Przejdź do treści
BigTree108

Usługi wyszukiwania wiedzy z AI i tworzenia systemów RAG

Usługi wyszukiwania wiedzy z AI i tworzenia systemów RAG: retrieval-augmented generation, które odpowiada na pytania na podstawie Państwa dokumentów, wiki, zgłoszeń, umów i baz danych, z cytatami, korporacyjne wyszukiwanie AI z uwzględnieniem uprawnień każdego użytkownika, asystenci wiedzy dla zespołów obsługi, sprzedaży i operacji oraz naprawa systemów RAG, które udzielają błędnych odpowiedzi, na Azure AI Search, PostgreSQL z pgvector, Elasticsearch, OpenSearch, Qdrant, Pinecone lub Weaviate, z dedykowanymi programistami RAG w Państwa zespole lub projektem wykonanym kompleksowo.

Systemy RAG, które budujemy

  • Asystenci wiedzy

    Odpowiedzi dla pracowników lub klientów czerpane z Państwa centrum pomocy, polityk, dokumentacji produktu i dawnych zgłoszeń, z linkiem do źródła każdego stwierdzenia i jasną informacją, gdy źródła nie dają odpowiedzi.

  • Korporacyjne wyszukiwanie AI

    Jedno wyszukiwanie w SharePoint, Confluence, Google Drive, Notion, Jira i Państwa bazach danych, z hybrydowym wyszukiwaniem słów kluczowych i wektorów, ponownym rankingiem oraz sprawdzaniem praw dostępu każdego użytkownika w chwili zapytania.

  • Pobieranie dokumentów

    Pliki PDF, skany, prezentacje, arkusze i strony internetowe przetwarzane z zachowaniem układu, tabel i obrazów, dzielone na sekcje, które czytelnik rozpozna, i automatycznie indeksowane ponownie po zmianie źródła.

  • Strojenie wyszukiwania

    Wyszukiwanie hybrydowe, ponowny ranking, przeformułowywanie zapytań, filtry metadanych i kontekstowe dzielenie na fragmenty dostrojone na Państwa własnych pytaniach, a także wyszukiwanie oparte na grafach tam, gdzie odpowiedzi zależą od relacji między rekordami.

  • Odpowiedzi z danych strukturalnych

    Odpowiedzi na pytania z baz SQL, arkuszy i API za pomocą zapytań tylko do odczytu, które pisze model, a sprawdza kod, w połączeniu z wyszukiwaniem tekstu tam, gdzie odpowiedź wymaga obu.

  • Agentowy RAG

    Asystenci, którzy planują kilka wyszukiwań, porównują źródła i zadają pytanie uzupełniające, gdy pierwsza odpowiedź jest niewystarczająca, do badań, due diligence i spraw obsługi obejmujących wiele dokumentów.

  • Naprawa RAG, który udziela błędnych odpowiedzi

    Istniejący system RAG zmierzony na zestawie prawdziwych pytań, błędy prześledzone do parsowania, dzielenia na fragmenty, wyszukiwania lub promptu, a każda poprawka potwierdzona wynikiem, a nie demonstracją.

  • Ewaluacja i monitoring

    Jakość wyszukiwania i odpowiedzi oceniana w Ragas lub DeepEval przy każdej zmianie, opinie użytkowników zbierane, a pytania bez odpowiedzi raportowane, aby zespół treści wiedział, co napisać dalej.

  • Uprawnienia i ochrona danych

    Uprawnienia do dokumentów egzekwowane przy wyszukiwaniu, a nie w prompcie, dane osobowe usuwane tam, gdzie model ich nie potrzebuje, a indeksy przechowywane na Państwa własnym koncie w chmurze.

Zatrudnienie: programiści RAG

  • Dedykowani programiści RAG

    Programiści RAG dołączają do Państwa zespołu na pełny etat, pracują w Państwa narzędziach i procesie oraz podlegają Państwa liderowi. Państwo przeprowadzają rozmowy kwalifikacyjne, a my bierzemy na siebie ukraińską umowę, wynagrodzenia, fakturowanie i urlopy.

  • Projekty: Wyszukiwanie wiedzy z AI

    Wydzielona część prac w obszarze „Wyszukiwanie wiedzy z AI”, z określonym zakresem, stałym planem i wskazanym liderem po naszej stronie, który odpowiada za wynik i raportuje postępy w Państwa kanałach.

  • Stała współpraca: Wyszukiwanie wiedzy z AI

    Usługa ciągła w obszarze „Wyszukiwanie wiedzy z AI”: ci sami ludzie co miesiąc, backlog, któremu Państwo ustalają priorytety, oraz godziny widoczne w naszym portalu i na fakturze.

Strona o dedykowanym zespole wyjaśnia, jak specjaliści dołączają do Państwa zespołu, a strona o outsourcingu opisuje realizację projektów, przejęcia i sposób rozliczania.

Kto realizuje Państwa prace w obszarze „Wyszukiwanie wiedzy z AI”

  • Programiści RAG i AI

    Wyszukiwanie, prompty i ewaluacja

  • Inżynierowie danych

    Potoki pobierania i konektory

  • Inżynierowie wyszukiwania

    Elasticsearch, OpenSearch i wektorowe bazy danych

  • Inżynierowie .NET, Python i front-end

    Aplikacja i interfejs

  • Inżynierowie QA

    Zestawy ewaluacyjne i testy regresji

Odpowiedzi, które można sprawdzić

System RAG jest tak dobry, jak jego wyszukiwanie. Zaczynamy od prawdziwych pytań zadawanych przez Państwa użytkowników i odpowiedzi, jakich oczekują Państwa eksperci, mierzymy osobno wyszukiwanie i odpowiedzi, a parsowanie, dzielenie na fragmenty, wyszukiwanie lub prompty zmieniamy dopiero wtedy, gdy wynik pokazuje, że zmiana pomaga.

Każda odpowiedź przytacza fragmenty, z których pochodzi, więc użytkownik może ją sprawdzić jednym kliknięciem, a asystent mówi wprost, gdy Państwa źródła nie obejmują danego pytania, zamiast zapełniać lukę. Te pytania stają się listą treści do napisania.

Pozostałe usługi tworzenia rozwiązań AI, które świadczymy

Tworzenie rozwiązań AI: przegląd

Pytania o wyszukiwanie wiedzy z AI i RAG

Jak ogranicza się zmyślanie odpowiedzi?

Opieramy odpowiedzi na odnalezionych źródłach i pokazujemy cytaty, instruujemy model, by informował, gdy źródła nie odpowiadają na pytanie, a pytania bez odpowiedzi zostawiamy w zestawie ewaluacyjnym. To ogranicza zmyślone odpowiedzi i pozwala zmierzyć, ile ich zostało; żaden obecny model nie eliminuje ich całkowicie.

Jaka wektorowa baza danych jest używana?

Często takiej, którą już Państwo prowadzą: PostgreSQL z pgvector, Elasticsearch, OpenSearch lub Azure AI Search radzą sobie z większością zbiorów dokumentów. Qdrant, Pinecone lub Weaviate sprawdzają się przy większej skali albo gdy potrzebna jest zarządzana usługa wektorowa. Wybieramy na podstawie Państwa wolumenów, opóźnień i miejsca, w którym dane mogą się znajdować.

Czy użytkownicy mogą dostawać odpowiedzi wyłącznie z dokumentów, które wolno im czytać?

Tak. Uprawnienia z SharePoint, Google Drive, Confluence lub Państwa własnego systemu są zapisywane przy każdym zaindeksowanym fragmencie i sprawdzane przy wyszukiwaniu dla osoby zadającej pytanie, więc dokument, którego ktoś nie może otworzyć, nigdy nie trafia do modelu w jego imieniu.

Nasz chatbot RAG daje błędne odpowiedzi. Czy mogą Państwo to naprawić?

Tak. Budujemy zestaw ewaluacyjny z prawdziwych pytań, mierzymy, gdzie odpowiedzi zawodzą, i śledzimy każdy błąd aż do parsowania, dzielenia na fragmenty, wyszukiwania lub promptu. Poprawki wdrażamy w kolejności wpływu, a każdą potwierdzamy wynikiem.

Jak szybko mogą zacząć programiści RAG?

Gdy odpowiedni programista RAG jest dostępny, o terminie startu decydują wyłącznie Państwa rozmowa oraz NDA i przeniesienie praw własności intelektualnej. W przeciwnym razie prowadzimy poszukiwania, które zwykle dają profile kandydatów w ciągu dwóch do trzech tygodni, a nikt nie zaczyna pracy, dopóki Państwo nie powiedzą „tak”.

Jak wygląda zatrudnienie przez BigTree108: programiści RAG?

Prosimy o informację o zakresie pracy, poziomie doświadczenia i potrzebnych godzinach. Proponujemy jedną lub dwie osoby wraz z ich profilami, Państwo przeprowadzają z nimi rozmowy tak, jak z własnym kandydatem, podpisują jedną umowę z BIG TREE 108 LLC i otrzymują jedną fakturę miesięcznie.

Do kogo należy praca, którą wykonują?

Do Państwa. Każdy specjalista ma podpisaną z BigTree108 umowę, która przenosi wszystkie rezultaty pracy na spółkę, a nasza umowa z Państwem przenosi je dalej. Kod, projekty i dokumenty są przekazywane do Państwa własnych repozytoriów i narzędzi, a nie przechowywane tam, gdzie zmieniać je możemy tylko my.

Chcą Państwo odpowiedzi z własnych dokumentów?

Prosimy napisać, gdzie znajdują się dokumenty, kto będzie zadawać pytania i czego będą dotyczyć. Odpowiedź otrzymają Państwo w ciągu jednego dnia roboczego: plan, profile kandydatów lub przegląd systemu, który już Państwo mają.

E-mail: hello@bigtree108.comJak odpowiadamy