Результаты бенчмарков: лидерство над гигантами
PipesHub, платформа с открытым исходным кодом для создания контекстного слоя корпоративных данных, продемонстрировала выдающиеся результаты в независимом тестировании EnterpriseRAG-Bench (проведено компанией Onyx). В тесте, состоящем из 500 вопросов по базе из 500 000+ документов компании, PipesHub набрал 93.24 балла, заняв 1-е место из 39 протестированных систем. Для сравнения, решения от ведущих вендоров показали значительно худшие результаты:
| Система | Результат (EnterpriseRAG-Bench) | Примечание |
|---|---|---|
| PipesHub | 93.24 | 1-е место из 39 систем |
| OpenAI File Search | 61.03 | Решение от OpenAI |
| Amazon Q | 48.96 | Решение от AWS |
| Azure AI Search | 48.42 | Решение от Microsoft |
| Vertex AI Search | 41.87 | Решение от Google Cloud |
Дополнительно, в тесте Google FRAMES (824 вопроса, требующих фактов из нескольких документов), PipesHub достиг точности 92.7%, превзойдя лучший результат из 18 стандартных RAG-пайплайнов (78.9%).
Архитектура: Агентный цикл вместо простого поиска
Ключевое отличие PipesHub от традиционных RAG-систем — использование агентного цикла (agent loop). Система не ограничивается одним этапом «поиск-генерация», а планирует запросы, вызывает инструменты, анализирует результаты и продолжает работу до получения достаточных доказательств. Архитектура включает:
- Гибридный поиск: сочетание семантического и ключевого поиска.
- Pattern matching: точное совпадение идентификаторов, ключей задач и символов кода.
- Навигация по графу знаний: отслеживание связей между документами, людьми и пулл-реквестами.
- Чтение документов: доступ к полному исходному тексту, а не только к вырезанным фрагментам.
Все действия фильтруются на основе прав доступа пользователя, а каждый ответ содержит цитаты с указанием источников.
Интеграция с ИИ-агентами и экономия ресурсов
PipesHub предоставляет доступ к корпоративным данным через протокол MCP (Model Context Protocol), что позволяет подключать к ним такие инструменты, как Claude Code, Cursor и Codex. В тесте на 100 рабочих вопросах использование PipesHub вместо прямых коннекторов к приложениям дало следующие результаты для модели Haiku:
- Найденные факты: рост с 55% до 80%.
- Скорость ответа: ускорение на 27–45%.
- Стоимость: снижение на 27–32% на один ответ.
Для моделей Sonnet и Opus прирост точности составил до 89% и 92% соответственно.
Развертывание и возможности
Платформа поддерживает установку на собственном сервере (self-hosted) через Docker Compose одной командой или использование облачной версии PipesHub Cloud. Поддерживается более 50 коннекторов, включая Slack, Google Drive, Jira, GitHub, Microsoft 365 и Notion. Система позволяет строить не только поисковые интерфейсы, но и no-code агентов, а также генерировать отчеты и дашборды в безопасной среде выполнения.
Источник: Github ↗
