gTRNnqfBbR",{"text":656},"Сохранение неизвестных значений является частью сохранения доказательств.",{},{"id":659,"data":660,"type":42,"tunes":662},"Azp57iMou6",{"text":661,"level":234},"Режим отказа: схлопывание конфликта",{},{"id":664,"data":665,"type":240,"tunes":667},"HXmXzrSkqL",{"text":666},"Предположим, один утверждённый источник говорит 24 месяца, а другой — 36 месяцев.",{},{"id":669,"data":670,"type":240,"tunes":672},"qDsZWYHjhc",{"text":671},"Конвейер, который просто сохраняет последнее импортированное значение, создаёт чистую базу данных и уничтожает доказательство того, что конфликт существовал.",{},{"id":674,"data":675,"type":240,"tunes":677},"NkYagndI9y",{"text":676},"Проверяемая система должна сохранять оба значения, их происхождение и неразрешённый конфликт до тех пор, пока правило или решение человека не разрешит его.",{},{"id":679,"data":680,"type":42,"tunes":682},"KrRJTl84Dq",{"text":681,"level":234},"Режим отказа: сжатие контекста",{},{"id":684,"data":685,"type":240,"tunes":687},"VVy7pkhXMG",{"text":686},"Сжатие контекста может быть полезным, но резюме, удаляющее уточнения, может повысить кажущуюся определённость.",{},{"id":689,"data":690,"type":286,"tunes":692},"MTqe1-sAHt",{"code":691},"Source:\n\"Evidence suggests X under conditions A and B, but the sample is small.\"\n\nBad compression:\n\"X is proven.\"",{},{"id":694,"data":695,"type":240,"tunes":697},"d61VdY7Z5d",{"text":696},"Информация стала короче и одновременно менее правдивой.",{},{"id":699,"data":700,"type":42,"tunes":702},"k4jHwZaoLl",{"text":701,"level":234},"Краевой случай: сжатие с потерями всё ещё может быть корректным",{},{"id":704,"data":705,"type":240,"tunes":707},"92uTDyGplP",{"text":706},"Не каждая потеря вредна.",{},{"id":709,"data":710,"type":240,"tunes":712},"U0cu-bjBmq",{"text":711},"Удаление визуального форматирования из абзаца может не иметь семантических последствий. Преобразование Цельсия в Кельвины может сохранить смысл, если преобразование явное и правильное. Дедупликация точных копий может улучшить поиск без потери доказательств.",{},{"id":714,"data":715,"type":240,"tunes":717},"GJpi4mOxtH",{"text":716},"Таким образом, цель — не хранение без потерь на каждом этапе. Это семантически достаточное сохранение.",{},{"id":719,"data":720,"type":42,"tunes":722},"7XXF7EHC5m",{"text":721,"level":234},"Ограничения",{},{"id":724,"data":725,"type":240,"tunes":727},"FW8TcQldR-",{"text":726},"Цепочка сохранения доказательств — это архитектурная концепция, а не гарантия того, что сохранённые доказательства будут интерпретированы правильно.",{},{"id":729,"data":730,"type":240,"tunes":732},"V1rP2gB1C8",{"text":731},"Модель может получить идеально сохранённые доказательства и всё равно рассуждать плохо. Система поиска может сохранить происхождение и всё равно ранжировать неверный источник. Сам источник тоже может быть неверным.",{},{"id":734,"data":735,"type":240,"tunes":737},"GCfe1Di90D",{"text":736},"Сохранение защищает конвейер доказательств. Оно не заменяет оценку источника или рассуждение.",{},{"id":739,"data":740,"type":42,"tunes":742},"654Bx39EsI",{"text":741,"level":234},"Что могло бы изменить этот ответ?",{},{"id":744,"data":745,"type":240,"tunes":747},"UFx-k4mGz6",{"text":746},"Будущие системы могут извлекать структурированные объекты доказательств, а не текстовые фрагменты, автоматически сохранять графы происхождения и предоставлять машиночитаемые ограничения валидности непосредственно моделям и агентам.",{},{"id":749,"data":750,"type":240,"tunes":752},"lQMoO7JEMG",{"text":751},"Это сделало бы сохранение доказательств проще в реализации, но сделало бы принцип более важным, а не менее важным.",{},{"id":754,"data":755,"type":42,"tunes":757},"gL1c_bEYfC",{"text":756,"level":234},"Заключение",{},{"id":759,"data":760,"type":240,"tunes":762},"xElsMHA7R-",{"text":761},"Надёжный ИИ требует большего, чем поиск правильного источника.",{},{"id":764,"data":765,"type":240,"tunes":767},"Heg2LJJSzg",{"text":766},"Свойства, которые делают источник полезным, должны сохраниться при парсинге, нормализации, разбиении на фрагменты, поиске и сборке контекста.",{},{"id":769,"data":770,"type":286,"tunes":772},"MzylWKf1Jm",{"code":771},"Source Authority\n      ↓\nEvidence Preservation Chain\n      ↓\nRetrievable Evidence\n      ↓\nEvidence Distance\n      ↓\nReasoning\n      ↓\nAnswer Validity Boundary",{},{"id":774,"data":775,"type":240,"tunes":777},"m_RMMC7dVx",{"text":776},"Если цепочка разрывается, модель может получить информацию, которая технически подлинна, но больше не безопасна для интерпретации как исходное доказательство.",{},{"id":779,"data":780,"type":42,"tunes":782},"IkNMvsnAJq",{"text":781,"level":234},"Первоисточники",{},{"id":784,"data":785,"type":240,"tunes":787},"QqTaKgzQ8k",{"text":786},"Patrick Lewis et al., \u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2005.11401\" target=\"_blank\">Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks\u003C\u002Fa> (2020).",{},{"id":789,"data":790,"type":240,"tunes":792},"UturEzvxw2",{"text":791},"Nelson F. Liu et al., \u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2307.03172\" target=\"_blank\">Lost in the Middle: How Language Models Use Long Contexts\u003C\u002Fa> (2023).",{},{"id":794,"data":795,"type":240,"tunes":797},"I2fpdupo7S",{"text":796},"W3C, \u003Ca href=\"https:\u002F\u002Fwww.w3.org\u002FTR\u002Fprov-overview\u002F\" target=\"_blank\">PROV Overview\u003C\u002Fa>.",{},"2.31","Доказательство может быть корректным в источнике и всё же стать ненадёжным после парсинга, нормализации, разбиения на фрагменты, извлечения и сборки контекста. Цепочка сохранения доказательств отслеживает, сохраняются ли идентичность, происхождение, область действия и смысл на всём протяжении конвейера ИИ.","\u002Fuploads\u002F2026\u002F10\u002Fcan-evidence-survive-the-ai-pipeline-the-evidence-preservation-chain-1792096396174-urdg9z.webp","can-evidence-survive-the-ai-pipeline-the-evidence-preservation-chain-1792096396174-urdg9z","PUBLISHED","2026-10-15T16:31:00.000Z","2026-10-15T20:31:59.026Z","2026-10-15T20:38:15.936Z",{"en":807,"de":808,"sr":809,"es":810,"fr":811,"it":812,"ru":813,"zh":814},"\u002Fblog\u002Fcan-evidence-survive-the-ai-pipeline-the-evidence-preservation-chain","\u002Fde\u002Fblog\u002Fcan-evidence-survive-the-ai-pipeline-the-evidence-preservation-chain","\u002Fsr\u002Fblog\u002Fcan-evidence-survive-the-ai-pipeline-the-evidence-preservation-chain","\u002Fes\u002Fblog\u002Fcan-evidence-survive-the-ai-pipeline-the-evidence-preservation-chain","\u002Ffr\u002Fblog\u002Fcan-evidence-survive-the-ai-pipeline-the-evidence-preservation-chain","\u002Fit\u002Fblog\u002Fcan-evidence-survive-the-ai-pipeline-the-evidence-preservation-chain","\u002Fru\u002Fblog\u002Fcan-evidence-survive-the-ai-pipeline-the-evidence-preservation-chain","\u002Fzh\u002Fblog\u002Fcan-evidence-survive-the-ai-pipeline-the-evidence-preservation-chain",[816,820],{"id":817,"name":818,"slug":819},68,"Риски, контроли и доказательства","risks-and-controls",{"id":821,"name":822,"slug":823},49,"Контроли и доказательства","controls",{"id":825,"login":826,"email":390,"displayName":827},"20","rooth8233","Aleksandar Stajić",[829,1273],{"lang":830,"title":831,"content":832,"contentJson":833,"excerpt":1272},"en","Can Evidence Survive the AI Pipeline? — The Evidence Preservation Chain","{\"time\":1792096415735,\"blocks\":[{\"id\":\"tP10jlMV2G\",\"type\":\"header\",\"data\":{\"text\":\"Question\",\"level\":2},\"tunes\":{}},{\"id\":\"zD8a-5x7r9\",\"type\":\"paragraph\",\"data\":{\"text\":\"What happens when the original source is correct, but the AI pipeline strips away the information required to understand that source correctly?