AI-вікі платформа для корпоративної бази знань

Розробники витрачають у середньому 2 години на день на пошук актуальної документації. Confluence на 2000 сторінок — половина застаріла. AI-powered wiki вирішує цю проблему: система сама підтримує контент в актуальному стані, генерує чернетки нових статей, автоматично зв'язує семантично близькі сторінки та відповідає на питання напряму через RAG-асистент. Ми розробляємо такі платформи під ключ, використовуючи open-source стек і self-hosted розгортання — дані залишаються під вашим контролем. Це розумна база знань, яка поєднує семантичний пошук, автогенерацію контенту та моніторинг застарівання в єдиній корпоративній wiki. AI-вікі краще за звичайну wiki в 3-5 разів за швидкістю пошуку.

Як AI-вікі вирішує проблему застарівання?

Перша проблема — семантичний пошук. Keyword-пошук не знаходить документ, якщо формулювання запиту відрізняється. AI-вікі використовує ембеддинги (модель intfloat/multilingual-e5-large, 768 вимірів) та порівнює вектори запиту і статей, видаючи релевантні результати навіть при синонімах. Точність пошуку вища в 3-5 разів порівняно з традиційною wiki. AI-вікі краща за Confluence в 3-5 разів за швидкістю пошуку.

Друга проблема — застарівання контенту. Після релізу бібліотеки або зміни API документація часто залишається старою. Детектор застарівання моніторить Git-репозиторії: якщо файл, згаданий у статті, змінився, власнику сторінки приходить сповіщення з commit url. Це скорочує час оновлення з тижнів до годин.

Третя — онбординг новачків. Новий співробітник витрачає 3 тижні на вивчення бази знань. AI-асистент у бічній панелі відповідає на питання по документації за секунди, посилаючись на першоджерела. Асистент в 10 разів швидше відповідає, ніж пошук вручну. Час онбордингу скорочується до 1.5 тижнів.

Чим корисна RAG-архітектура?

Ключовий компонент — StalenessMonitor, який асинхронно перевіряє reference-файли. При виявленні змін він відправляє власнику статті notification з action review_required. Цей механізм працює і з GitHub, і з GitLab, і з власними Git-репозиторіями.

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']} змінився після останнього оновлення статті",
            "commit_url": commit.html_url,
            "action": "review_required"
        }
        await self.notification_service.send(notification)

Переваги RAG-орієнтованої архітектури

RAG (Retrieval-Augmented Generation) — стандарт для корпоративних баз знань. При питанні система спочатку знаходить топ-6 семантично близьких документів, потім передає їх LLM (GPT-4o-mini) для відповіді з цитатами. Ця RAG платформа використовує LlamaIndex для побудови індексу, Qdrant як векторне сховище (підтримує filtering, масштабується горизонтально). Відповіді завжди містять source nodes з назвою статті та 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
            ]
        }

Переваги open-source стеку

Вендор-залежність — ризик. Якщо завтра пропрієтарний сервіс змінить API або умови ліцензування — міграція буде болючою. Ми вибираємо LlamaIndex, Qdrant, HuggingFace, FastAPI — всі компоненти self-hosted і пройшли аудит безпеки. Semantic search на базі ембеддингів дає точність вищу, ніж у комерційних аналогів, при порівнянних витратах на GPU. Код залишається під вашим контролем, і ви завжди можете доопрацювати функціонал.

Кейс: фінтех-стартап з 30 розробниками. Після впровадження AI-вікі час відповіді на внутрішні питання скоротився з 15 хвилин до 1 хвилини. Річна економія часу команди склала понад 500 000 грн. Додатково онбординг нового співробітника обходиться на 200 000 гривень дешевше за рахунок скорочення наставництва. Загальна економія на онбордингу одного співробітника — 200 000 грн. Ми маємо 7+ років досвіду в ML-системах, реалізували понад 20 проектів з RAG та AI-вікі. Наші сертифіковані фахівці гарантують безперебійну роботу та повний контроль над даними. Вартість проекту залежить від складності, середній бюджет — від 1 000 000 грн. Отримайте консультацію щодо впровадження AI-вікі у вашу компанію.

