#база_знаний — Public Fediverse posts

Чат на сайте не должен врать: почему наш ассистент иногда честно отвечает «точного ответа нет»

Худшее, что может сказать чат на сайте, — не «не знаю», а уверенная неправда. Рассказываю, как мы развели в ассистенте разговор и факты: модель называет номер источника, последнее слово остаётся за кодом, а за честным «точного ответа нет» всегда стоит кнопка оператора. С кодом на Python и цифрами эталонной проверки.

https://habr.com/ru/articles/1098152/

#python #регулярные_выражения #база_знаний #чатбот #галлюцинации #json_schema #llm #rag #ассистент_для_сайта #оператор_поддержки

Как превратить Cursor в долговременную память проекта: LLM Wiki, QMD и Cursor CLI

Большой контекст в Cursor спасает ровно до тех пор, пока проект живёт дольше одного чата: требования, SQL-гипотезы и причины отброшенных решений быстро расползаются по сессиям. В статье разбираю практику внедрения концепции LLM Wiki Андрея Карпати в Cursor: как устроен локальный гибридный поиск через QMD, почему связка внешнего agent harness с локальной моделью оказалась избыточной, и как разделить ответственность между project skills и детерминированными bash-обёртками вокруг Cursor CLI. Внутри — готовый шаблон репозитория. К архитектуре и коду

https://habr.com/ru/articles/1095974/

#база_знаний #mcp #cursor #rag #локальные_llm #управление_контекстом #coding_agents #cursor_cli #llm_wiki #qmd

Локальный ИИ-ассистент по базе знаний компании: RAG поверх вики, файлов, 1С и Битрикс24

В любой компании старше пары лет знания размазаны по вики, папкам с регламентами, почтовым перепискам, 1С и Битрикс24. Новичок ищет нужный документ полчаса или идёт спрашивать коллегу, и коллега отвлекается. Очевидный ответ — «давайте сделаем ChatGPT по нашим документам». Но почти всегда тут же звучит требование: данные не должны уходить в чужое облако. Значит, модель, поиск и хранилище должны жить на своём железе. В статье описываю стек, который собирал на практике для таких задач: RAG поверх XWiki, файлов и почты, доступ к 1С и Битрикс24 через инструменты агента, локальная модель на vLLM. Без маркетинга: что из чего состоит, как связано и где ломается.

https://habr.com/ru/articles/1095626/

#1с #база_знаний #mcp #битрикс24 #onpremise #llm #rag #ииагенты #локальная_llm #корпоративный_ииассистент

Как я собрал базу знаний и почему команда до сих пор ей активно пользуется

Записать полезную информацию на салфетке, в чате или комментарии к задаче точно лучше, чем сразу же забыть. Однако может наступить момент, когда «салфеток» стало слишком много. Мы с командой оказались именно в таком моменте и на собственном опыте узнали, что одна хорошая инструкция, на которую один сотрудник потратил несколько часов, облегчает работу всем, помогая сэкономить недели.

https://habr.com/ru/companies/rt-dc/articles/1094854/

#заметки #документация #техподдержка #база_знаний #организация_работы #управление_знаниями #инструкции #инженеры #база_знаний_поиск

Наймите хоть сто человек в поддержку — заявки всё равно не будут решаться на первой линии

Бороться с низким FLR можно по-разному. Иногда, если поддержка не может решать проблемы сама, без второй линии, бизнес делает вывод, что на первой не хватает рук. Нанимаем ещё десяток человек, потом ещё, потом ещё. Полгода спустя штат первой линии вырос на треть, а FLR остался там же, где был до найма. Иногда даже чуть просел, потому что новички чаще передают обращения дальше: знаний и прав у них меньше, чем у опытных коллег. Вроде бы понятно, почему такое решение вообще принимают: больше людей — больше пропускная способность — выше процент заявок решённых на первой линии. Но если показатель не сдвигается даже при активном найме, это не сигнал что нужно нанять ещё. Можно удвоить штат и получить ту же картину только дороже. Новые люди сокращают очередь, но решить обращение без эскалации помогают знания, права первой линии и полнота самой заявки. Найм ничего из этого не добавляет.