\"},\"tunes\":{}},{\"id\":\"LJjTjSV74R\",\"type\":\"paragraph\",\"data\":{\"text\":\"A reliable document can become unreliable context if parsing removes its table structure, chunking separates a condition from its exception, normalization drops units, retrieval loses version metadata or context assembly hides a conflict.\"},\"tunes\":{}},{\"id\":\"kOzPNiKvzu\",\"type\":\"paragraph\",\"data\":{\"text\":\"This article uses the term Evidence Preservation Chain for the requirement that evidence retain the properties necessary for correct interpretation as it moves from source to final AI context.\"},\"tunes\":{}},{\"id\":\"xUf9Qt8UHn\",\"type\":\"quote\",\"data\":{\"text\":\"An Evidence Preservation Chain is the end-to-end sequence of transformations through which evidence must retain identity, provenance, scope, meaning and validity before it can safely support an AI-generated claim.\",\"caption\":\"Working definition — an architectural concept introduced here, not a standardized research term.\",\"alignment\":\"left\"},\"tunes\":{}},{\"id\":\"RxQsaJsNo6\",\"type\":\"tableOfContents\",\"data\":{\"title\":\"Contents\",\"minLevel\":2,\"maxLevel\":3},\"tunes\":{}},{\"id\":\"NBMzNZ_qHB\",\"type\":\"header\",\"data\":{\"text\":\"What This Really Means\",\"level\":2},\"tunes\":{}},{\"id\":\"zAEKGXCEmK\",\"type\":\"paragraph\",\"data\":{\"text\":\"Most discussions about RAG focus on whether relevant information can be found.\"},\"tunes\":{}},{\"id\":\"i2gu8IM3j1\",\"type\":\"paragraph\",\"data\":{\"text\":\"But evidence usually passes through several transformations before the model sees it.\"},\"tunes\":{}},{\"id\":\"lN52dh3dxK\",\"type\":\"code\",\"data\":{\"code\":\"Original Source\\n   ↓\\nParsing\\n   ↓\\nNormalization\\n   ↓\\nChunking\\n   ↓\\nIndexing\\n   ↓\\nRetrieval\\n   ↓\\nReranking\\n   ↓\\nContext Assembly\\n   ↓\\nModel\\n   ↓\\nClaim\"},\"tunes\":{}},{\"id\":\"G90TdnX4WC\",\"type\":\"paragraph\",\"data\":{\"text\":\"The evidence can degrade at any point in that chain even when the original document was perfectly correct.\"},\"tunes\":{}},{\"id\":\"mC_OsF2ji3\",\"type\":\"header\",\"data\":{\"text\":\"Simplest Example\",\"level\":2},\"tunes\":{}},{\"id\":\"P8XUivVa7g\",\"type\":\"paragraph\",\"data\":{\"text\":\"Imagine a product manual contains this statement:\"},\"tunes\":{}},{\"id\":\"2LamDXESHK\",\"type\":\"quote\",\"data\":{\"text\":\"Maximum operating temperature: 40 °C, except when accessory X is installed, in which case the limit is 35 °C.\",\"caption\":\"Example source statement\",\"alignment\":\"left\"},\"tunes\":{}},{\"id\":\"BNY1TVLg3y\",\"type\":\"paragraph\",\"data\":{\"text\":\"A poor chunking process splits the sentence.\"},\"tunes\":{}},{\"id\":\"xaAZ_aJazc\",\"type\":\"code\",\"data\":{\"code\":\"Chunk A:\\nMaximum operating temperature: 40 °C.\\n\\nChunk B:\\nExcept when accessory X is installed, in which case the limit is 35 °C.\"},\"tunes\":{}},{\"id\":\"q0ORvmk__K\",\"type\":\"paragraph\",\"data\":{\"text\":\"The retriever returns only Chunk A.\"},\"tunes\":{}},{\"id\":\"MupQI-_xIz\",\"type\":\"paragraph\",\"data\":{\"text\":\"The retrieved text is not fabricated. It came directly from the manual. Yet the context is incomplete in exactly the way that matters.\"},\"tunes\":{}},{\"id\":\"cYEvuH7MR6\",\"type\":\"code\",\"data\":{\"code\":\"Correct source\\n        +\\nlossy transformation\\n        =\\nmisleading evidence\"},\"tunes\":{}},{\"id\":\"F_ZvT1AfTN\",\"type\":\"header\",\"data\":{\"text\":\"Where the Example Stops Working\",\"level\":2},\"tunes\":{}},{\"id\":\"flP5_wVcvt\",\"type\":\"paragraph\",\"data\":{\"text\":\"Evidence preservation does not mean copying every source byte unchanged into the model context.\"},\"tunes\":{}},{\"id\":\"rrlavifFLP\",\"type\":\"paragraph\",\"data\":{\"text\":\"Compression, normalization, chunking and summarization are often necessary. The goal is to preserve the properties required for correct interpretation, not to eliminate transformation.\"},\"tunes\":{}},{\"id\":\"CM_pAZ8ozk\",\"type\":\"paragraph\",\"data\":{\"text\":\"The difficult engineering question is therefore: Which properties are semantically load-bearing?\"},\"tunes\":{}},{\"id\":\"U8VCT8z_Nf\",\"type\":\"header\",\"data\":{\"text\":\"Direct Answer\",\"level\":2},\"tunes\":{}},{\"id\":\"Hs1rUljfaq\",\"type\":\"paragraph\",\"data\":{\"text\":\"Evidence survives an AI pipeline when the transformations between source and model preserve enough identity, provenance, structure, units, conditions, conflicts and validity metadata for the retrieved information to mean the same thing in context that it meant at the source.\"},\"tunes\":{}},{\"id\":\"2r2HxbzQFg\",\"type\":\"code\",\"data\":{\"code\":\"Evidence Preservation\\n=\\nmeaning\\n+ identity\\n+ provenance\\n+ scope\\n+ units\\n+ conditions\\n+ validity\\n+ traceability\"},\"tunes\":{}},{\"id\":\"ka_HV02MYw\",\"type\":\"header\",\"data\":{\"text\":\"Why RAG Can Fail Even With the Right Source\",\"level\":2},\"tunes\":{}},{\"id\":\"eKv9aiSIC9\",\"type\":\"paragraph\",\"data\":{\"text\":\"A retriever can find the correct document while still supplying the wrong evidence unit.\"},\"tunes\":{}},{\"id\":\"-EAX8UkdxQ\",\"type\":\"paragraph\",\"data\":{\"text\":\"The problem may have occurred much earlier: during OCR, document parsing, HTML extraction, table conversion, field mapping, chunk construction or metadata loss.\"},\"tunes\":{}},{\"id\":\"oYCdWaadX3\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fstajic.de\u002Fblog\u002Fwhere-does-an-llm-get-its-data-rag-data-sources-in-python\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"Where Does an LLM Get Its Data? RAG Data Sources in Python\",\"description\":\"RAG begins with external data sources and retrieval methods. Evidence preservation asks what must survive between the original source and the retrieved context.\"}},\"tunes\":{}},{\"id\":\"A_6idqO75O\",\"type\":\"header\",\"data\":{\"text\":\"The Eight Preservation Points\",\"level\":2},\"tunes\":{}},{\"id\":\"NaU6o_qWBJ\",\"type\":\"header\",\"data\":{\"text\":\"1. Identity\",\"level\":3},\"tunes\":{}},{\"id\":\"5mR31I7W1M\",\"type\":\"paragraph\",\"data\":{\"text\":\"The pipeline must preserve what entity, product, document, user, contract or record the evidence actually describes.\"},\"tunes\":{}},{\"id\":\"UIaEdeVESf\",\"type\":\"header\",\"data\":{\"text\":\"2. Provenance\",\"level\":3},\"tunes\":{}},{\"id\":\"vAtWlAr_L5\",\"type\":\"paragraph\",\"data\":{\"text\":\"The system should be able to trace the retrieved evidence back to its original source rather than only to an anonymous chunk identifier.\"},\"tunes\":{}},{\"id\":\"6EGnXzdt_j\",\"type\":\"header\",\"data\":{\"text\":\"3. Structure\",\"level\":3},\"tunes\":{}},{\"id\":\"9NSFX7Dq4k\",\"type\":\"paragraph\",\"data\":{\"text\":\"Tables, headings, lists, parent-child relationships and exceptions can carry meaning that disappears when everything is flattened into independent text fragments.\"},\"tunes\":{}},{\"id\":\"87QZ9m4_q7\",\"type\":\"header\",\"data\":{\"text\":\"4. Units\",\"level\":3},\"tunes\":{}},{\"id\":\"0e7PrlT5MU\",\"type\":\"paragraph\",\"data\":{\"text\":\"A number without its unit can become useless or dangerous. 