база знаний. - страница 2

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

Паттерн LLM Wiki (предложен Андреем Карпаты, 2026) устроен так: LLM-агент не ищет фрагменты заново при каждом вопросе, а инкрементально встраивает новые источники в постоянную вики — дополняет страницы, связывает их ссылками, отмечает противоречия и поддерживает обзор.Типичные элементы паттерна:Три слоя. raw/ — неизменяемые источники (курирует владелец), wiki/ — страницы под управлением агента, AGENTS.md — схема-регламент.Операции. ingest (один источник каскадно обновляет 10–15 страниц), query (вопрос по вики), lint

продолжить чтение

«Черкизово» и Data Sapience выступили на Форуме ИТ и инноваций в ритейле

Счет 4:6 в пользу инноваций: спикеры разобрали ИИ-инициативы «Черкизово» и показали, где искусственный интеллект заменяет привычный процесс, а где – нет.Data Sapience выступила генеральным партнером сессии

продолжить чтение

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.

продолжить чтение

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.  Как показала практика, написать и оформить публикацию - это не самая сложная часть создания контента, когда знаешь о чем писать… Даже опытные авторы могут не знать, о чем и как рассказать. 

продолжить чтение

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.

продолжить чтение

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.

продолжить чтение

Почему RAG не умеет в Excel

Треть нашей базы знаний лежит в выгрузках Excel, и на них ИИ-ассистент отвечает хуже всего. Разбираем, что теряется по дороге от ячейки до индекса.Вопрос, на который ассистент не отвечаетУ нас внутренний помощник по методологии. Он ищет по базе из нескольких сотен документов: регламенты в PDF, презентации, записки и примерно треть корпуса в Excel. Справочники категорий, прайс-листы, списки контрагентов. Всё это мы порезали на куски и сложили в векторный индекс, тридцать пять тысяч кусков.Сотрудник спрашивает: «Является ли Северянка нашим партнёром?»

продолжить чтение

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. 

продолжить чтение

Ваша База Знаний — золотая клетка с прозрачными стенами

9 сентября 2024 года Notion закрыл рабочие пространства, которые определил как российские. О закрытии предупредили 26 августа и дали выгрузить данные до 8 сентября. Дальше наступила тишина.В справке нашлась строка, которая объясняет облако лучше любой метафоры про «второй мозг»: если платёжные данные пространства когда-либо были связаны с Россией, пространство закрывается. Сменить карту уже не поможет. Можно было уехать два года назад и платить из Европы — это не важно. Один давний платёж решает судьбу всего архива. В те же дни то же самое сделала Coda.

продолжить чтение

Как умный поиск и микрообучение снижают нагрузку на менеджмент при адаптации

Любой инженер знает золотое правило DRY Don't Repeat Yourself. 

продолжить чтение