https://habr.com/ru/companies/simpleone/articles/1093864/

#техподдержка #база_знаний #itsm #service_desk #портал_самообслуживания #shiftleft #агентный_ии #автоматизация_поддержки #первая_линия_поддержки #flr

Aquilum — Open source заметочник без WebView на Rust: форки Masonry и vello_cpu, свой редактор, читалка и экспорт в PDF

Я учел фидбек сообщества, открыл исходный код и сменил стек — теперь на Rust написано 99,6% всего кода, а от Tauri и Webview я полностью отказался. В статье расскажу, как проходил перенос, что внедрено и улучшено благодаря сообществу, а также какие проблемы возникли в процессе рефакторинга.

https://habr.com/ru/articles/1094568/

#open_source #markdown #рендеринг #база_знаний #текстовый_редактор #obsidian #rust #masonry #заметочник #vello_cpu

Комнатный RAG: бесплатный ИИ-помощник-консультант по содержимому сайта

Можно ли превратить обычный сайт небольшой компании в ИИ-консультанта и уложиться в бесплатные квоты хостинга? На примере показываем, как собрали такого помощника с агентом на платформе Cloudflare. Внутри — семь этапов: от подготовки базы и сравнения моделей до проверки темы, ограничений расхода и ссылок на разделы сайта. Разбираем реальные ошибки: выдуманные кейсы, пустые ответы и “сортировку на Python” вместо консультации по услугам сайта. Скриншоты, пошаговая инструкция для воссоздания и ссылка на работающий чат. Как мы это собрали

https://habr.com/ru/articles/1094042/

#база_знаний #чатбот #cloudflare #llm #prompt_injection #иипомощник #rag #workers_ai

Квестоша: ИИ-помощник в контакт-центре агрегатора квестов

«Мир Квестов» агрегирует квесты в реальности, и клиенты пишут в чат, чтобы подобрать игру и забронировать. С третьего квартала 2026 года первым в чате отвечает бот Квестоша. Рассказываем, как он устроен: вики из markdown-файлов вместо дообучения, маскировка персональных данных до модели, каталог сайта по MCP, ночной цикл правок с экзаменом и сравнение пяти моделей по двенадцати гейтам безопасности. Вторая часть про людей: карта стейкхолдеров, ожидания смежных команд и пять уроков для тимлида.

https://habr.com/ru/articles/1093240/

#база_знаний #чатбот #персональные_данные #mcp #контактцентр #llm

Как обучать взрослых сотрудников: 6 принципов андрагогики для бизнеса

Сотрудник читает инструкцию, говорит, что понял, а через неделю работает по-старому. Возможная причина: обучение в компании строится по модели, которая хороша для школьников, но не учитывает потребности взрослого человека. Персоналу нужно не просто выдавать информацию, а связывать ее с предыдущим опытом и ежедневной практикой. Именно этим занимается андрагогика — научный подход к обучению взрослых. Разберем, что это и как внедрить в компании.

https://habr.com/ru/companies/teamly/articles/1091688/

#база_знаний #обучение_персонала #управление_людьми #teamly

Пять полезных решений 1С в Базе знаний Инфостарт за неделю

Подборка новых публикаций и инструментов для разработчиков 1С: автономные решения, работа с отчетами и данными, анализ структуры конфигурации и практические материалы о разработке и внедрении. В дайджесте - полезные инструменты, которые можно использовать в повседневной работе, а также статьи с разбором реальных задач и подходов к их решению.

https://habr.com/ru/companies/infostart/articles/1091314/

#инфостарт #база_знаний #бсп #1с #1с_предприятие #html #перенос_данных #таблицы #разработка #инструменты_разработчика