100 may mean milliseconds, kilograms, euros, volts or percent of a baseline.\"},\"tunes\":{}},{\"id\":\"Bid-hGyRbP\",\"type\":\"header\",\"data\":{\"text\":\"5. Conditions and Exceptions\",\"level\":3},\"tunes\":{}},{\"id\":\"Td_5jAm0ME\",\"type\":\"paragraph\",\"data\":{\"text\":\"Rules frequently contain applicability conditions. Separating the rule from the exception can preserve the words while destroying the meaning.\"},\"tunes\":{}},{\"id\":\"y5CedEdzCc\",\"type\":\"header\",\"data\":{\"text\":\"6. Version and Time\",\"level\":3},\"tunes\":{}},{\"id\":\"K9nDZI5yQf\",\"type\":\"paragraph\",\"data\":{\"text\":\"Evidence should preserve when it became valid, when it was observed and whether a newer object supersedes it.\"},\"tunes\":{}},{\"id\":\"UtnbpFacpC\",\"type\":\"header\",\"data\":{\"text\":\"7. Conflict State\",\"level\":3},\"tunes\":{}},{\"id\":\"rQMwxCKxIE\",\"type\":\"paragraph\",\"data\":{\"text\":\"If two sources disagree, normalization should not silently select one value and erase the fact that disagreement existed.\"},\"tunes\":{}},{\"id\":\"615Imi6TRP\",\"type\":\"header\",\"data\":{\"text\":\"8. Access Scope\",\"level\":3},\"tunes\":{}},{\"id\":\"WZuieLPrus\",\"type\":\"paragraph\",\"data\":{\"text\":\"Permission and tenant boundaries must remain attached to evidence throughout retrieval and context assembly.\"},\"tunes\":{}},{\"id\":\"je6wCH54vs\",\"type\":\"header\",\"data\":{\"text\":\"From Raw Data to Controlled Evidence\",\"level\":2},\"tunes\":{}},{\"id\":\"fqi7FxVIcZ\",\"type\":\"paragraph\",\"data\":{\"text\":\"The strongest place to preserve evidence is often before vectorization.\"},\"tunes\":{}},{\"id\":\"iA9_KWjiwC\",\"type\":\"paragraph\",\"data\":{\"text\":\"If source identity, validity and conflicts are lost before embeddings are created, retrieval cannot magically reconstruct them later.\"},\"tunes\":{}},{\"id\":\"y6cwyGR2PK\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fstajic.de\u002Fportfolio\u002Ffrom-raw-data-to-verifiable-ai-context-a-practical-architecture-for-agent-ready-information\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"From Raw Data to Verifiable AI Context: A Practical Architecture for Agent-Ready Information\",\"description\":\"The architecture starts before retrieval by preserving identity, provenance, conflicts, unknowns and validity in reusable information objects.\"}},\"tunes\":{}},{\"id\":\"piEK0zmvxT\",\"type\":\"header\",\"data\":{\"text\":\"Context Engineering Is Part of the Chain\",\"level\":2},\"tunes\":{}},{\"id\":\"Hs-hKf-7cy\",\"type\":\"paragraph\",\"data\":{\"text\":\"Even correctly retrieved evidence can be damaged during context assembly.\"},\"tunes\":{}},{\"id\":\"kdWLXPTg4h\",\"type\":\"paragraph\",\"data\":{\"text\":\"A context builder may truncate an exception, remove source labels, merge conflicting passages, reorder dependencies or exceed the model's useful attention budget.\"},\"tunes\":{}},{\"id\":\"vQ5Jya2Rv8\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fstajic.de\u002Fblog\u002Fwhat-is-context-engineering-what-the-model-receives-before-it-answers\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"What Is Context Engineering? What the Model Receives Before It Answers\",\"description\":\"Context engineering determines which retrieved information actually reaches the model and under which structural, validity and security constraints.\"}},\"tunes\":{}},{\"id\":\"oC18nhSD3Y\",\"type\":\"header\",\"data\":{\"text\":\"Connection to Evidence Distance\",\"level\":2},\"tunes\":{}},{\"id\":\"tbewzxhkkL\",\"type\":\"paragraph\",\"data\":{\"text\":\"Evidence Preservation and Evidence Distance describe different failure modes.\"},\"tunes\":{}},{\"id\":\"XzYMjN1nNf\",\"type\":\"code\",\"data\":{\"code\":\"Evidence Preservation Chain:\\nDid the evidence survive transformation?\\n\\nEvidence Distance:\\nHow far is the final claim from that evidence?\"},\"tunes\":{}},{\"id\":\"013RZ4lijY\",\"type\":\"paragraph\",\"data\":{\"text\":\"A system can preserve evidence perfectly and still make an unsupported inference from it. Conversely, the final reasoning can be simple while the evidence itself was already corrupted earlier in the pipeline.\"},\"tunes\":{}},{\"id\":\"cdXu2rD4d-\",\"type\":\"header\",\"data\":{\"text\":\"Connection to the Retrieval Authority Layer\",\"level\":2},\"tunes\":{}},{\"id\":\"asRwQ_zGye\",\"type\":\"paragraph\",\"data\":{\"text\":\"The Retrieval Authority Layer selects which source deserves evidential weight.\"},\"tunes\":{}},{\"id\":\"dMwV7G7LC4\",\"type\":\"paragraph\",\"data\":{\"text\":\"The Evidence Preservation Chain ensures that the properties making that source authoritative are not discarded after selection.\"},\"tunes\":{}},{\"id\":\"ky0NtD4IAl\",\"type\":\"code\",\"data\":{\"code\":\"Authority at source\\n        ↓\\nPreservation through pipeline\\n        ↓\\nAuthority still visible in context\"},\"tunes\":{}},{\"id\":\"Em0D8AL_b7\",\"type\":\"header\",\"data\":{\"text\":\"Practical Data Model\",\"level\":2},\"tunes\":{}},{\"id\":\"iDWVeCI3US\",\"type\":\"paragraph\",\"data\":{\"text\":\"A retrieval unit can carry more than text.\"},\"tunes\":{}},{\"id\":\"Ybc3rCbvY0\",\"type\":\"code\",\"data\":{\"code\":\"{\\n  \\\"text\\\": \\\"Maximum operating temperature is 40 °C...\\\",\\n  \\\"sourceId\\\": \\\"manual-v4.2\\\",\\n  \\\"entityId\\\": \\\"device-184\\\",\\n  \\\"section\\\": \\\"Operating limits\\\",\\n  \\\"validFrom\\\": \\\"2026-03-01\\\",\\n  \\\"unit\\\": \\\"°C\\\",\\n  \\\"conditions\\\": [\\\"35 °C when accessory X is installed\\\"],\\n  \\\"authority\\\": \\\"manufacturer_manual\\\",\\n  \\\"conflicts\\\": [],\\n  \\\"accessScope\\\": \\\"public\\\"\\n}\"},\"tunes\":{}},{\"id\":\"g007D00k4V\",\"type\":\"paragraph\",\"data\":{\"text\":\"The exact schema depends on the application. The architectural principle is that retrievable text should not become detached from the metadata required to interpret it.\"},\"tunes\":{}},{\"id\":\"Wi-cP9HpKU\",\"type\":\"header\",\"data\":{\"text\":\"Diagnostic \u002F Decision Method\",\"level\":2},\"tunes\":{}},{\"id\":\"yUPTwfB9uP\",\"type\":\"paragraph\",\"data\":{\"text\":\"Choose one important answer and trace one supporting claim backwards through the system.\"},\"tunes\":{}},{\"id\":\"IRrMfVVINa\",\"type\":\"list\",\"data\":{\"style\":\"ordered\",\"meta\":{\"counterType\":\"numeric\"},\"items\":[\"Identify the final claim.\",\"Identify the exact context passage that supported it.\",\"Identify the retrieved chunk that produced that passage.\",\"Identify the normalized record or parsed document behind the chunk.\",\"Identify the original source.\",\"Compare meaning, scope, units, conditions and version at every transition.\"]},\"tunes\":{}},{\"id\":\"05LsNWXcjf\",\"type\":\"paragraph\",\"data\":{\"text\":\"Any point where essential meaning disappears is a break in the Evidence Preservation Chain.\"},\"tunes\":{}},{\"id\":\"raBFHAylDf\",\"type\":\"header\",\"data\":{\"text\":\"Failure Mode: The Orphan Chunk\",\"level\":2},\"tunes\":{}},{\"id\":\"iniLj3zXLh\",\"type\":\"paragraph\",\"data\":{\"text\":\"An orphan chunk contains useful-looking text but no reliable relationship to the document structure, source identity, version or applicability conditions from which it came.\"},\"tunes\":{}},{\"id\":\"1zagZ01tls\",\"type\":\"code\",\"data\":{\"code\":\"\\\"Refunds are available for 30 days.\\\"\\n\\nMissing:\\nWhich product?\\nWhich country?\\nWhich policy version?\\nFrom what effective date?