AI-вики платформа для корпоративной базы знаний

Разработчики тратят в среднем 2 часа в день на поиск актуальной документации. Confluence на 2000 страниц — половина устаревшая. AI-powered wiki решает эту проблему: система сама поддерживает контент в актуальном состоянии, генерирует черновики новых статей, автоматически связывает семантически близкие страницы и отвечает на вопросы напрямую через RAG-ассистент. Мы разрабатываем такие платформы под ключ, используя open-source стек и self-hosted развёртывание — данные остаются под вашим контролем.

Проблемы, которые решает AI-вики

Первая проблема — семантический поиск. Keyword-поиск не находит документ, если формулировка запроса отличается. AI-вики использует эмбеддинги (модель intfloat/multilingual-e5-large, 768 измерений) и сравнивает векторы запроса и статей, выдавая релевантные результаты даже при синонимах. Точность поиска выше в 3-5 раз по сравнению с традиционной wiki.

Вторая проблема — устаревание контента. После релиза библиотеки или изменения API документация часто остаётся старой. Детектор устаревания мониторит Git-репозитории: если файл, упомянутый в статье, изменился, владельцу страницы приходит уведомление с commit url. Это сокращает время обновления с недель до часов.

Третья — онбординг новичков. Новый сотрудник тратит 3 недели на изучение базы знаний. AI-ассистент в боковой панели отвечает на вопросы по документации за секунды, ссылаясь на первоисточники. Время онбординга сокращается до 1.5 недель.

Как AI-вики автоматически поддерживает актуальность?

Ключевой компонент — StalenessMonitor, который асинхронно проверяет reference-файлы. При обнаружении изменений он отправляет владельцу статьи notification с action review_required. Этот механизм работает и с GitHub, и с GitLab, и с собственными Git-репозиториями.

import asyncio
from github import Github

class StalenessMonitor:
    async def check_code_changes(self, article: dict, github_token: str):
        g = Github(github_token)
        code_refs = self._extract_code_references(article["content"])
        for ref in code_refs:
            try:
                repo = g.get_repo(ref["repo"])
                commits = repo.get_commits(path=ref["path"], since=article["last_updated_at"])
                if commits.totalCount > 0:
                    await self._notify_owner(article, ref, commits[0])
            except Exception:
                pass

    async def _notify_owner(self, article, ref, commit):
        notification = {
            "article_id": article["id"],
            "owner": article["owner_email"],
            "message": f"Файл {ref['path']} изменился после последнего обновления статьи",
            "commit_url": commit.html_url,
            "action": "review_required"
        }
        await self.notification_service.send(notification)

В чём преимущества RAG-ориентированной архитектуры?

RAG (Retrieval-Augmented Generation) — стандарт для корпоративных баз знаний. При вопросе система сначала находит топ-6 семантически близких документов, затем передаёт их LLM (GPT-4o-mini) для ответа с цитатами. Мы используем LlamaIndex для построения индекса, Qdrant как векторное хранилище (поддерживает filtering, масштабируется горизонтально). Ответы всегда содержат source nodes с названием статьи и score.

from llama_index.core import VectorStoreIndex
from llama_index.embeddings.huggingface import HuggingFaceEmbedding
from llama_index.llms.openai import OpenAI
from llama_index.core.query_engine import RetrieverQueryEngine

class WikiPlatform:
    def __init__(self, db_engine, qdrant_client, openai_key):
        self.embed_model = HuggingFaceEmbedding(model_name="intfloat/multilingual-e5-large")
        self.llm = OpenAI(model="gpt-4o-mini", api_key=openai_key)
        self.index = VectorStoreIndex.from_vector_store(qdrant_client)

    def answer_question(self, question):
        query_engine = RetrieverQueryEngine.from_args(
            retriever=self.index.as_retriever(similarity_top_k=6),
            llm=self.llm
        )
        response = query_engine.query(question)
        return {
            "answer": str(response),
            "sources": [
                {"title": n.metadata.get("title"), "url": n.metadata.get("url"), "score": round(n.score, 3)}
                for n in response.source_nodes
            ]
        }

Почему open-source стек лучше проприетарного?

Вендор-зависимость — риск. Если завтра проприетарный сервис изменит API или условия лицензирования — миграция будет болезненной. Мы выбираем LlamaIndex, Qdrant, HuggingFace, FastAPI — все компоненты self-hosted и прошедшие аудит безопасности. Semantic search на базе эмбеддингов даёт точность выше, чем у коммерческих аналогов, при сопоставимых затратах на GPU. Код остаётся под вашим контролем, и вы всегда можете доработать функционал.

Кейс: финтех-стартап с 30 разработчиками. После внедрения AI-вики время ответа на внутренние вопросы сократилось с 15 минут до 1 минуты. Годовая экономия времени команды составила значительную сумму. Дополнительно онбординг нового сотрудника обходится на 200 000 рублей дешевле за счёт сокращения наставничества. Получите консультацию по внедрению AI-вики в вашу компанию.

Процесс работы: от аудита до деплоя

1. Аналитика — аудит существующей базы знаний: оценка объёма, типов контента, частоты обновлений, MLOps практик
2. Проектирование — выбор стека, схема данных (Pgvector/Qdrant), API для интеграции с SSO
3. Реализация — написание кастомных модулей: автогенерация черновиков, Tiptap AI Extension, мониторинг устаревания
4. Тестирование — нагрузочное тестирование (latency p99), оценка качества генерации (human evaluation), проверка безопасности
5. Деплой — развёртывание на bare-metal/k8s, Helm-чарты, CI/CD пайплайн

Сравнение затрат времени на поддержку контента

Сравнение точности поиска

Что входит в результат

• Исходный код платформы (Python, TypeScript) с документацией API
• Docker-образы и Helm-чарты для развёртывания
• Скрипты миграции из Confluence/Notion
• Обучение команды (2-3 сессии) и письменные инструкции
• Техническая поддержка на 2 недели после запуска

Сроки

• Базовая AI-вики (поиск + автосвязывание): 4-6 недель
• С генерацией черновиков и встроенным ассистентом: 8-10 недель
• Self-hosted деплой с интеграцией GitHub/GitLab: +2-3 недели

Оцените проект: напишите нам описание вашей текущей базы знаний — мы подготовим предложение по составу и срокам за 2-3 дня. Свяжитесь с нами, чтобы получить детальный разбор вашей базы знаний и оценку проекта.

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.