Процес роботи: від аудиту до деплою

1. Аналітика — аудит існуючої бази знань: оцінка обсягу, типів контенту, частоти оновлень, MLOps практик
2. Проектування — вибір стеку, схема даних (Pgvector/Qdrant), API для інтеграції з SSO
3. Реалізація — написання кастомних модулів: автогенерація чернеток, Tiptap AI Extension, моніторинг застарівання
4. Тестування — навантажувальне тестування (latency p99), оцінка якості генерації (human evaluation), перевірка безпеки
5. Деплой — розгортання на bare-metal/k8s, Helm-чарти, CI/CD пайплайн

Порівняння витрат часу на підтримку контенту

Порівняння точності пошуку

Що входить в результат

• Вихідний код платформи (Python, TypeScript) з документацією API
• Docker-образи і Helm-чарти для розгортання
• Скрипти міграції з Confluence/Notion
• Навчання команди (2-3 сесії) і письмові інструкції
• Технічна підтримка на 2 тижні після запуску

Строки реалізації

• Базова версія (пошук + автозв'язування): 4-6 тижнів
• З генерацією чернеток і вбудованим асистентом: 8-10 тижнів
• Self-hosted деплой з інтеграцією GitHub/GitLab: додатково 2-3 тижні

Оцініть проект: напишіть нам опис вашої поточної бази знань — ми підготуємо пропозицію по складу і строкам за 2-3 дні. Зв'яжіться з нами, щоб отримати детальний розбір вашої бази знань та оцінку проекту.

Практичний розбір LLM: fine-tuning, RAG, агенти, деплой

Модель GPT‑4 або Claude 3.5 Sonnet через публічне API — не рішення, а просто інструмент. Коли приходить вимога «зробити як ChatGPT, але на наших даних», за нею стоїть реальна інженерна задача: від налаштування промптів до навчання 70B‑моделі на власній інфраструктурі. LLM розробка під ключ — це складний стек, і ми займаємося цим понад 5 років. За цей час реалізовано понад 20 проєктів у галузі генеративного AI: від RAG‑систем для юридичних департаментів до кастомних агентів для техпідтримки. Де саме знаходиться ваша задача — залежить від даних, latency‑вимог, бюджету та того, наскільки критична конфіденційність.

Типова ситуація: клієнт уже спробував ChatGPT, але результати нестабільні — то відповідає точно, то галюцинує. Або потрібна інтеграція в корпоративний портал з дотриманням політик безпеки. Розберемо кожен шар стеку в деталях — від RAG до production‑деплою.

Чому RAG‑системи ламаються і як це виправити?

RAG (Retrieval‑Augmented Generation) виглядає просто: знайшли релевантні документи, поклали в контекст, модель відповіла. На практиці збоїть у кількох місцях.

Chunking без перекриття. Класична помилка: chunk_size=512, overlap=0. Якщо відповідь лежить на межі двох чанків, retrieval не знайде жодного з достатньою впевненістю. Рішення: overlap 15–25% від chunk_size, а краще sentence‑aware splitting через spaCy або NLTK, а не наївне розбиття за символами.

Поганий embedder. Текст‑embedding‑ada‑002 — хороший для загального випадку, але на юридичних або медичних текстах програє спеціалізованим моделям: E5‑large‑v2, BGE‑M3 або fine‑tuned sentence‑transformers на доменних даних. Різниця в Recall@5 може становити 15–25%.

Відсутність re‑ranking. Векторний пошук оптимізований за швидкістю, не за релевантністю. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) після первинного retrieval піднімає точність топ‑3 при прийнятній затримці (+50–150 ms). Це часто важливіше за покращення embedding‑моделі.

Гібридний пошук. Тільки dense вектори погано працюють на точних запитах: імена, артикули, коди. BM25 (sparse) добре знаходить точні збіги, але не розуміє семантику. Гібрид через RRF (Reciprocal Rank Fusion) — оптимальний компроміс. Qdrant, Weaviate та pgvector 0.7+ підтримують гібридний пошук нативно.

Коли варто fine‑tune, а не промпт‑інжиніринг?

Промпт‑інжиніринг вирішує ~70% завдань адаптації LLM під домен. Решта 30% вимагають донавчання. Три ознаки: модель ігнорує специфічний формат виведення навіть при детальному описі в промпті; задача вимагає глибокого знання спеціалізованої лексики (медицина, право); потрібно значно знизити витрати на токени, замінивши велику модель меншою спеціалізованою.