\\nWhat exceptions?\"},\"tunes\":{}},{\"id\":\"sZ0-pxHB2K\",\"type\":\"paragraph\",\"data\":{\"text\":\"The sentence may be authentic and still be unsafe evidence.\"},\"tunes\":{}},{\"id\":\"wCo24MdrUE\",\"type\":\"header\",\"data\":{\"text\":\"Failure Mode: Normalization by Invention\",\"level\":2},\"tunes\":{}},{\"id\":\"_8tEy420r3\",\"type\":\"paragraph\",\"data\":{\"text\":\"Normalization should align representations. It should not silently invent missing values to make records look complete.\"},\"tunes\":{}},{\"id\":\"DvCye0QKKX\",\"type\":\"code\",\"data\":{\"code\":\"Unknown\\n≠\\nFalse\\n≠\\nZero\\n≠\\nDefault\"},\"tunes\":{}},{\"id\":\"gTRNnqfBbR\",\"type\":\"paragraph\",\"data\":{\"text\":\"Preserving unknowns is part of preserving evidence.\"},\"tunes\":{}},{\"id\":\"Azp57iMou6\",\"type\":\"header\",\"data\":{\"text\":\"Failure Mode: Conflict Collapse\",\"level\":2},\"tunes\":{}},{\"id\":\"HXmXzrSkqL\",\"type\":\"paragraph\",\"data\":{\"text\":\"Suppose one approved source says 24 months and another says 36 months.\"},\"tunes\":{}},{\"id\":\"qDsZWYHjhc\",\"type\":\"paragraph\",\"data\":{\"text\":\"A pipeline that simply stores the last imported value produces a clean database and destroys the evidence that a conflict existed.\"},\"tunes\":{}},{\"id\":\"NkYagndI9y\",\"type\":\"paragraph\",\"data\":{\"text\":\"A verifiable system should preserve both values, their provenance and the unresolved conflict until a rule or human decision resolves it.\"},\"tunes\":{}},{\"id\":\"KrRJTl84Dq\",\"type\":\"header\",\"data\":{\"text\":\"Failure Mode: Context Compression\",\"level\":2},\"tunes\":{}},{\"id\":\"VVy7pkhXMG\",\"type\":\"paragraph\",\"data\":{\"text\":\"Context compression can be useful, but a summary that removes qualifiers can increase apparent certainty.\"},\"tunes\":{}},{\"id\":\"MTqe1-sAHt\",\"type\":\"code\",\"data\":{\"code\":\"Source:\\n\\\"Evidence suggests X under conditions A and B, but the sample is small.\\\"\\n\\nBad compression:\\n\\\"X is proven.\\\"\"},\"tunes\":{}},{\"id\":\"d61VdY7Z5d\",\"type\":\"paragraph\",\"data\":{\"text\":\"The information became shorter and less truthful at the same time.\"},\"tunes\":{}},{\"id\":\"k4jHwZaoLl\",\"type\":\"header\",\"data\":{\"text\":\"Edge Case: Lossy Compression Can Still Be Correct\",\"level\":2},\"tunes\":{}},{\"id\":\"92uTDyGplP\",\"type\":\"paragraph\",\"data\":{\"text\":\"Not every loss is harmful.\"},\"tunes\":{}},{\"id\":\"U0cu-bjBmq\",\"type\":\"paragraph\",\"data\":{\"text\":\"Removing visual formatting from a paragraph may have no semantic consequence. Converting Celsius to Kelvin can preserve meaning if the transformation is explicit and correct. Deduplicating exact copies can improve retrieval without losing evidence.\"},\"tunes\":{}},{\"id\":\"GJpi4mOxtH\",\"type\":\"paragraph\",\"data\":{\"text\":\"The objective is therefore not lossless storage at every stage. It is semantically sufficient preservation.\"},\"tunes\":{}},{\"id\":\"7XXF7EHC5m\",\"type\":\"header\",\"data\":{\"text\":\"Limitations\",\"level\":2},\"tunes\":{}},{\"id\":\"FW8TcQldR-\",\"type\":\"paragraph\",\"data\":{\"text\":\"The Evidence Preservation Chain is an architectural framework, not a guarantee that preserved evidence will be interpreted correctly.\"},\"tunes\":{}},{\"id\":\"V1rP2gB1C8\",\"type\":\"paragraph\",\"data\":{\"text\":\"A model can receive perfectly preserved evidence and still reason badly. A retriever can preserve provenance and still rank the wrong source. A source itself can also be wrong.\"},\"tunes\":{}},{\"id\":\"GCfe1Di90D\",\"type\":\"paragraph\",\"data\":{\"text\":\"Preservation protects the evidence pipeline. It does not replace source evaluation or reasoning.\"},\"tunes\":{}},{\"id\":\"654Bx39EsI\",\"type\":\"header\",\"data\":{\"text\":\"What Would Change This Answer?\",\"level\":2},\"tunes\":{}},{\"id\":\"UFx-k4mGz6\",\"type\":\"paragraph\",\"data\":{\"text\":\"Future systems may retrieve structured evidence objects rather than text chunks, preserve provenance graphs automatically and expose machine-readable validity constraints directly to models and agents.\"},\"tunes\":{}},{\"id\":\"lQMoO7JEMG\",\"type\":\"paragraph\",\"data\":{\"text\":\"That would make evidence preservation easier to implement, but it would make the principle more important rather than less important.\"},\"tunes\":{}},{\"id\":\"gL1c_bEYfC\",\"type\":\"header\",\"data\":{\"text\":\"Conclusion\",\"level\":2},\"tunes\":{}},{\"id\":\"xElsMHA7R-\",\"type\":\"paragraph\",\"data\":{\"text\":\"Reliable AI requires more than finding a correct source.\"},\"tunes\":{}},{\"id\":\"Heg2LJJSzg\",\"type\":\"paragraph\",\"data\":{\"text\":\"The properties that make the source useful must survive parsing, normalization, chunking, retrieval and context assembly.\"},\"tunes\":{}},{\"id\":\"MzylWKf1Jm\",\"type\":\"code\",\"data\":{\"code\":\"Source Authority\\n      ↓\\nEvidence Preservation Chain\\n      ↓\\nRetrievable Evidence\\n      ↓\\nEvidence Distance\\n      ↓\\nReasoning\\n      ↓\\nAnswer Validity Boundary\"},\"tunes\":{}},{\"id\":\"m_RMMC7dVx\",\"type\":\"paragraph\",\"data\":{\"text\":\"If the chain breaks, the model may receive information that is technically authentic but no longer safe to interpret as the original evidence.\"},\"tunes\":{}},{\"id\":\"IkNMvsnAJq\",\"type\":\"header\",\"data\":{\"text\":\"Primary Sources\",\"level\":2},\"tunes\":{}},{\"id\":\"QqTaKgzQ8k\",\"type\":\"paragraph\",\"data\":{\"text\":\"Patrick Lewis et al., \u003Ca href=\\\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2005.11401\\\" target=\\\"_blank\\\">Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks\u003C\u002Fa> (2020).\"},\"tunes\":{}},{\"id\":\"UturEzvxw2\",\"type\":\"paragraph\",\"data\":{\"text\":\"Nelson F. Liu et al., \u003Ca href=\\\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2307.03172\\\" target=\\\"_blank\\\">Lost in the Middle: How Language Models Use Long Contexts\u003C\u002Fa> (2023).\"},\"tunes\":{}},{\"id\":\"I2fpdupo7S\",\"type\":\"paragraph\",\"data\":{\"text\":\"W3C, \u003Ca href=\\\"https:\u002F\u002Fwww.w3.org\u002FTR\u002Fprov-overview\u002F\\\" target=\\\"_blank\\\">PROV Overview\u003C\u002Fa>.\"},\"tunes\":{}}],\"version\":\"2.31.6\"}",{"time":834,"blocks":835,"version":1271},1792096415735,[836,840,844,848,852,857,861,865,869,873,876,880,884,888,893,897,900,904,908,911,915,919,923,927,931,935,938,942,946,950,958,962,966,970,974,978,982,986,990,994,998,1002,1006,1010,1014,1018,1022,1026,1030,1034,1038,1046,1050,1054,1058,1066,1070,1074,1077,1081,1085,1089,1093,1096,1100,1104,1107,1111,1115,1119,1130,1134,1138,1142,1145,1149,1153,1157,1160,1164,1168,1172,1176,1180,1184,1188,1191,1195,1199,1203,1207,1211,1215,1219,1223,1227,1231,1235,1239,1243,1247,1251,1254,1258,1262,1265,1268],{"id":231,"data":837,"type":42,"tunes":839},{"text":838,"level":234},"Question",{},{"id":237,"data":841,"type":240,"tunes":843},{"text":842},"What happens when the original source is correct, but the AI pipeline strips away the information required to understand that source correctly?",{},{"id":243,"data":845,"type":240,"tunes":847},{"text":846},"A reliable document can become unreliable context if parsing removes its table structure, chunking separates a condition from its exception, normalization drops units, retrieval loses version metadata or context assembly hides a conflict.",{},{"id":248,"data":849,"type":240,"tunes":851},{"text":850},"This article uses the term