Хочу поделиться про нашу корпоративную базу знаний, которую мы внедрили в Co.Actor

Начнем по порядку. Откуда это все взялось? Есть такой чувак Сева Устинов. И он организовал работу в Cursor, но не для вайб-кодинга, а для корпоративной системы управления. Универсальная CRM, task manager и так далее. Взял и поменял ClickUp (в котором были все данные OKR, цели и задачи по отделам) на Cursor. И все ведет там. Тут есть видео как он это организовал.

Идея звучала очень здраво: у тебя все данные хранятся в одном месте и ты через LLM всегда в полном контексте текущей задачи.

Данные - это звонки, цели, аналитика, маркетинговые материалы, работа с клиентами. Все в одном месте.
И ты используешь LLM - Claude Code, ChatGPT, неважно - для того, чтобы решать задачи внутри этой базы знаний.

Большая часть проблем, которая у нас возникает - это неконсистентность знаний и большое количество связей внутри команды, чтобы все сложить воедино. А кто, что, кому говорил? Где найти эту информацию по клиенту? Здесь что-то не заполнено. Есть даже прекрасная иллюстрация про зависимость размера команды и сложности коммуникаций. И вот эта система решает такую задачу.

Собственно, мы у себя тоже ее развернули. На текущий момент у нас хранятся:
• Недельные планы
• Все звонки, которые проходят (клиентские и внутренние)
• Вся информация по клиентам (лог, состояние, этап воронки)
Все эти данные хранятся в репозитории Github, и Claude Code автоматически обновляет его. Плюс есть агенты, которые складывают все транскрипты звонков, аналитику в этот же репозиторий.

Пожалуй, самое интересное - это как меняется флоу. Утром ты открываешь Cursor или Claude Code, пишешь "update all" и спрашиваешь: "Что произошло, какие новости?". И он тебе структурно рассказывает про звонок с недовольным клиентом, или про то, что нашли такой-то баг и так далее.

Если интересно куда-то детальнее погрузиться или в какой-то звонок, или в какое-то решение - ты это просто спрашиваешь, потому что вся база знаний тут - в одном месте.

В общем, продолжаем ее наполнять, экспериментировать. Есть свои сложности и заморочки, отдельно про это напишу.

P.S. для себя лично тоже поднял схожую систему. Явно удобнее, чем было, но пока мало внимания уделяю.

P.P.S фильм Her (2013) - маленькая голосовая коробочка закрывает много запросов, фильм про другой контекст но ощущения схожие!