LoRA та QLoRA — стандарт для SFT. LoRA додає trainable low‑rank матриці до attention‑шарів. Типова конфігурація для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — параметрів, що навчаються, ~0.8%, навчання на одній A100 40GB. QLoRA додає 4‑бітну квантизацію (NF4) і дозволяє fine‑tune 70B модель на двох A100 40GB, хоча швидкість падає вдвічі порівняно з bf16.

DPO замість RLHF. Direct Preference Optimization вимагає лише пари (chosen, rejected), а не скалярні reward‑сигнали. DPOTrainer з бібліотеки trl (Hugging Face) реалізує це кількома десятками рядків.

Типова помилка. Датасет з 500 прикладів, 5 епох, validation loss 0.8 — здається норм. Але на тесті модель деградувала на загальних інструкціях. Причина: catastrophic forgetting. Рішення — додати 10–20% загальних instruction‑following прикладів (Alpaca, FLAN) у навчальну вибірку, щоб не зруйнувати вихідні здібності.

Як обрати базову модель: 8B чи 70B?

Для більшості задач fine‑tuning 8B моделі достатньо. 70B потрібен, коли потрібне глибоке міркування або baseline 8B не досягає потрібної якості навіть після донавчання. Вартість інференсу Llama‑3 8B через vLLM на A100 значно нижча, ніж у GPT‑4, що робить його економічно вигідним.

Що дає PagedAttention в production?

vLLM — перший вибір для serving open‑source моделей. PagedAttention — ключове технічне рішення: KV‑cache керується як virtual memory в ОС, без фрагментації. Це дає throughput у 2–4 рази вище порівняно з наївним HuggingFace Transformers inference. Документація vLLM підтверджує: continuous batching та PagedAttention — стандарт для високонавантажених LLM‑сервісів.

Типові 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 двох A100 з tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизація AWQ або GPTQ знижує споживання пам'яті в 2 рази при втраті якості в межах 1–3%.

Мультиагентні системи

Агенти — LLM з доступом до інструментів: пошук, виконання коду, запити до API, робота з БД. Основні патерни:

• ReAct (Reason + Act): модель розмірковує → обирає інструмент → спостерігає результат → знову розмірковує. LangChain та LlamaIndex реалізують з коробки.
• Multi‑agent orchestration: кілька спеціалізованих агентів з координатором зверху. Приклад: coordinator → researcher (пошук + summarization) → coder (генерація та виконання коду) → critic (перевірка). Інструменти: AutoGen (Microsoft), CrewAI, кастомна реалізація на LangGraph.

В продакшені агентні системи недетерміновані. Обов'язкові guardrails, ліміти кроків, логування кожного кроку, human‑in‑the‑loop для критичних дій.

Як ми гарантуємо якість LLM рішення?

Ми використовуємо RAGAS для автоматичної оцінки відповідей: faithfulness, answer relevancy, context precision. Система трекінгу експериментів на базі MLflow фіксує всі метрики, датасети та конфіги. Це дозволяє порівнювати різні гіпотези та доводити покращення з цифрами. Гарантію стабільної роботи забезпечує continuous integration з тестами на специфічних сценаріях (prompt injection, edge‑cases).

Як почати LLM розробку: наступні кроки

Ми передаємо:

• Технічну документацію (model card, конфіги, інструкції з розгортання)
• Доступ до інфраструктури (репозиторій з кодом, навчені ваги)
• 1 місяць підтримки після деплою (консультації, виправлення багів)
• Навчання команди замовника (2–3 заняття з експлуатації системи)

Терміни: базовий RAG‑прототип — 1–2 тижні. Fine‑tuning з даними замовника — 3–6 тижнів (з урахуванням підготовки даних). Production‑система з моніторингом та перенавчанням — 2–4 місяці.

Вартість розраховується індивідуально і залежить від обсягу даних, складності моделі та вимог до інфраструктури. Хочете оцінити свій проєкт? Зв'яжіться з нами — ми підготуємо попереднє резюме за 1–2 робочі дні. Або замовте консультацію фахівця з вибору підходу: RAG, fine‑tuning або гібрид — розповімо, що підійде саме вам.