TGViewer
ilovedocs | AI ilovedocs | AI @docsllm_channel · 4.61K subscribers
Post #293 2.23K
Как можно выстроить свою базу знаний | пример Рунетлекса

Часто люди воспринимают базу знаний только как набор папок и файлов. Кто-то хранит всё просто на компьютере, кто-то использует специальные системы вроде Notion.

Человеку в такой базе относительно удобно ориентироваться: он помнит контекст, знает, где что лежит, может открыть несколько документов и сам понять, как они связаны между собой.

С агентом сложнее. Найти подходящий документ ему недостаточно. Ему нужен контекст, чтобы «понять», какие знания применимы к задаче и как они связаны между собой.

В Рунетлексе эту задачу решают с помощью графа знаний. Его выстраивает Евгений Вихров @evgenysmira, юрист и legal ops Рунетлекса, который поделился с нами своим опытом.

Граф знаний — это система, которая связывает между собой скиллы, контекст и правила работы. Он устроен таким образом, что знания в нём хранятся не изолированно, а вместе со связями между ними.

По сути, граф — это просто совокупность файлов в формате Markdown, которые лежат там, где вам удобно (например, на сервере как в Рунетлексе). Человек в этом всем вряд ли разберётся, но вместо него это сделает агент.


Как такой граф собирают

Универсального приложения для графа знаний нет: можно использовать готовое решение или собрать собственную систему. Документы загружают через интерфейс такой системы или подключают к ней хранилище. Дальше материалы обрабатываются: из них выделяются отдельные знания и связи между ними, после чего эта структура сохраняется в графе.

Как это устроено в Рунетлексе

Добавлять знания помогает Златослава Тихоновецкая — AI-помощница Евгения в формате Telegram-бота. Через неё можно передать материал, из которого нужно сохранить полезное знание. Это подробно показано на второй картинке.

Сам бот при этом не является графом знаний — это интерфейс для работы с ним. Графовая база хранится отдельно на сервере.

В саму базу могут обращаться другие агенты Рунетлекса — как устроен этот процесс, показано на картинке 3. Они получают из графа уже связанный набор знаний под конкретную задачу, поэтому им не нужно самостоятельно собирать контекст из разных файлов и решать, что именно применять.

Что это даёт на практике

• Опыт не остаётся в голове одного сотрудника или в череде чатов.

• Новые сотрудники быстрее проходят онбординг. И люди, и агенты — да, у агентов в Рунетлексе тоже есть онбординг.

• Все подключённые агенты работают с единым актуальным слоём знаний, а не каждый со своим набором файлов.

• Ответ агента можно проверить. В граф попадают подготовленные единицы знания. Они проходят проверки и экспертное ревью и только после этого становятся доступны агентам.

Граф делает знания внутри компании доступными и связанными. За счёт этого агентов можно использовать как цифровых сотрудников, подключать их к рабочимм задачам и работать быстрее и точнее.

_______________________________
Сообщество юристов, которые покоряют нейросети
Канал | Курс
  • ❤ 17
  • 🔥 17
  • 👍 9
More from @docsllm_channel
  1. Sep 21, 2026Наша база знаний теперь идёт к вам! Кто вдруг пропустил, у нас есть база знаний, где мы со…
  2. Sep 18, 2026Post #306
  3. Sep 17, 2026Нейросеть у себя на компьютере: зачем и как? Локальная LLM — это модель, которая работает…
  4. Sep 16, 2026Как юристу использовать ИИ-агентов в своих задачах В этот четверг, 17 сентября в 11:00 по…
  5. Sep 14, 2026Мониторинг судебной практики: как такое сделать? Опять нашли золото в нашем чате. На этот…
  6. Sep 12, 2026Работа с агентами: внедрение Раньше все обсуждали, как написать хороший промпт. Сейчас в н…
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →