Пару месяцев назад я ходил на конфу Тинька, посвященную в основном GenAI в поддержке

В одном из докладов был интересный подход, как можно собирать контекст для агентов, если он разбросан по куче разных мест (в т.ч. головам людей)

—

Проблема формулируется примерно так: операторы поддержки отвечают пользователем на основе базы знаний. Но... много контекста живет еще в каких-то левых пдфках, чатах, таблицах, неявных договоренностях, опыте операторов и тд

При этом качество агента = качеству контекста. Если агенту явно не подложить весь этот неявный контекст, он не будет хорошо работать

Встает вопрос — как этот контекст собрать

—

Предлагается такой подход:

1. Берем нашу базу знаний

2. Ставим агента, который смотрит на поток обращений и ответов операторов. Этот агент пытается пруфануть ответ оператора какой-то инструкцией из БЗ

2.1. Пруфануть получилось => отлично, контекста хватает

2.2. Не получилось => оператор ответил на основе какого-то знания, которого нет в базе. Заводится задачка на бизнес-эксперта, мол было такое-то обращение и такой-то ответ, текущих инструкций из БЗ не хватает, нужно добавить новую

То есть собирается feedback-loop между потоком, агентом и бизнес-экспертом, который позволяет обогащать базу знаний, и привести ее к виду, где на каждое обращение можно ответить правилом/инструкцией из БЗ

—

К чему это я все?) Как будто похожий подход можно применить к разработке. Аналогии примерно такие:
• тикет в поддержку => тикет с задачкой
• ответ оператора => пулреквест с кодом
• база знаний операторов => дока к системе
• бизнес-эксперт => разработчик

То есть ставим агента, который проходится по задачкам и пулреквестам к ним, пытается запруфать, почему надо было сделать именно так на основе документации, получилось => отлично, не получилось => заводится таска на разработчика, что надо обогатить доку

Что думаете? Мб кто то уже пробовал похожее