Evidence Preservation Chain for the requirement that evidence retain the properties necessary for correct interpretation as it moves from source to final AI context.",{},{"id":253,"data":853,"type":258,"tunes":856},{"text":854,"caption":855,"alignment":257},"An Evidence Preservation Chain is the end-to-end sequence of transformations through which evidence must retain identity, provenance, scope, meaning and validity before it can safely support an AI-generated claim.","Working definition — an architectural concept introduced here, not a standardized research term.",{},{"id":261,"data":858,"type":265,"tunes":860},{"title":859,"maxLevel":264,"minLevel":234},"Contents",{},{"id":268,"data":862,"type":42,"tunes":864},{"text":863,"level":234},"What This Really Means",{},{"id":273,"data":866,"type":240,"tunes":868},{"text":867},"Most discussions about RAG focus on whether relevant information can be found.",{},{"id":278,"data":870,"type":240,"tunes":872},{"text":871},"But evidence usually passes through several transformations before the model sees it.",{},{"id":283,"data":874,"type":286,"tunes":875},{"code":285},{},{"id":289,"data":877,"type":240,"tunes":879},{"text":878},"The evidence can degrade at any point in that chain even when the original document was perfectly correct.",{},{"id":294,"data":881,"type":42,"tunes":883},{"text":882,"level":234},"Simplest Example",{},{"id":299,"data":885,"type":240,"tunes":887},{"text":886},"Imagine a product manual contains this statement:",{},{"id":304,"data":889,"type":258,"tunes":892},{"text":890,"caption":891,"alignment":257},"Maximum operating temperature: 40 °C, except when accessory X is installed, in which case the limit is 35 °C.","Example source statement",{},{"id":310,"data":894,"type":240,"tunes":896},{"text":895},"A poor chunking process splits the sentence.",{},{"id":315,"data":898,"type":286,"tunes":899},{"code":317},{},{"id":320,"data":901,"type":240,"tunes":903},{"text":902},"The retriever returns only Chunk A.",{},{"id":325,"data":905,"type":240,"tunes":907},{"text":906},"The retrieved text is not fabricated. It came directly from the manual. Yet the context is incomplete in exactly the way that matters.",{},{"id":330,"data":909,"type":286,"tunes":910},{"code":332},{},{"id":335,"data":912,"type":42,"tunes":914},{"text":913,"level":234},"Where the Example Stops Working",{},{"id":340,"data":916,"type":240,"tunes":918},{"text":917},"Evidence preservation does not mean copying every source byte unchanged into the model context.",{},{"id":345,"data":920,"type":240,"tunes":922},{"text":921},"Compression, normalization, chunking and summarization are often necessary. The goal is to preserve the properties required for correct interpretation, not to eliminate transformation.",{},{"id":350,"data":924,"type":240,"tunes":926},{"text":925},"The difficult engineering question is therefore: Which properties are semantically load-bearing?",{},{"id":355,"data":928,"type":42,"tunes":930},{"text":929,"level":234},"Direct Answer",{},{"id":360,"data":932,"type":240,"tunes":934},{"text":933},"Evidence survives an AI pipeline when the transformations between source and model preserve enough identity, provenance, structure, units, conditions, conflicts and validity metadata for the retrieved information to mean the same thing in context that it meant at the source.",{},{"id":365,"data":936,"type":286,"tunes":937},{"code":367},{},{"id":370,"data":939,"type":42,"tunes":941},{"text":940,"level":234},"Why RAG Can Fail Even With the Right Source",{},{"id":375,"data":943,"type":240,"tunes":945},{"text":944},"A retriever can find the correct document while still supplying the wrong evidence unit.",{},{"id":380,"data":947,"type":240,"tunes":949},{"text":948},"The problem may have occurred much earlier: during OCR, document parsing, HTML extraction, table conversion, field mapping, chunk construction or metadata loss.",{},{"id":385,"data":951,"type":393,"tunes":957},{"link":952,"meta":953},"https:\u002F\u002Fstajic.de\u002Fblog\u002Fwhere-does-an-llm-get-its-data-rag-data-sources-in-python",{"image":954,"title":955,"description":956},{"url":390},"Where Does an LLM Get Its Data? RAG Data Sources in Python","RAG begins with external data sources and retrieval methods. Evidence preservation asks what must survive between the original source and the retrieved context.",{},{"id":396,"data":959,"type":42,"tunes":961},{"text":960,"level":234},"The Eight Preservation Points",{},{"id":401,"data":963,"type":42,"tunes":965},{"text":964,"level":264},"1. Identity",{},{"id":406,"data":967,"type":240,"tunes":969},{"text":968},"The pipeline must preserve what entity, product, document, user, contract or record the evidence actually describes.",{},{"id":411,"data":971,"type":42,"tunes":973},{"text":972,"level":264},"2. Provenance",{},{"id":416,"data":975,"type":240,"tunes":977},{"text":976},"The system should be able to trace the retrieved evidence back to its original source rather than only to an anonymous chunk identifier.",{},{"id":421,"data":979,"type":42,"tunes":981},{"text":980,"level":264},"3. Structure",{},{"id":426,"data":983,"type":240,"tunes":985},{"text":984},"Tables, headings, lists, parent-child relationships and exceptions can carry meaning that disappears when everything is flattened into independent text fragments.",{},{"id":431,"data":987,"type":42,"tunes":989},{"text":988,"level":264},"4. Units",{},{"id":436,"data":991,"type":240,"tunes":993},{"text":992},"A number without its unit can become useless or dangerous. 100 may mean milliseconds, kilograms, euros, volts or percent of a baseline.",{},{"id":441,"data":995,"type":42,"tunes":997},{"text":996,"level":264},"5. Conditions and Exceptions",{},{"id":446,"data":999,"type":240,"tunes":1001},{"text":1000},"Rules frequently contain applicability conditions. Separating the rule from the exception can preserve the words while destroying the meaning.",{},{"id":451,"data":1003,"type":42,"tunes":1005},{"text":1004,"level":264},"6. Version and Time",{},{"id":456,"data":1007,"type":240,"tunes":1009},{"text":1008},"Evidence should preserve when it became valid, when it was observed and whether a newer object supersedes it.",{},{"id":461,"data":1011,"type":42,"tunes":1013},{"text":1012,"level":264},"7. Conflict State",{},{"id":466,"data":1015,"type":240,"tunes":1017},{"text":1016},"If two sources disagree, normalization should not silently select one value and erase the fact that disagreement existed.",{},{"id":471,"data":1019,"type":42,"tunes":1021},{"text":1020,"level":264},"8. Access Scope",{},{"id":476,"data":1023,"type":240,"tunes":1025},{"text":1024},"Permission and tenant boundaries must remain attached to evidence throughout retrieval and context assembly.",{},{"id":481,"data":1027,"type":42,"tunes":1029},{"text":1028,"level":234},"From Raw Data to Controlled Evidence",{},{"id":486,"data":1031,"type":240,"tunes":1033},{"text":1032},"The strongest place to preserve evidence is often before vectorization.",{},{"id":491,"data":1035,"type":240,"tunes":1037},{"text":1036},"If source identity, validity and conflicts are lost before embeddings are created, retrieval cannot magically reconstruct them later.",{},{"id":496,"data":1039,"type":393,"tunes":1045},{"link":1040,"meta":1041},"https:\u002F\u002Fstajic.de\u002Fportfolio\u002Ffrom-raw-data-to-verifiable-ai-context-a-practical-architecture-for-agent-ready-information",{"image":1042,"title":1043,"description":1044},{"url":390},"From