Александр Михеев, ML-инженер Центра гибридного интеллекта в Рунити, разбирает, что дела...
Александр Михеев, ML-инженер Центра гибридного интеллекта в Рунити, разбирает, что делали после reranker. В первой статье речь была про улучшение поиска почти по 35 тысячам страниц Confluence. И главный намёк дали метрики: нужный материал частенько уже был среди кандидатов, просто валялся слишком низко. Reranker поднял нужные куски наверх и сделал выдачу заметно лучше. Дальше цель такая: затащить этот поиск туда, где сотрудник работает. Разработчик вместе с агентом копается в сервисе, обсуждает правку в коде или ищет причину ошибки — и тут ему может понадобиться внутренняя дока, описание архитектуры или связанная таска в Jira. А когда компоненты начали сращивать, выяснилось: один поиск — это ещё не вся работа. Даже с нормальной выдачей агент мог остаться без нужных документов после проверки прав или не дождаться, пока исследование доедет до конца. Именно на таких кейсах и смотрели, насколько жизнеспособной вышла интеграция. Читать далее 👉 Telegram | Max