AI-курация и обновление базы знаний: аудит, рекомендации, дашборд

AI-курация и обновление базы знаний

Мы часто видим, как база знаний, которую не поддерживают, хуже отсутствия базы знаний. Она создаёт иллюзию порядка, но на деле полна устаревших инструкций, дублирующих статей и мёртвых ссылок. Ручная курация при объёме 500+ статей нереалистична: у редактора просто нет времени систематически проверять каждую.

Наша AI-система курирования не заменяет экспертов, но автоматически выявляет проблемы, расставляет приоритеты для ревью и предлагает конкретные правки — редактор работает с готовым ревью-листом, а не с голым контентом. За 5 лет работы мы обработали базы знаний от 200 до 10 000 статей и гарантируем улучшение метрик свежести и покрытия.

Как AI выявляет устаревший контент?

Система анализирует каждую статью по нескольким параметрам. Во-первых, проверяется дата последнего обновления и сопоставляется с тематикой: статьи о версиях ПО теряют актуальность быстрее, чем концептуальные материалы. Во-вторых, LLM оценивает содержимое на предмет упоминания устаревших версий, названий продуктов или команд. Например, если в статье упоминается v1.2 а текущая версия v3.0 — ставится флаг. В-третьих, проверяются внутренние ссылки: битые ссылки отправляются в список на исправление. Для эмбеддингов мы используем SentenceTransformer, а для оркестрации LLM — LangChain.

Пять типов проблем, которые выявляет AI

1. Устаревший контент — версии ПО, названия команд, ссылки на несуществующие процессы.
2. Дублирование — семантически похожие статьи по разным URL.
3. Пробелы — вопросы, которые пользователи часто задают, но статьи нет.
4. Низкое качество — статьи без acceptance criteria, без примеров, с расплывчатыми формулировками.
5. Нарушенные связи — внутренние ссылки ведут на несуществующие страницы.

from langchain_openai import ChatOpenAI
from sentence_transformers import SentenceTransformer
from sklearn.metrics.pairwise import cosine_similarity
import numpy as np
from datetime import datetime, timedelta

class KnowledgeBaseAuditor:
    def __init__(self, confluence_client, llm: ChatOpenAI, embedder: SentenceTransformer):
        self.confluence = confluence_client
        self.llm = llm
        self.embedder = embedder

    def find_duplicates(self, articles: list[dict], threshold: float = 0.88) -> list[tuple]:
        """Находит семантически дублирующие статьи"""
        texts = [f"{a['title']} {a['body'][:500]}" for a in articles]
        embeddings = self.embedder.encode(texts, batch_size=32, show_progress_bar=True)

        # Попарное сравнение — только верхний треугольник матрицы
        sim_matrix = cosine_similarity(embeddings)
        np.fill_diagonal(sim_matrix, 0)

        duplicates = []
        for i in range(len(articles)):
            for j in range(i + 1, len(articles)):
                if sim_matrix[i][j] >= threshold:
                    duplicates.append((
                        articles[i]["id"], articles[i]["title"],
                        articles[j]["id"], articles[j]["title"],
                        round(float(sim_matrix[i][j]), 3)
                    ))

        return sorted(duplicates, key=lambda x: x[4], reverse=True)

    async def check_staleness(self, article: dict) -> dict:
        """Оценивает устаревание статьи через LLM"""
        last_updated = datetime.fromisoformat(article["last_updated"])
        age_days = (datetime.now() - last_updated).days

        prompt = f"""Оцени свежесть технической статьи.

Заголовок: {article['title']}
Содержимое (первые 1000 символов):
{article['body'][:1000]}

Последнее обновление: {age_days} дней назад

Проверь:
1. Упоминаются ли конкретные версии ПО/инструментов? Актуальны ли они?
2. Есть ли устаревшие термины (например, название старой команды или продукта)?
3. Ссылки выглядят актуально?
4. Общая оценка актуальности: актуально/требует_проверки/устарело

Верни JSON: {{staleness_level, reasons: [], suggested_action}}"""

        result = await self.llm.ainvoke(prompt)
        return {"article_id": article["id"], **eval(result.content)}

    def find_content_gaps(
        self,
        support_queries: list[str],
        articles: list[dict]
    ) -> list[dict]:
        """Находит вопросы, на которые нет статей"""
        # Индексируем существующие статьи
        article_embs = self.embedder.encode(
            [a["title"] + " " + a["body"][:200] for a in articles]
        )

        gaps = []
        for query in support_queries:
            query_emb = self.embedder.encode([query])
            similarities = cosine_similarity(query_emb, article_embs)[0]
            max_sim = np.max(similarities)

            if max_sim < 0.65:  # нет достаточно похожей статьи
                gaps.append({
                    "query": query,
                    "best_match_score": round(float(max_sim), 3),
                    "best_match_article": articles[np.argmax(similarities)]["title"]
                })

        return sorted(gaps, key=lambda x: x["best_match_score"])

Автоматическое предложение правок

После выявления проблем — генерация конкретных улучшений:

    async def suggest_improvements(self, article: dict) -> dict:
        prompt = f"""Проверь статью базы знаний и предложи конкретные улучшения.