Raw Data to Verifiable AI Context: A Practical Architecture for Agent-Ready Information","The architecture starts before retrieval by preserving identity, provenance, conflicts, unknowns and validity in reusable information objects.",{},{"id":505,"data":1047,"type":42,"tunes":1049},{"text":1048,"level":234},"Context Engineering Is Part of the Chain",{},{"id":510,"data":1051,"type":240,"tunes":1053},{"text":1052},"Even correctly retrieved evidence can be damaged during context assembly.",{},{"id":515,"data":1055,"type":240,"tunes":1057},{"text":1056},"A context builder may truncate an exception, remove source labels, merge conflicting passages, reorder dependencies or exceed the model's useful attention budget.",{},{"id":520,"data":1059,"type":393,"tunes":1065},{"link":1060,"meta":1061},"https:\u002F\u002Fstajic.de\u002Fblog\u002Fwhat-is-context-engineering-what-the-model-receives-before-it-answers",{"image":1062,"title":1063,"description":1064},{"url":390},"What Is Context Engineering? What the Model Receives Before It Answers","Context engineering determines which retrieved information actually reaches the model and under which structural, validity and security constraints.",{},{"id":529,"data":1067,"type":42,"tunes":1069},{"text":1068,"level":234},"Connection to Evidence Distance",{},{"id":534,"data":1071,"type":240,"tunes":1073},{"text":1072},"Evidence Preservation and Evidence Distance describe different failure modes.",{},{"id":539,"data":1075,"type":286,"tunes":1076},{"code":541},{},{"id":544,"data":1078,"type":240,"tunes":1080},{"text":1079},"A system can preserve evidence perfectly and still make an unsupported inference from it. Conversely, the final reasoning can be simple while the evidence itself was already corrupted earlier in the pipeline.",{},{"id":549,"data":1082,"type":42,"tunes":1084},{"text":1083,"level":234},"Connection to the Retrieval Authority Layer",{},{"id":554,"data":1086,"type":240,"tunes":1088},{"text":1087},"The Retrieval Authority Layer selects which source deserves evidential weight.",{},{"id":559,"data":1090,"type":240,"tunes":1092},{"text":1091},"The Evidence Preservation Chain ensures that the properties making that source authoritative are not discarded after selection.",{},{"id":564,"data":1094,"type":286,"tunes":1095},{"code":566},{},{"id":569,"data":1097,"type":42,"tunes":1099},{"text":1098,"level":234},"Practical Data Model",{},{"id":574,"data":1101,"type":240,"tunes":1103},{"text":1102},"A retrieval unit can carry more than text.",{},{"id":579,"data":1105,"type":286,"tunes":1106},{"code":581},{},{"id":584,"data":1108,"type":240,"tunes":1110},{"text":1109},"The exact schema depends on the application. The architectural principle is that retrievable text should not become detached from the metadata required to interpret it.",{},{"id":589,"data":1112,"type":42,"tunes":1114},{"text":1113,"level":234},"Diagnostic \u002F Decision Method",{},{"id":594,"data":1116,"type":240,"tunes":1118},{"text":1117},"Choose one important answer and trace one supporting claim backwards through the system.",{},{"id":599,"data":1120,"type":611,"tunes":1129},{"meta":1121,"items":1122,"style":610},{"counterType":602},[1123,1124,1125,1126,1127,1128],"Identify the final claim.","Identify the exact context passage that supported it.","Identify the retrieved chunk that produced that passage.","Identify the normalized record or parsed document behind the chunk.","Identify the original source.","Compare meaning, scope, units, conditions and version at every transition.",{},{"id":614,"data":1131,"type":240,"tunes":1133},{"text":1132},"Any point where essential meaning disappears is a break in the Evidence Preservation Chain.",{},{"id":619,"data":1135,"type":42,"tunes":1137},{"text":1136,"level":234},"Failure Mode: The Orphan Chunk",{},{"id":624,"data":1139,"type":240,"tunes":1141},{"text":1140},"An orphan chunk contains useful-looking text but no reliable relationship to the document structure, source identity, version or applicability conditions from which it came.",{},{"id":629,"data":1143,"type":286,"tunes":1144},{"code":631},{},{"id":634,"data":1146,"type":240,"tunes":1148},{"text":1147},"The sentence may be authentic and still be unsafe evidence.",{},{"id":639,"data":1150,"type":42,"tunes":1152},{"text":1151,"level":234},"Failure Mode: Normalization by Invention",{},{"id":644,"data":1154,"type":240,"tunes":1156},{"text":1155},"Normalization should align representations. It should not silently invent missing values to make records look complete.",{},{"id":649,"data":1158,"type":286,"tunes":1159},{"code":651},{},{"id":654,"data":1161,"type":240,"tunes":1163},{"text":1162},"Preserving unknowns is part of preserving evidence.",{},{"id":659,"data":1165,"type":42,"tunes":1167},{"text":1166,"level":234},"Failure Mode: Conflict Collapse",{},{"id":664,"data":1169,"type":240,"tunes":1171},{"text":1170},"Suppose one approved source says 24 months and another says 36 months.",{},{"id":669,"data":1173,"type":240,"tunes":1175},{"text":1174},"A pipeline that simply stores the last imported value produces a clean database and destroys the evidence that a conflict existed.",{},{"id":674,"data":1177,"type":240,"tunes":1179},{"text":1178},"A verifiable system should preserve both values, their provenance and the unresolved conflict until a rule or human decision resolves it.",{},{"id":679,"data":1181,"type":42,"tunes":1183},{"text":1182,"level":234},"Failure Mode: Context Compression",{},{"id":684,"data":1185,"type":240,"tunes":1187},{"text":1186},"Context compression can be useful, but a summary that removes qualifiers can increase apparent certainty.",{},{"id":689,"data":1189,"type":286,"tunes":1190},{"code":691},{},{"id":694,"data":1192,"type":240,"tunes":1194},{"text":1193},"The information became shorter and less truthful at the same time.",{},{"id":699,"data":1196,"type":42,"tunes":1198},{"text":1197,"level":234},"Edge Case: Lossy Compression Can Still Be Correct",{},{"id":704,"data":1200,"type":240,"tunes":1202},{"text":1201},"Not every loss is harmful.",{},{"id":709,"data":1204,"type":240,"tunes":1206},{"text":1205},"Removing visual formatting from a paragraph may have no semantic consequence. Converting Celsius to Kelvin can preserve meaning if the transformation is explicit and correct. Deduplicating exact copies can improve retrieval without losing evidence.",{},{"id":714,"data":1208,"type":240,"tunes":1210},{"text":1209},"The objective is therefore not lossless storage at every stage. It is semantically sufficient preservation.",{},{"id":719,"data":1212,"type":42,"tunes":1214},{"text":1213,"level":234},"Limitations",{},{"id":724,"data":1216,"type":240,"tunes":1218},{"text":1217},"The Evidence Preservation Chain is an architectural framework, not a guarantee that preserved evidence will be interpreted correctly.",{},{"id":729,"data":1220,"type":240,"tunes":1222},{"text":1221},"A model can receive perfectly preserved evidence and still reason badly. A retriever can preserve provenance and still rank the wrong source. A source itself can also be wrong.",{},{"id":734,"data":1224,"type":240,"tunes":1226},{"text":1225},"Preservation protects the evidence pipeline. It does not replace source evaluation or reasoning.",{},{"id":739,"data":1228,"type":42,"tunes":1230},{"text":1229,"level":234},"What Would Change This Answer?",{},{"id":744,"data":1232,"type":240,"tunes":1234},{"text":1233},"Future