Применение конечных автоматов как управляющей модели в агентных RAG-системах для корпоративных баз знаний: системный подход и формализация

Р. С. Розум, А. С. Кузнецов

---

Аннотация. В статье с позиций системного анализа подробно рассмотрено применение теории конечных автоматов в качестве управляющей модели в агентных RAG-системах управления корпоративными базами знаний. Приведены основные требования к данным системам по показателям точности, предсказуемости и управляемости. Рассмотрено применение метода конечных автоматов, что позволяет ввести устойчивые состояния в систему и организовать управление. Приведены практические примеры применения конечных автоматов в RAG-системах. Создано формализованное описание применения FSM-агента в корпоративных системах. Агент в системе рассматривается как управляемый объект, формализуемый в виде конечного автомата, обладающего дискретным набором состояний, с учетом событий среды и сформулированного набора условий переходов. Приведена математическая модель FSM-агента, выполненная на основе математической функции описания множеств. Построены диаграмма компонентов FSM-RAG системы, отражающая архитектурное решение, которое может быть использовано в качестве основы для внедрения в корпоративные информационные системы, и визуальная диаграмма смены состояний FSM-RAG в виде графа переходов. Представленные в статье схемы и модель создают основу для внедрения более надежных агентов. Они будут поддаваться проверке и формализации в бизнес-среде.
Цель исследования – формализация процесса управления агентной RAG-системой корпоративной базы знаний на основе детерминированного конечного автомата и разработка математической модели FSM-агента как управляющей подсистемы.
Методология исследования включает методы системного анализа и синтеза, сравнительный анализ формальных управляющих моделей, построение математической модели автомата Мура, архитектурное моделирование и граф переходов состояний.
Результаты. Предложена формальная модель FSM-агента для RAG-системы; разработана архитектура FSM-RAG с выделением состояний, событий и функций переходов; построены диаграмма компонентов и граф состояний; показана применимость модели для корпоративных баз знаний с неструктурированными данными.
Выводы. Использование детерминированного конечного автомата в роли управляющей модели повышает предсказуемость, наблюдаемость и формальную проверяемость поведения RAG-системы; обеспечивает контролируемую многоэтапную обработку запросов; позволяет анализировать завершимость сценариев и сложность алгоритма; создает основу для внедрения управляемых RAG-агентов в корпоративных информационных системах.

Ключевые слова: метод конечных автоматов, управляющие модели, большие языковые модели, агентные системы, базы знаний, системный подход, формализация

Для цитирования. Розум Р. С., Кузнецов А. С. Применение конечных автоматов как управляющей модели в агентных RAG-системах для корпоративных баз знаний: системный подход и формализация // Известия Кабардино-Балкарского научного центра РАН. 2026. Т. 28. № 2. С. 11–24. DOI: 10.35330/1991-6639-2026-28-2-11-24

©  Розум Р. С., Кузнецов А. С., 2026

Информация об авторах

Розум Роман Сергеевич, аспирант кафедры информационных технологий, искусственного интеллекта и общественно-социальных технологий цифрового общества, Российский государственный социальный университет;
129226, Россия, Москва, ул. Вильгельма Пика, 4, cтр. 1;
romanrozum@yandex.ru, ORCID: https://orcid.org/0000-0002-2276-842X, SPIN-код: 2190-5760
Кузнецов Андрей Сергеевич, канд. тех. наук, доцент, доцент кафедры информационных технологий, искусственного интеллекта и общественно-социальных технологий цифрового общества, заместитель руководителя по научной деятельности факультета политических и социальных технологий, Российский государственный социальный университет;
129226, Россия, Москва, ул. Вильгельма Пика, 4, cтр. 1;
askgoogle@internet.ru, ORCID: https://orcid.org/0000-0003-1569-4765, SPIN-код: 8442-7210

Список литературы

1. Намиот Д. Е., Ильюшин Е. А. О киберрисках генеративного Искусственного Интеллекта // International Journal of Open Information Technologies. 2024. Vol. 12. No. 10. Pp. 109–119. EDN: JZCUQS
2. Намиот Д. Е., Ильюшин Е. А. Архитектура LLM агентов // International Journal of Open Information Technologies. 2025. Т. 13. № 1. С. 67–74. EDN: VIMKYB
3. FSM Group Chat – User-specified agent transitions – https://microsoft.github.io/ autogen/0.2/blog/2024/02/11/FSM-GroupChat (дата обращения: 13.11.2025 г.)
4. Нестеров Л. А. Методы синтеза и анализа дискретных конечных автоматов // Resour. Technol. 2001. № 3. URL: https://cyberleninka.ru/article/n/metody-sinteza-i-analiza-diskretnyhkonechnyh-avtomatov (дата обращения: 13.11.2025).
5. Can large language models help developers with robotic finite state machine modification. https://arxiv.org/html/2412.05625v1 (дата обращения: 13.11.2025 г.)
6. Куприяновский В. П., Аленьков В. В., Соколов И. А. и др. Умная инфраструктура, физические и информационные активы, Smart Cities, BIM, GIS и IoT // International Journal of Open Information Technologies. 2017. Vol. 5. No. 10. Pp. 55–86. EDN: ZISODV
7. Youssef Maklad, Fares Wael, Wael Elsersy, Ali Hamdi. Retrieval augmented generation based LLM evaluation for protocol state machine inference with chain-of-thought reasoning. https://arxiv.org/abs/2502.15727 (дата обращения: 13.11.2025 г.)
8. MetaAgent: Automatically Constructing multi-agent systems based on Finite State Machines. https://arxiv.org/abs/2507.22606 (дата обращения: 13.11.2025 г.)
9. What OpenAI ChatGPT Pro Means for AI Agents and Agentic AI. https://www.teneo.ai/blog/ what-openai-chatgpt-pro-means-for-ai-agents-and-agentic-ai Retrieved: Dec, 2024
10. Розум Р. С., Кузнецов А. С. Системный подход к оценке эффективности методов кластеризации и их программных реализаций // Рефлексия. 2025. № 2. С. 87–91. EDN: XASNUX
11. Розум Р. С., Кузнецов А. С. Архитектура автоматизированной информационной системы обработки и семантического анализа запросов к системам обслуживания реального времени // Тенденции развития науки и образования. 2024. № 115–15. С. 101–107. DOI: 10.18411/trnio-11-2024-709. EDN: DOSWGC
12. Кузнецов А. С. Информационное моделирование объектов, процессов и систем: принципы формализации, классификации и верификации: монография. Санкт-Петербург: Сциентиа, 2026. 106 с. ISBN-13 (15) 978-5-907902-76-3

Финансирование

Исследование проведено без спонсорской поддержки.