LLM Wiki: готовые baseline-шаблоны и новая реализация паттерна для доказательных выводов

Паттерн LLM Wiki предлагает хранить знания не как историю чата с моделью, а как вики, которую агент инкрементально собирает из источников. В статье предлагаются к использованию два репозитория: (А) llm-wiki-baseline — с шестью готовыми шаблонами «второго мозга» под разные домены и (Б) llm-wiki-kbt , реализующий тот же паттерн, но для вики в другой архитектуре, с проверяемой структурой на расширяемых схемах данных и с заделом под доказательный вывод: типизированные YAML-записи, строгие схемы, общая онтология и зонды, которые ловят противоречия программно. В качестве примера — вики евклидовой геометрии с интерактивным графом.

https://habr.com/ru/articles/1091774/

#llm #база_знаний #онтология #второй_мозг #obsidian #агенты

Aquilum — быстрый аналог Obsidian на Rust, который потребляет около 27 МБ ОЗУ

Aquilum — быстрый local-first заметочник на Rust для Windows с потреблением около 27 МБ ОЗУ и установщиком размером 11 МБ. В нём есть граф знаний, обратные ссылки, live preview Markdown, несколько баз знаний, расширенные таблицы, книги и читалка, Dataview-подобный анализ данных, быстрый поиск, история изменений и интеграция с MCP-агентами. Подробный обзор функций и архитектуры — в статье. Узнать больше

https://habr.com/ru/articles/1090122/

#rust #tauri_20 #desktop_application #markdown #obsidian #база_знаний #заметочник #localfirst #dataview #чтение_книг

Где на самом деле живут знания компании: 8 видов корпоративного знания

У любой компании как и у человека есть память. В бизнесе это называется корпоративным знанием. Однако неверно думать, что знания – это что-то зафиксированное в документах. На самом деле большая их часть скрыта в решениях, принятых интуитивно, негласных договоренностях команды, и понимании, когда правило лучше обойти.

https://habr.com/ru/companies/teamly/articles/1088100/

#управление_знаниями #база_знаний #управление_командой #teamly #teamly_ai

О чем 1С-нику писать в Базу знаний Инфостарт?

О чем 1С-нику писать в Базу знаний Инфостарт? Какую тему выбрать, чтобы был отклик? Как найти свою нишу в каталоге? В статье делимся рабочими способами, как подобрать тему.

https://habr.com/ru/companies/infostart/articles/1088352/

#1с #1с_предприятие #авторство #авторы #база_знаний #статьи_без_кода #статьи_на_хабр #статьи #инфостарт #мнение_экспертов

Восемь дней без алерта: как ручной разбор конверсии превратился в ИИ-агента

В партнёрском отчёте доля выданных займов среди одобренных сползла примерно с 80 до 77 %. Текущая неделя выглядела ещё хуже — меньше 75 %. Мы начали разбирать падение и довольно быстро нашли убедительное объяснение: в органическом трафике такого сдвига не было, а несколько партнёров стали приводить клиентов, которые получали одобрение, но не подписывали оферту. На этом можно было остановиться. Но позже под тем же падением обнаружился другой слой: восемь дней подряд заметная доля СМС с кодом подписания отклонялась шлюзом. Отдельного алерта на этот тип сообщений не было. Вывод про партнёрский трафик оставался верным для устойчивой части просадки, но не объяснял июльский провал целиком. Тогда мне захотелось превратить такой разбор в повторяемую работу: чтобы следующий сигнал не заставлял каждый раз заново вспоминать, где лежат цифры, как проверить свежесть когорты и какие версии уже однажды подвели нас. Так появился скилл ИИ-агента для расследования воронки. Ниже — что мы сначала делали сами, как собрали этот маршрут и что агент смог найти в следующей задаче.

https://habr.com/ru/companies/svoi_ru/articles/1086642/

#ai #conversion #ииагенты #llm #анализ_конверсии #финтех #расследование_инцидентов #воронка_продаж #база_знаний #мониторинг_метрик