Статья: {article['title']}
Текст:
{article['body'][:2000]}

Оцени и предложи правки по каждому критерию:
1. Ясность — понятна ли статья новому сотруднику?
2. Полнота — есть ли примеры, конкретные шаги?
3. Структура — нужны ли заголовки, списки?
4. Актуальность — нет ли устаревших деталей?

Для каждой проблемы: цитата из оригинала → предлагаемая правка.
Верни JSON: {{score: 0-10, issues: [{{location, problem, suggestion}}]}}"""

        result = await self.llm.ainvoke(prompt)
        return {"article_id": article["id"], **eval(result.content)}

Дашборд состояния базы знаний

Почему автоматическое курирование эффективнее ручного?

Сравним: редактор-человек тратит в среднем 15–20 минут на проверку одной статьи. Для базы из 800 статей это 200–270 часов непрерывной работы — без учёта времени на исправления. AI-система обрабатывает тот же объём за 2–3 часа анализа и выдаёт приоритезированный список проблем. Редактору остаётся только утвердить или отклонить предложенные правки. Таким образом, AI сокращает время курации в 15–20 раз, сохраняя качество.

Что входит в работу

• Аудит текущей базы знаний: полный анализ статей, выявление дублей, устаревшего контента, пробелов.
• Настройка AI-пайплайна: интеграция с Confluence, Notion, GitBook или API; выбор модели, настройка порогов сходства.
• Дашборд с метриками: визуализация Freshness Score, Coverage Rate, Duplication Rate, Quality Score.
• Автоматические рекомендации: LLM генерирует конкретные правки для каждой проблемной статьи.
• Обучение команды: семинар по работе с системой, передача документации.
• Гарантия поддержки: 3 месяца сопровождения после внедрения.

По нашим данным, после внедрения AI-курации компании сокращают время на поддержку базы знаний на 60–80%.

Процесс работы

1. Аналитика: сбор и структурирование текущих статей, выгрузка логов поиска и запросов в саппорт.
2. Проектирование: выбор архитектуры (RAG, fine-tuning или zero-shot), подбор модели и эмбеддера.
3. Реализация: разработка пайплайна аудита, интеграция с хранилищем, настройка дашборда.
4. Тестирование: прогон на тестовой выборке, сверка с экспертной оценкой, калибровка порогов.
5. Деплой: запуск в продуктив, передача команде, обучение.

Сроки и стоимость

Сроки зависят от объёма базы и сложности интеграции. Аудит и выявление проблем занимают от 1 до 2 недель. Система автоматических рекомендаций и дашборд — ещё 3–4 недели. Стоимость рассчитывается индивидуально после оценки вашей базы знаний и текущих процессов. Мы гарантируем прозрачное ценообразование и фиксацию стоимости на этапе договора.

Оценим ваш проект бесплатно. Свяжитесь с нами, чтобы получить предварительный анализ и дашборд метрик вашей базы знаний.

Практический разбор LLM: fine-tuning, RAG, агенты, деплой

Модель GPT‑4 или Claude 3.5 Sonnet через публичное API — не решение, а просто инструмент. Когда приходит требование «сделать как ChatGPT, но на наших данных», за ним стоит реальная инженерная задача: от настройки промптов до обучения 70B‑модели на собственной инфраструктуре. Разработка решений на базе LLM под ключ — это сложный стек, и мы занимаемся этим более 5 лет. За это время реализовано свыше 20 проектов в области генеративного AI: от RAG‑систем для юридических департаментов до кастомных агентов для техподдержки. Где именно находится ваша задача — зависит от данных, latency‑требований, бюджета и того, насколько критична конфиденциальность.

Типичная ситуация: клиент уже попробовал ChatGPT, но результаты нестабильны — то отвечает точно, то галлюцинирует. Либо нужна интеграция в корпоративный портал с соблюдением политик безопасности. Разберём каждый слой стека в деталях — от RAG до production‑деплоя.

Почему RAG‑системы ломаются и как это исправить?

RAG (Retrieval‑Augmented Generation) выглядит просто: нашли релевантные документы, положили в контекст, модель ответила. На практике сбоит в нескольких местах.

Chunking без перекрытия. Классическая ошибка: chunk_size=512, overlap=0. Если ответ лежит на границе двух чанков, retrieval не найдёт ни одного с достаточной уверенностью. Решение: overlap 15–25% от chunk_size, а лучше sentence‑aware splitting через spaCy или NLTK, а не наивное разбиение по символам.

Плохой embedder. Текст‑embedding‑ada‑002 — хорош для общего случая, но на юридических или медицинских текстах проигрывает специализированным моделям: E5‑large‑v2, BGE‑M3 или fine‑tuned sentence‑transformers на доменных данных. Разница в Recall@5 может составлять 15–25%.

