Вашей службе поддержки нужен ИИ. Как встроить личные заметки в базу знаний компании
Записная книжка в той или иной форме есть у любого человека — от реального молескина до Saved Messages в одном популярном мессенджере или заметок в каком-нибудь Google Keep. Если записи в этих носителях содержат важную для бизнеса информацию, её можно и нужно использовать шире, чем для одного только сотрудника.
Учим ai-агента ориентироваться на местности: кастомный tool на python и overpass (OSM)
Привет, Хабр!Современные AI-агенты уже умеют планировать отпуск, писать код, и совершать покупки в интернете, но поставьте их перед простым вопросом «где лучше снять квартиру рядом с метро и школой» - и они начинают галлюцинировать. Они не понимают, что «5 минут до метро» и «500 метров по прямой через реку» - совершенно разные вещи. В результате пользователь получает красивые, но бесполезные советы.
Как AI-помощник Teamly превращает базу знаний из архива в командный инструмент
Искусственный интеллект от Teamly превращает вашу базу знаний в удобный инструмент, дает пользователям возможность быстро искать информацию, разгружает техническую поддержку и ускоряет HR‑процессы. Рубрика «Продукт дня». Обычно дела с корпоративными базами знаний обстоят так: открываешь базу — и через минуту уже тонешь в разделах и «схожих» статьях по ключевому слову. Знакомо? Российский сервис Teamly научил ИИ отвечать на конкретные рабочие вопросы по внутренним документам компании: с учетом прав доступа, со ссылками на источники и возможностью продолжить диалог по теме.
Explyt 4.1: поддержка Python и MCP, пользовательские Rules и Workflows
Привет, Хабр! Отправив детей в школы и детские сады (а кто-то из нас сам идет преподавать в ИТМО и СПбГУ), делимся первым релизом этой осени. Теперь вы можете использовать возможности ассистента в PyCharm. С поддержкой MCP серверов больше не нужно реализовывать отдельные интеграции для каждого инструмента. Пользовательские Rules и Workflkows помогут сделать работу агента более удобной и корректной.Другие улучшения и багфиксыповышение стабильности работы агента: уменьшилось количество ошибок при использовании агентом встроенных инструментов
Как служба поддержки ЮMoney научилась общаться с пользователями из разных стран, не зная их языка
Привет, Хабр. Мы – Даша (инженер машинного обучения) и Наташа (ведущий аналитик в ЮMoney). В этой статье расскажем о системе машинного перевода, разработанной как end-to-end-решение для многоязычной поддержки в финтех-компании. Рассмотрим архитектуру, технические детали реализации и практические результаты внедрения системы. А ещё покажем, как общались с пользователем из Казахстана.
LLM-агенты против ручного ресерча: кейс Bioptic в биофарме
При разработке новых лекарств важно вовремя оценить конкурентную среду – какие препараты уже существуют или находятся в разработке для той же болезни (индикации). Такой анализ конкурентов обычно входит в due diligence проекта: инвесторы и фармкомпании вручную собирают данные из разных источников о всех потенциальных конкурентах целевого препарата.
Explyt 4.0: агентский режим и генерация тестов по исполнению
Всем привет! В Питере вместе с летней жарой случился релиз Explyt 4.0 c крутыми фичами для написания кода, тестирования и дебаггинга: агентским режимом Explyt Agent и генерацией тестов по исполнению Generate Tests from Execution.Важные апдейты в Explyt 4.0:обновлённый подход к следованию примеру тестоврасширенная поддержка Testcontainers и @DataJpaTestгенерация тестов по спецификации (EAP)Улучшения и багфиксы:теперь форматируется только сгенерированный код, пользовательское форматирование сохраняетсяобновлены шаблоны запросов для интеграции с моделями Ollama