Как мы научили LLMCOD собирать базу знаний не только из HTML, но и из SPA и открытых API

Обычно задача «создать базу знаний из сайта» звучит просто: взять HTML, извлечь текст, разбить его на фрагменты, построить embeddings и отправить всё в RAG. На современных сайтах этот подход всё чаще перестаёт работать. Главная причина — сайт может практически не содержать данных в исходном HTML. Пользователь открывает страницу, браузер загружает JavaScript, JavaScript обращается к API, а уже API возвращает услуги, товары, объекты, статьи, цены и другие данные. Именно с такой проблемой мы столкнулись при разработке новой возможности в LLMCOD. Теперь система умеет работать не только с обычными страницами, но и с SPA-сайтами и доступными открытыми API. В этой статье расскажу, как мы это сделали, какие проблемы встретили по дороге и почему одного vector search для такой задачи оказалось недостаточно.

https://habr.com/ru/articles/1086396/

#rag #база_знаний #spa #парсинг_сайтов #postgresql

Почему RAG не умеет в Excel

Треть нашей базы знаний лежит в выгрузках Excel, и на них ассистент отвечает хуже всего. Разбираем, что теряется по дороге от ячейки до индекса и почему строка таблицы всегда проигрывает абзацу из PDF.

https://habr.com/ru/articles/1086194/

#RAG #векторный_поиск #BM25 #эмбеддинги #чанкинг #парсинг_Excel #openpyxl #база_знаний #корпоративный_поиск #LLM

Как компании выстроить систему работы с ошибками, чтобы сотрудники не боялись о них говорить

Менеджер потерял крупного клиента из-за того, что в CRM не сработало уведомление. Технически он не виноват – система подвела. Но он молчит: не идёт к руководителю, не рассказывает, не предлагает исправить. Просто надеется, что в этот раз никто ничего не заметит.

https://habr.com/ru/companies/teamly/articles/1085658/

#управление_персоналом #командная_работа #психология_персонала #teamly #база_знаний

Самое сложное в AI: как RAG-пилот на три недели затянулся на три месяца

В финале прошлой статьи про сборку AI-команды я остановился на клиффхэнгере: наш простой трёхнедельный пилот RAG по технической документации забуксовал, причём виной тому были не модели, не серверы и не разработчики. С первого установочного совещания прошло уже три месяца. Для тех, кто в блоге впервые: в прошлых частях мы прошли путь от первых экспериментов с ChatGPT и самописных микросервисов до собственной инфраструктуры, найма IT-архитектора и выстраивания DevOps-практик. В начале пути внедрения AI в бизнес-процессы, мне казалось, что самые сложные вопросы будут сугубо техническими: какую модель выбрать, какие GPU купить, как всё это собрать и не уронить. Сейчас всё наоборот — техническая логика понятна, а главный затык корпоративного AI, оказалось, вообще не имеет отношения к нейросетям. Настоящее веселье начинается, когда AI просит у компании нормальные исходные данные и понятное описание бизнес-процесса. Сегодня о том, почему трёхнедельный пилот RAG растянулся на три месяца, как AI вскрыл застарелый бардак в заводских регламентах и во сколько на самом деле обходится этот эксперимент.

https://habr.com/ru/companies/psm_unlim/articles/1083012/

#rag #база_знаний #aiпилоты #aiассистент #aiагенты #llm #обучение_нейронных_сетей #aiразработка #промышленный_ии #инвестиции_в_ии

Ваша База Знаний — золотая клетка с прозрачными стенами

“Облачный блокнот” выглядит как ваши файлы. Но это запись в чужой базе: её можно закрыть, выгрузить с потерями или скормить модели без уведомления. Это как золотая клетка с прозрачными стенами: всё видно, кажется своим, выйти нельзя. Есть проверка на тридцать секунд — почти никто её не проходит. Открыть клетку блокнотом

https://habr.com/ru/articles/1082912/

#localfirst #markdown #notion #obsidian #json #искусственный_интеллект #нейросети #база_знаний #приватность #персональные_данные

