2. Инициируйте процесс добавления модели через кнопку **Добавить модель**.
3. В выпадающем списке выберите ранее [созданный тенант](ai-setting#создать-тенант).
4. Выберите подходящую **LLM-модель** из каталога доступных.
5. Установите лимит использования **токенов в час**.
6. Завершите процесс кнопкой **Добавить модель**.
## Создать базу знаний
1. Войдите в консоль управления.
2. Откройте **AI Platform → База знаний**.
3. Нажмите кнопку **Создать базу знаний**.
4. Заполните параметры базу знаний:
- **Тенант**: выберите из списка тенант.
- **Имя**: введите имя базы знаний.
- **Описание**: введите описание базы знаний.
5. Нажмите **Создать базу знаний**.
### Использование базы знаний (RAG)
В случае, когда нам необходимо, чтобы наша модель генерировала ответы не на базе своего раннего обучения, а обращалась, например, к актуальной нормативной базе или актуальным тарифам, то нам необходимо указать базу знаний, с которой чат должен расширить свой контекст. Для этого необходимо просто выбрать требуемую базу знаний и продолжить диалог.
И в таком случае,при формировании ответа, модель уже будет использовать макимально актуальную информацию при генерации рекомендации.
Как видим, модель получила данные из базы знаний и сослалась на них.
Наприме, по умолчанию задан простой, "размытый" промпт, который просто указывает, что чат должен быть полезным. Но, такой чат не всегда сможет предоставить пользователю ответ, который его устроит. Поэтому, фунционал Чат с LLM предоставляет возможность задать пользователю свой промпт, который будет действовать в текущей сессии.