systems may retrieve structured evidence objects rather than text chunks, preserve provenance graphs automatically and expose machine-readable validity constraints directly to models and agents.",{},{"id":749,"data":1236,"type":240,"tunes":1238},{"text":1237},"That would make evidence preservation easier to implement, but it would make the principle more important rather than less important.",{},{"id":754,"data":1240,"type":42,"tunes":1242},{"text":1241,"level":234},"Conclusion",{},{"id":759,"data":1244,"type":240,"tunes":1246},{"text":1245},"Reliable AI requires more than finding a correct source.",{},{"id":764,"data":1248,"type":240,"tunes":1250},{"text":1249},"The properties that make the source useful must survive parsing, normalization, chunking, retrieval and context assembly.",{},{"id":769,"data":1252,"type":286,"tunes":1253},{"code":771},{},{"id":774,"data":1255,"type":240,"tunes":1257},{"text":1256},"If the chain breaks, the model may receive information that is technically authentic but no longer safe to interpret as the original evidence.",{},{"id":779,"data":1259,"type":42,"tunes":1261},{"text":1260,"level":234},"Primary Sources",{},{"id":784,"data":1263,"type":240,"tunes":1264},{"text":786},{},{"id":789,"data":1266,"type":240,"tunes":1267},{"text":791},{},{"id":794,"data":1269,"type":240,"tunes":1270},{"text":796},{},"2.31.6","Evidence can be correct at the source and still become unreliable after parsing, normalization, chunking, retrieval and context assembly. The Evidence Preservation Chain tracks whether identity, provenance, scope and meaning survive the entire AI pipeline.",{"lang":7,"title":224,"content":226,"contentJson":1274,"excerpt":799},{"time":228,"blocks":1275,"version":798},[1276,1279,1282,1285,1288,1291,1294,1297,1300,1303,1306,1309,1312,1315,1318,1321,1324,1327,1330,1333,1336,1339,1342,1345,1348,1351,1354,1357,1360,1363,1368,1371,1374,1377,1380,1383,1386,1389,1392,1395,1398,1401,1404,1407,1410,1413,1416,1419,1422,1425,1428,1433,1436,1439,1442,1447,1450,1453,1456,1459,1462,1465,1468,1471,1474,1477,1480,1483,1486,1489,1494,1497,1500,1503,1506,1509,1512,1515,1518,1521,1524,1527,1530,1533,1536,1539,1542,1545,1548,1551,1554,1557,1560,1563,1566,1569,1572,1575,1578,1581,1584,1587,1590,1593,1596,1599,1602],{"id":231,"data":1277,"type":42,"tunes":1278},{"text":233,"level":234},{},{"id":237,"data":1280,"type":240,"tunes":1281},{"text":239},{},{"id":243,"data":1283,"type":240,"tunes":1284},{"text":245},{},{"id":248,"data":1286,"type":240,"tunes":1287},{"text":250},{},{"id":253,"data":1289,"type":258,"tunes":1290},{"text":255,"caption":256,"alignment":257},{},{"id":261,"data":1292,"type":265,"tunes":1293},{"title":263,"maxLevel":264,"minLevel":234},{},{"id":268,"data":1295,"type":42,"tunes":1296},{"text":270,"level":234},{},{"id":273,"data":1298,"type":240,"tunes":1299},{"text":275},{},{"id":278,"data":1301,"type":240,"tunes":1302},{"text":280},{},{"id":283,"data":1304,"type":286,"tunes":1305},{"code":285},{},{"id":289,"data":1307,"type":240,"tunes":1308},{"text":291},{},{"id":294,"data":1310,"type":42,"tunes":1311},{"text":296,"level":234},{},{"id":299,"data":1313,"type":240,"tunes":1314},{"text":301},{},{"id":304,"data":1316,"type":258,"tunes":1317},{"text":306,"caption":307,"alignment":257},{},{"id":310,"data":1319,"type":240,"tunes":1320},{"text":312},{},{"id":315,"data":1322,"type":286,"tunes":1323},{"code":317},{},{"id":320,"data":1325,"type":240,"tunes":1326},{"text":322},{},{"id":325,"data":1328,"type":240,"tunes":1329},{"text":327},{},{"id":330,"data":1331,"type":286,"tunes":1332},{"code":332},{},{"id":335,"data":1334,"type":42,"tunes":1335},{"text":337,"level":234},{},{"id":340,"data":1337,"type":240,"tunes":1338},{"text":342},{},{"id":345,"data":1340,"type":240,"tunes":1341},{"text":347},{},{"id":350,"data":1343,"type":240,"tunes":1344},{"text":352},{},{"id":355,"data":1346,"type":42,"tunes":1347},{"text":357,"level":234},{},{"id":360,"data":1349,"type":240,"tunes":1350},{"text":362},{},{"id":365,"data":1352,"type":286,"tunes":1353},{"code":367},{},{"id":370,"data":1355,"type":42,"tunes":1356},{"text":372,"level":234},{},{"id":375,"data":1358,"type":240,"tunes":1359},{"text":377},{},{"id":380,"data":1361,"type":240,"tunes":1362},{"text":382},{},{"id":385,"data":1364,"type":393,"tunes":1367},{"link":387,"meta":1365},{"image":1366,"title":391,"description":392},{"url":390},{},{"id":396,"data":1369,"type":42,"tunes":1370},{"text":398,"level":234},{},{"id":401,"data":1372,"type":42,"tunes":1373},{"text":403,"level":264},{},{"id":406,"data":1375,"type":240,"tunes":1376},{"text":408},{},{"id":411,"data":1378,"type":42,"tunes":1379},{"text":413,"level":264},{},{"id":416,"data":1381,"type":240,"tunes":1382},{"text":418},{},{"id":421,"data":1384,"type":42,"tunes":1385},{"text":423,"level":264},{},{"id":426,"data":1387,"type":240,"tunes":1388},{"text":428},{},{"id":431,"data":1390,"type":42,"tunes":1391},{"text":433,"level":264},{},{"id":436,"data":1393,"type":240,"tunes":1394},{"text":438},{},{"id":441,"data":1396,"type":42,"tunes":1397},{"text":443,"level":264},{},{"id":446,"data":1399,"type":240,"tunes":1400},{"text":448},{},{"id":451,"data":1402,"type":42,"tunes":1403},{"text":453,"level":264},{},{"id":456,"data":1405,"type":240,"tunes":1406},{"text":458},{},{"id":461,"data":1408,"type":42,"tunes":1409},{"text":463,"level":264},{},{"id":466,"data":1411,"type":240,"tunes":1412},{"text":468},{},{"id":471,"data":1414,"type":42,"tunes":1415},{"text":473,"level":264},{},{"id":476,"data":1417,"type":240,"tunes":1418},{"text":478},{},{"id":481,"data":1420,"type":42,"tunes":1421},{"text":483,"level":234},{},{"id":486,"data":1423,"type":240,"tunes":1424},{"text":488},{},{"id":491,"data":1426,"type":240,"tunes":1427},{"text":493},{},{"id":496,"data":1429,"type":393,"tunes":1432},{"link":498,"meta":1430},{"image":1431,"title":501,"description":502},{"url":390},{},{"id":505,"data":1434,"type":42,"tunes":1435},{"text":507,"level":234},{},{"id":510,"data":1437,"type":240,"tunes":1438},{"text":512},{},{"id":515,"data":1440,"type":240,"tunes":1441},{"text":517},{},{"id":520,"data":1443,"type":393,"tunes":1446},{"link":522,"meta":1444},{"image":1445,"title":525,"description":526},{"url":390},{},{"id":529,"data":1448,"type":42,"tunes":1449},{"text":531,"level":234},{},{"id":534,"data":1451,"type":240,"tunes":1452},{"text":536},{},{"id":539,"data":1454,"type":286,"tunes":1455},{"code":541},{},{"id":544,"data":1457,"type":240,"tunes":1458},{"text":546},{},{"id":549,"data":1460,"type":42,"tunes":1461},{"text":551,"level":234},{},{"id":554,"data":1463,"type":240,"tunes":1464},{"text":556},{},{"id":559,"data":1466,"type":240,"tunes":1467},{"text":561},{},{"id":564,"data":1469,"type":286,"tunes":1470},{"code":566},{},{"id":569,"data":1472,"type":42,"tunes":1473},{"text":571,"level":234},{},{"id":574,"data":1475,"type":240,"tunes":1476},{"text":576},{},{"id":579,"data":1478,"type":286,"tunes":1479},{"code":581},{},{"id":584,"data":1481,"type":240,"tunes":1482},{"text":586},{},{"id":589,"data":1484,"type":42,"tunes":1485},{"text":591,"level":234},{},{"id":594,"data":1487,"type":240,"tunes":1488},{"text":596},{},{"id":599,"data":1490,"type":611,"tunes":1493},{"meta":1491,"items":1492,"style":610},{"counterType":602},[604,605,606,607,608,609],{},{"id":614,"data":1495,"type":240,"tunes":1496},{"text":616},{},{"id":619,"data":1498,"type":42,"tunes":1499},{"text":621,"level":234},{},{"id":624,"data":1501,"type":240,"tunes":1502