Chatballs — open source ИИ-платформа первой линии поддержки

Я искал простой self-hosted инструмент для первой линии поддержки: чтобы ИИ отвечал пользователям по базе знаний в Telegram, MAX, email и веб-чате, а сложные вопросы передавал человеку. Подходящего решения для своих задач не нашёл, поэтому сделал Chatballs — open source платформу с ИИ-агентами, группами операторов, звонками, порталами поддержки и возможностью подключать собственные модели.

https://habr.com/ru/articles/1082300/

#Chatballs #open_source #selfhosted #ИИагенты #клиентская_поддержка #RAG #база_знаний #Telegram #MAX #WebRTC

Как умный поиск и микрообучение снижают нагрузку на менеджмент при адаптации

Когда компания растет, регламенты и инструкции быстро превращаются в «кладбище файлов», а новички всё равно идут с простыми вопросами к руководителям. Поэтому мы автоматизировали выдачу ответов на бытовые и организационные вопросы новичков, обкатав систему на сотрудниках бэк-офиса перед внедрением в IT-команды. В статье разбираем 5 шагов: от аудита реальных болей сотрудника до подключения умного ИИ-агента, который находит ответы за 30 секунд.

https://habr.com/ru/companies/svoi_ru/articles/1080680/

#онбординг #адаптация_персонала #база_знаний #искусственный_интеллект #автоматизация #микрообучение #управление_командой #менеджмент #lms

История развития RAG на примере одного проекта

Это не очередной туториал «поставь LangChain и получи RAG за час». Это дневник того, как одна конкретная RAG-система вырастала из «нейросети, которая просто лазит грепом по md-файлам» до многослойного пайплайна с графом знаний, гибридным ретривом и адаптивной схемой рассуждений — и почему мне пришлось писать её с нуля, вместо того чтобы допилить существующую. Почему?

https://habr.com/ru/articles/1079556/

#база_знаний #база_знаний_с_ai #менеджмент_знаний

Видеотека как база знаний: проверяем пять сценариев с TeamStream MCP

Привет, Хабр! Уже несколько месяцев я в роли подопытного кролика автора работаю с редакцией МТС через их сервис TeamStream: через него мне приходят правки, «развивающая обратная связь» и мнение редактора о написанном тексте. Я рассказывал о первых впечатлениях и переходе на работу с короткими видеороликами. В рабочей видеотеке быстро наступает момент, когда записей становится больше, чем времени у людей. Созвоны, фидбэки, инструкции, разборы задач со временем превращаются в архив, который лежит мертвым грузом. MWS предлагает решить эту проблему через MCP: дать доступ к записям внутри TeamStream ИИ-ассистенту и позволить ему искать и обрабатывать нужные фрагменты. Что ж, отличный повод попробовать это в деле. В этом посте покажу, как превратить видеотеку в рабочую базу знаний. Для этого разберу пять кейсов — от инвентаризации и поиска по содержанию до сводки сразу по нескольким записям.

https://habr.com/ru/companies/ru_mts/articles/1079476/

#MCP #Model_Context_Protocol #MWS_TeamStream #Cursor #искусственный_интеллект #ИИассистенты #база_знаний #видеотека #транскрибация #корпоративные_знания

Ошибки в работе с корпоративными знаниями, которые мешают внедрению ИИ-ассистентов

В компании внедрили ИИ-ассистента – дорого, технологично, с красивой демонстрацией возможностей. А через месяц выяснилось, что сотрудники им почти не пользуются. Или хуже – пользуются, но верят ему, а он выдаёт неактуальные инструкции, противоречащие друг другу. Почему так вышло?