Отсутствие re‑ranking. Векторный поиск оптимизирован по скорости, не по релевантности. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) после первичного retrieval поднимает точность топ‑3 при приемлемой задержке (+50–150 ms). Это часто важнее улучшения embedding‑модели.

Гибридный поиск. Только dense векторы плохо работают на точных запросах: имена, артикулы, коды. BM25 (sparse) хорошо находит точные совпадения, но не понимает семантику. Гибрид через RRF (Reciprocal Rank Fusion) — оптимальный компромисс. Qdrant, Weaviate и pgvector 0.7+ поддерживают гибридный поиск нативно.

Когда стоит fine‑tune, а не промпт‑инжиниринг?

Промпт‑инжиниринг решает ~70% задач адаптации LLM под домен. Оставшиеся 30% требуют дообучения. Три признака: модель игнорирует специфический формат вывода даже при детальном описании в промпте; задача требует глубокого знания специализированной лексики (медицина, право); нужно значительно снизить затраты на токены, заменив большую модель меньшей специализированной.

LoRA и QLoRA — стандарт для SFT. LoRA добавляет trainable low‑rank матрицы к attention‑слоям. Типичная конфигурация для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — обучаемых параметров ~0.8%, обучение на одной A100 40GB. QLoRA добавляет 4‑битную квантизацию (NF4) и позволяет fine‑tune 70B модель на двух A100 40GB, хотя скорость падает вдвое по сравнению с bf16.

DPO вместо RLHF. Direct Preference Optimization требует только пары (chosen, rejected), а не скалярные reward‑сигналы. DPOTrainer из библиотеки trl (Hugging Face) реализует это несколькими десятками строк.

Типичная ошибка. Датасет из 500 примеров, 5 эпох, validation loss 0.8 — кажется норм. Но на тесте модель деградировала на общих инструкциях. Причина: catastrophic forgetting. Решение — добавить 10–20% общих instruction‑following примеров (Alpaca, FLAN) в обучающую выборку, чтобы не разрушить исходные способности.

Как выбрать базовую модель: 8B или 70B?

Для большинства задач fine‑tuning 8B модели достаточно. 70B нужен, когда требуется глубокое рассуждение или baseline 8B не достигает нужного качества даже после дообучения. Стоимость инференса Llama‑3 8B через vLLM на A100 — около $0.001/1K токенов, что в 15 раз дешевле GPT‑4.

Что даёт PagedAttention в production?

vLLM — первый выбор для serving open‑source моделей. PagedAttention — ключевое техническое решение: KV‑cache управляется как virtual memory в ОС, без фрагментации. Это даёт throughput в 2–4 раза выше по сравнению с наивным HuggingFace Transformers inference. Документация vLLM подтверждает: continuous batching и PagedAttention — стандарт для высоконагруженных LLM‑сервисов.

Типичные числа на A100 80GB для Llama‑3 8B (bf16): 400–600 req/s, P50 latency 200–400ms, P99 latency 600–900ms при concurrency 64. Для 70B на двух A100 с tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизация AWQ или GPTQ снижает потребление памяти в 2 раза при потере качества в пределах 1–3%.

Мультиагентные системы

Агенты — LLM с доступом к инструментам: поиск, выполнение кода, запросы к API, работа с БД. Основные паттерны:

• ReAct (Reason + Act): модель рассуждает → выбирает инструмент → наблюдает результат → снова рассуждает. LangChain и LlamaIndex реализуют из коробки.
• Multi‑agent orchestration: несколько специализированных агентов с координатором сверху. Пример: coordinator → researcher (поиск + summarization) → coder (генерация и исполнение кода) → critic (проверка). Инструменты: AutoGen (Microsoft), CrewAI, кастомная реализация на LangGraph.

В продакшене агентные системы недетерминированы. Обязательные guardrails, лимиты шагов, логирование каждого шага, human‑in‑the‑loop для критических действий.

Как мы работаем: этапы, сроки, результат

Что входит в работу

Мы передаём:

• Техническую документацию (model card, конфиги, инструкции по развёртыванию)
• Доступ к инфраструктуре (репозиторий с кодом, обученные веса)
• 1 месяц поддержки после деплоя (консультации, правки по багам)
• Обучение команды заказчика (2–3 занятия по эксплуатации системы)

Сроки: базовый RAG‑прототип — 1–2 недели. Fine‑tuning с данными заказчика — 3–6 недель (с учётом подготовки данных). Production‑система с мониторингом и переобучением — 2–4 месяца. Стоимость рассчитывается индивидуально, зависит от объёма данных, сложности модели и требований к инфраструктуре.

Хотите оценить свой проект? Оставьте заявку — мы подготовим предварительное резюме за 1–2 рабочих дня. Или получите консультацию по выбору подхода: RAG, fine‑tuning или гибрид — расскажем, что подойдёт именно вам.