Сотрудники регулярно тратят время, чтобы найти информацию, которая уже описана во внутренних регламентах, инструкциях и заметках, но лежит в десятке разных файлов. Ищу исполнителя, который соберёт корпоративного ИИ-помощника по документам на архитектуре RAG. Пусть решение считывает наши материалы, нарезает их на смысловые куски, вычисляет эмбеддинги и сохраняет их в векторной базе. Сотрудник пишет вопрос в чат, помощник подбирает подходящие фрагменты и выдаёт ответ, обязательно со ссылкой на конкретный документ и его раздел.
Подчеркну: речь про закрытый инструмент поиска ответов по нашим документам, а не про клиентский бот поддержки. На первом месте достоверность и возможность проверить источник, а не живость диалога. Если ответа в базе нет, помощник должен прямо сообщить об этом, а не сочинять. Ожидаю продуманную работу с обновлениями материалов, чтобы индекс не устаревал, приемлемую скорость ответа и разграничение прав, чтобы к закрытым данным имели доступ только нужные люди. В отклике поясните выбор модели эмбеддингов, векторного хранилища и способа оркестрации.
На выходе нужны готовый чат, воспроизводимый процесс загрузки документов и небольшая инструкция, чтобы наши инженеры сами обслуживали систему дальше. Приложите примеры похожих RAG-внедрений и ориентировочные сроки.
— Конвейер загрузки: разбор, нарезка и эмбеддинг документов в векторное хранилище
— Чат, в котором сотрудники спрашивают и получают ответы со ссылками на первоисточник
— Улучшение качества выдачи и механизм переиндексации при правках документов
— Разграничение доступа, журналирование и краткое руководство по сопровождению
Подчеркну: речь про закрытый инструмент поиска ответов по нашим документам, а не про клиентский бот поддержки. На первом месте достоверность и возможность проверить источник, а не живость диалога. Если ответа в базе нет, помощник должен прямо сообщить об этом, а не сочинять. Ожидаю продуманную работу с обновлениями материалов, чтобы индекс не устаревал, приемлемую скорость ответа и разграничение прав, чтобы к закрытым данным имели доступ только нужные люди. В отклике поясните выбор модели эмбеддингов, векторного хранилища и способа оркестрации.
На выходе нужны готовый чат, воспроизводимый процесс загрузки документов и небольшая инструкция, чтобы наши инженеры сами обслуживали систему дальше. Приложите примеры похожих RAG-внедрений и ориентировочные сроки.
— Конвейер загрузки: разбор, нарезка и эмбеддинг документов в векторное хранилище
— Чат, в котором сотрудники спрашивают и получают ответы со ссылками на первоисточник
— Улучшение качества выдачи и механизм переиндексации при правках документов
— Разграничение доступа, журналирование и краткое руководство по сопровождению