https://habr.com/ru/companies/teamly/articles/1078132/

#ииассистент #ииагенты #teamly #база_знаний #управление_знаниями

Хватит создавать кладбища из документов. Как база знаний с ИИ ускоряет команды

Базу знаний заводят для команды. А потом она делает всё, чтобы туда не заходить. Рассказываю, как мы в YouGile превращаем БЗ из кладбища документов в ускоритель бизнеса: встроить знания прямо в работу, упростить их накопление и обновление, а затем использовать весь этот контекст для мощного ИИ-буста

https://habr.com/ru/companies/yougile/articles/1077180/

#система_управления_проектами #система_управления_задачами #тасктрекер #канбандоска #планировщик_задач #таскменеджер #база_знаний #управление_командой #управление_продуктом #ииагенты

Как я собираю систему в Obsidian под конкретного человека: матрица болей вместо чужого шаблона

Обычно ко мне обращаются с похожим запросом: поставил Obsidian, посмотрел видео, разложил папки как показывали, дальше не пошло. Одна клиентка описала это так - поставила программу под большое научное исследование и утонула в роликах о том, как ею пользоваться. Я собираю персональные системы в Obsidian на заказ. Работа начинается с таблицы: слева боли, сверху предполагаемые решения, на пересечениях отметки. Ниже - как её заполнить и что в ней потом видно.

https://habr.com/ru/articles/1076332/

#obsidian #PKM #personal_knowledge_management #second_brain #второй_мозг #база_знаний #продуктивность #менеджмент

Математика в AI моделях

Привет, друзья! Одним из двигателей моей любви к моделям, к исследованиям и ко всему, чем я сейчас занимаюсь, является математика. Математические структуры удивительны — открыли ли мы математику или создали — слишком сложный вопрос. Я верю, что открыли и мне очень нравится наблюдать, как математика возникает в моделях. Так появилось это исследование и так появилась карта . Задача, которую я поставила на входе "Оценить насколько воспроизводима и эквивалента в LM-моделях математика". Что получилось — смотрим в статье.

https://habr.com/ru/articles/1075390/

#математика #ai #aiагенты #база_знаний #машинное+обучение #многообразия

Как поддерживать большую базу знаний для RAG и обновлять ее в полуавтоматическом режиме

У большой базы знаний есть неприятное свойство. Она хорошо отвечает на вопросы, которые в нее уже положили, и никак не сообщает о вопросах, которых в ней не хватает Пользователь задает вопрос AI-агенту, RAG не находит подходящего материала, и диалог уходит специалисту. Оператор разбирается и пишет правильный ответ. Через несколько дней приходит другой пользователь с той же проблемой, но для Agent ничего не изменилось. Ответ уже существует внутри компании, просто он остался в истории поддержки Чем больше обращений, тем хуже работает ручной контур. Продакт видит общую долю передач оператору, редактор получает отдельные просьбы обновить базу, а повторяющиеся вопросы растворяются среди тысяч диалогов. В итоге RAG пополняют по ощущениям, громким жалобам и случайно замеченным кейсам Мы решили построить сервис, который находит такие пробелы автоматически. Он читает обращения, выделяет полезные ответы операторов, объединяет повторы, сравнивает результат с текущей базой знаний и готовит редактору рекомендации

https://habr.com/ru/articles/1074624/

#RAG #база_знаний #LLM #AIагенты #семантический_поиск #дедупликация #humanintheloop #поддержка_пользователей #управление_знаниями #RetrievalAugmented_Generation

У нас база знаний окупилась на 160 млн, и вот почему нейросеть тут ни при чём

Статья написана на основе интервью с Василием Можаровым, старшим менеджером направления Техническая политика, управление знаниями и бенчмаркинг. «Сибур-Нефтехим» сократил остановочный ремонт на восемь суток и заработал на этом 160 миллионов рублей.

https://habr.com/ru/companies/sibur_official/articles/1072530/

#базы_данных #база_знаний #информация #информационная_архитектура #производство #химия #полимеры #полимер #катализатор #промышленность