Wewnętrzny asystent AI dla bazy wiedzy (RAG) z cytatami

Nasz zespół traci godziny każdego tygodnia na szukanie odpowiedzi, które już gdzieś istnieją, ale są rozproszone w dokumentach, wiki i plikach PDF. Chcę zatrudnić specjalistę do zbudowania wewnętrznego asystenta AI dla bazy wiedzy z wykorzystaniem generacji wspomaganej wyszukiwaniem. System powinien ładować dokumenty firmy, dzielić je na fragmenty, budować osadzenia i przechowywać wszystko w bazie danych wektorowych. Gdy pracownik zadaje pytanie w interfejsie czatu, asystent znajduje najbardziej odpowiednie fragmenty i formułuje dobrze uzasadnioną odpowiedź z wyraźnymi linkami do dokumentu źródłowego i sekcji. To jest konkretnie wewnętrzne narzędzie Q&A dla dokumentów, a nie chatbot do wsparcia klienta. Dokładność i możliwość śledzenia są ważniejsze niż rozmowność. Każda odpowiedź powinna pokazywać, skąd pochodzi informacja, aby pracownik mógł to zweryfikować, a jeśli dane są niekompletne, asystent musi szczerze powiedzieć, że nie wie, zamiast wymyślać coś. Zależy mi na starannym zarządzaniu aktualizacjami dokumentów, aby indeks pozostał aktualny, rozsądnej latencji odpowiedzi oraz kontroli dostępu, aby tylko upoważnieni pracownicy mieli dostęp do wrażliwych materiałów. Opisz, jaki model osadzenia, magazyn wektorów i podejście do orkiestracji zasugerujesz i dlaczego. W rezultacie oczekuję działającego interfejsu czatu, powtarzalnej linii ładowania dokumentów oraz krótkiej dokumentacji, aby nasz zespół mógł samodzielnie utrzymywać system. W swojej odpowiedzi pokaż podobne projekty RAG i szacowane terminy. — Linia ładowania: parsowanie, dzielenie i osadzanie dokumentów w magazynie wektorowym — Interfejs czatu, w którym pracownicy zadają pytania i otrzymują odpowiedzi z linkami do źródeł — Udoskonalanie jakości i sposób aktualizacji indeksu w miarę zmiany dokumentów — Kontrola dostępu, logowanie i krótki przewodnik po konserwacji dla naszego zespołu