rag.
30 паттернов инженерии ИИ-систем
В Островке мы используем ИИ в разных задачах — от автоматизации внутренних процессов до продуктовых сценариев — и периодически рассказываем об этом на Хабре. Например, как строим вспомогательные системы на ��азе LLM и RAG или
ИИ-помощник BIM Inspector: как мы упростили адаптацию новых пользователей и снизили порог входа при освоении продукта
ВведениеПроблема: 2 000+ проектировщиков тратят 15–30 минут на поиск ответа в 120+ инструкциях Confluence.Решение: ИИ-помощник на основе архитектуры RAG, который отвечает за несколько минут.Результат: время поиска сократилось до 5 минут, адаптация персонала — с 2–4 недель до 3–5 дней.Привет, Хабр! Меня зовут Максим Курбатов, я — руководитель продукта BIM Inspector в ПИК Digital. Сегодня расскажу, как мы решили одну из непростых задач в BIM-автоматизации — помогли новому пользователю начать работать с системой за дни, а не за недели.Что такое BIM Inspector?
Как редактору повысить качество ответов RAG-поиска
Всем привет! Меня зовут Катя, я развиваю Gramax — базу знаний для ИТ-команд.В Gramax мы делаем упор на качественную работу как человека, так и машины. И часто получаем вопросы, как автор статей может повлиять на качество выдачи ИИ-поиска. В большей мере качество поиска зависит от нас: мы регулярно улучшаем внутренние механизмы, чтобы авторы не становились заложниками технологий. Но есть универсальные правила, которые работают в любой системе с RAG. Этими правилами и хотим поделиться в этой статье:)Основной принцип
А что на входе? Разбираем структуру данных для AI-агента
После прошлой статьи мне в личку прилетел вопрос: «А что на входе? Как именно ты подаёшь данные агенту? Просто кидаешь текст ТЗ — и всё?»
От OCR до ADE: как машины научились не просто читать, а понимать документы
Представьте что вы получили 500 кредитных заявок. В каждой — паспорт, банковская выписка, справка о доходах, налоговая форма. Всё в PDF. Имена файлов: upload1.pdf, upload2.pdf... Чтобы обработать их вручную — нужна неделя и несколько сотрудников. Чтобы обработать автоматически старым способом — нужно написать отдельный парсер под каждый тип документа, и молиться чтобы шрифт не поменялся. Эта статья о том как индустрия шла к решению этой задачи — и к чему пришла.
Как научить AI-агента работать «как у нас принято»: RAG для передачи знаний
Новый сотрудник приходит в компанию. Первый месяц смотрит, как работают другие. Задаёт вопросы. Впитывает неписаные правила.«К Петрову лучше не ходить в пятницу после обеда». «Если клиент из Газпрома — сначала согласуй с Мариной». «Этот шаблон договора устарел, бери новый из папки на диске».Через месяц-два новичок работает «как принято». Без инструкций — просто потому что видел, как это делают другие.AI-агент так не умеет. Всё, что сотрудники «знают на автомате», для него не существует. Пока не будет явно описано и загружено в систему.Проблема tacit knowledge
Воякс — аналитик ИИ-автоматизации
Woyax AI Process Auditor — ИИ-агент для автоматического аудита бизнес-процессов. Бот проводит серию интервью с сотрудниками компании через мессенджер, выявляет рутину и узкие места, извлекает структурированные инсайты и формирует отчёт с рекомендациями по ИИ-автоматизации. No-code AI-агент на базе n8n, RAG, Qdrant и нескольких LLM-провайдеров — построенный на одном VPS в Docker Compose.