},{"text":626},{},{"id":629,"data":1504,"type":286,"tunes":1505},{"code":631},{},{"id":634,"data":1507,"type":240,"tunes":1508},{"text":636},{},{"id":639,"data":1510,"type":42,"tunes":1511},{"text":641,"level":234},{},{"id":644,"data":1513,"type":240,"tunes":1514},{"text":646},{},{"id":649,"data":1516,"type":286,"tunes":1517},{"code":651},{},{"id":654,"data":1519,"type":240,"tunes":1520},{"text":656},{},{"id":659,"data":1522,"type":42,"tunes":1523},{"text":661,"level":234},{},{"id":664,"data":1525,"type":240,"tunes":1526},{"text":666},{},{"id":669,"data":1528,"type":240,"tunes":1529},{"text":671},{},{"id":674,"data":1531,"type":240,"tunes":1532},{"text":676},{},{"id":679,"data":1534,"type":42,"tunes":1535},{"text":681,"level":234},{},{"id":684,"data":1537,"type":240,"tunes":1538},{"text":686},{},{"id":689,"data":1540,"type":286,"tunes":1541},{"code":691},{},{"id":694,"data":1543,"type":240,"tunes":1544},{"text":696},{},{"id":699,"data":1546,"type":42,"tunes":1547},{"text":701,"level":234},{},{"id":704,"data":1549,"type":240,"tunes":1550},{"text":706},{},{"id":709,"data":1552,"type":240,"tunes":1553},{"text":711},{},{"id":714,"data":1555,"type":240,"tunes":1556},{"text":716},{},{"id":719,"data":1558,"type":42,"tunes":1559},{"text":721,"level":234},{},{"id":724,"data":1561,"type":240,"tunes":1562},{"text":726},{},{"id":729,"data":1564,"type":240,"tunes":1565},{"text":731},{},{"id":734,"data":1567,"type":240,"tunes":1568},{"text":736},{},{"id":739,"data":1570,"type":42,"tunes":1571},{"text":741,"level":234},{},{"id":744,"data":1573,"type":240,"tunes":1574},{"text":746},{},{"id":749,"data":1576,"type":240,"tunes":1577},{"text":751},{},{"id":754,"data":1579,"type":42,"tunes":1580},{"text":756,"level":234},{},{"id":759,"data":1582,"type":240,"tunes":1583},{"text":761},{},{"id":764,"data":1585,"type":240,"tunes":1586},{"text":766},{},{"id":769,"data":1588,"type":286,"tunes":1589},{"code":771},{},{"id":774,"data":1591,"type":240,"tunes":1592},{"text":776},{},{"id":779,"data":1594,"type":42,"tunes":1595},{"text":781,"level":234},{},{"id":784,"data":1597,"type":240,"tunes":1598},{"text":786},{},{"id":789,"data":1600,"type":240,"tunes":1601},{"text":791},{},{"id":794,"data":1603,"type":240,"tunes":1604},{"text":796},{},"Post erfolgreich abgerufen",{"items":1607,"source":1664,"manualIds":1665,"manualMatchedIds":1666},[1608,1615,1622,1629,1636,1643,1650,1657],{"id":1609,"slug":1610,"title":1611,"excerpt":1612,"featuredImage":1613,"publishedAt":1614},"481","generative-ai-explained-models-retrieval-tools-and-applications-are-not-the-same-thing","Генеративный ИИ: модели, поиск, инструменты и приложения — это не одно и то же","Генеративный ИИ — это больше, чем модель. Узнайте, как модели, поиск информации, инструменты, контекст, среды выполнения и приложения сочетаются друг с другом в производственных системах ИИ.","\u002Fuploads\u002F2026\u002F10\u002Fgenerative-ai-explained-models-retrieval-tools-and-applications-are-not-the-same-thing-1791475411822-pp0dvz.webp","2026-10-08T12:00:00.000Z",{"id":1616,"slug":1617,"title":1618,"excerpt":1619,"featuredImage":1620,"publishedAt":1621},"491","ai-governance-models-data-permissions-risk-and-auditability","Управление ИИ: модели, данные, разрешения, риски и аудируемость","Управление ИИ определяет, кто может утверждать, эксплуатировать, изменять и проводить аудит систем ИИ на уровне моделей, поставщиков, данных, разрешений, рисков, оценки и на протяжении всего жизненного цикла.","\u002Fuploads\u002F2026\u002F10\u002Fai-governance-models-data-permissions-risk-and-auditability-1791485901301-g60xyu.webp","2026-10-08T12:56:00.000Z",{"id":1623,"slug":1624,"title":1625,"excerpt":1626,"featuredImage":1627,"publishedAt":1628},"497","how-far-is-an-ai-claim-from-the-evidence-evidence-distance","Насколько утверждение об ИИ далеко от доказательств? — Дистанция доказательств","Не все поддерживаемые ответы одинаково близки к своим доказательствам. Дистанция доказательств — это практичный способ описать, сколько преобразований, обобщений, допущений и шагов вывода отделяют утверждение ИИ от непосредственно проверяемых доказательств.","\u002Fuploads\u002F2026\u002F10\u002Fhow-far-is-an-ai-claim-from-the-evidence-evidence-distance-1792095863209-3c1mog.webp","2026-10-15T00:23:00.000Z",{"id":1630,"slug":1631,"title":1632,"excerpt":1633,"featuredImage":1634,"publishedAt":1635},"381","enterprise-grade-multi-tenant-architecture-for-an-international-platform","Мультитенантная архитектура корпоративного уровня для международной платформы","Loving Rocks является корпоративной свадебной платформой, разработанной с истинной многоарендной архитектурой, изолированными базами данных для каждого арендатора и встроенной интернационализацией для глобальной масштабируемости, безопасности и долгосрочной операционной стабильности.","\u002Fuploads\u002F2026\u002F01\u002Fenterprise-grade-multi-tenant-architecture-for-an-international-platform-1769789121298-b6v7ak.webp","2026-01-30T12:04:00.000Z",{"id":1637,"slug":1638,"title":1639,"excerpt":1640,"featuredImage":1641,"publishedAt":1642},"492","mcp-explained-what-it-connects-what-it-does-not-do-and-where-it-fits","MCP: объяснение — что он подключает, чего не делает и где ему место","Протокол контекста модели соединяет приложения ИИ с внешними инструментами, ресурсами и подсказками через стандартную границу клиент-сервер. Узнайте, что делает MCP, чего он не делает и где он вписывается в архитектуру агента.","\u002Fuploads\u002F2026\u002F10\u002Fmcp-explained-what-it-connects-what-it-does-not-do-and-where-it-fits-1791486640275-7ub1cq.webp","2026-10-08T15:09:00.000Z",{"id":1644,"slug":1645,"title":1646,"excerpt":1647,"featuredImage":1648,"publishedAt":1649},"495","sovereign-ai-control-of-models-data-infrastructure-and-dependencies","Суверенный ИИ: контроль над моделями, данными, инфраструктурой и зависимостями","Суверенный ИИ — это эффективный контроль над моделями, данными, инфраструктурой, программным обеспечением, операциями и стратегическими зависимостями, а не просто место размещения модели ИИ.","\u002Fuploads\u002F2026\u002F10\u002Fsovereign-ai-control-of-models-data-infrastructure-and-dependencies-1791488833132-niy85x.webp","2026-10-08T15:45:00.000Z",{"id":1651,"slug":1652,"title":1653,"excerpt":1654,"featuredImage":1655,"publishedAt":1656},"482","adr-vs-nfr-architecture-decisions-and-system-quality-are-not-the-same-thing","ADR vs NFR: архитектурные решения и качество системы — это не одно и то же","ADR против NFR: узнайте, как требования к качеству системы определяют архитектурные решения, как ADR фиксируют компромиссы и почему валидация остаётся отдельной.","\u002Fuploads\u002F2026\u002F10\u002Fadr-vs-nfr-architecture-decisions-and-system-quality-are-not-the-same-thing-1791475921511-6zgen1.webp","2026-10-08T12:11:00.000Z",{"id":1658,"slug":1659,"title":1660,"excerpt":1661,"featuredImage":1662,"publishedAt":1663},"494","air-gapped-ai-how-ai-systems-work-without-internet-or-cloud-access","Air-Gapped AI: как работают ИИ-системы без интернета и облачного доступа","AI-системы в изолированной среде запускают модели, RAG и AI-приложения внутри изолированного домена безопасности без зависимости от интернета или облачных сервисов. Узнайте, как модели, данные, обновления и инструменты работают в автономном режиме.","\u002Fuploads\u002F2026\u002F10\u002Fair-gapped-ai-how-ai-systems-work-without-internet-or-cloud-access-1791487983978-e6xqf0.webp","2026-10-08T11:32:00.000Z","fallback",[],[]]