Появление больших языковых моделей (LLMs) и генерации с дополнением из базы знаний (RAG) открыло множество возможностей для компаний по использованию их данных, но также создало проблему объединения различных источников в единый интерфейс коммуникации. HR-tech инноватор Springworks взялся решить эту проблему в тесном сотрудничестве с Jina AI.
Это исследование рассматривает, как Albus, инструмент повышения производительности от Springworks, использует Jina Embeddings и Reranker для общения с данными из разных приложений.
tagОбъединение всех ваших приложений в единый инструмент
Современная цифровизация привела к взрывному росту инструментов для совместной работы, создав среду, где информация разбросана по множеству изолированных платформ. Сотрудникам часто приходится бесконечно искать информацию, которую они помнят, что где-то читали, но не могут найти снова, например, результаты прошлого мозгового штурма или протокол планирования спринта с прошлой недели. Такая фрагментация информации создает барьеры, снижающие производительность и вызывающие разочарование. Генеративный ИИ обещает решить эту проблему, создавая системы вопросов-ответов с доступом к данным из разных источников, чтобы сотрудники имели единый источник ответов. Для этого нам нужно ИИ-приложение, которое может получить доступ ко всем этим информационным хранилищам и интегрировать их.
tagSpringworks Albus спешит на помощь
Albus интегрируется с более чем 100 широко используемыми рабочими приложениями, включая CRM, системы тикетов, системы управления персоналом и инструменты управления знаниями. Используя современные модели Embedding и Reranker от Jina AI вместе с LLM для генерации ответов, Albus отвечает на вопросы сотрудников после анализа всех подключенных источников, используя наиболее релевантную и актуальную информацию. Сотрудникам больше не нужно искать в нескольких приложениях или помнить конкретные имена файлов и их расположение.
«Мы оценили практически все современные модели embeddings и reranker на наших специально созданных внутренних тестах, и модели Jina действительно выделяются. Их технология не только соответствует ожиданиям, но и превосходит их.»
— Картик Мандавилле, основатель и CEO Springworks
tagОснова решения Springworks
Springworks сотрудничает с Jina AI для разработки и итеративного улучшения продвинутой RAG-системы Albus. Albus извлекает как структурированные, так и неструктурированные данные. ИИ-классификатор определяет, должен ли запрос пользователя быть обработан путем запроса к реляционной базе данных или с использованием jina-colbert-v1-en для поиска по неструктурированным данным в векторной базе данных. Независимо от источника, полученные результаты затем переранжируются с помощью jina-reranker-v1-base-en для поиска наиболее релевантной информации для ответа на любой вопрос пользователя.
«Команда поддержки клиентов Jina AI сыграла решающую роль в оптимизации использования этих моделей. Благодаря их быстрым ответам и подробным инструкциям они упростили наш процесс внедрения и значительно улучшили наши результаты.»
— Картик Мандавилле, основатель и CEO Springworks
Например, представим, что пользователь хочет использовать Albus для запроса к базе данных тикетов Jira и задает следующий вопрос:
Which tickets were created since March about updating the Dockerfile
to use the latest Ubuntu version?Query Classifier определяет, что этот запрос лучше всего подходит для структурированного поиска («since March» подразумевает традиционный фильтр-запрос), и генерирует эквивалент на Jira Query Language, варианте SQL, используемом в Jira:
project = "BACKEND_API"
AND created >= "2023-03-01"
AND text ~ "dockerfile"
AND text ~ "Ubuntu"Это возвращает набор тикетов, и их текстовое содержимое отправляется в jina-reranker-v1-base-en вместе с исходным запросом на естественном языке. Jina Reranker переупорядочивает их, и тексты тикетов с наивысшим рейтингом компилируются с шаблоном в промпт для LLM. Это создает ответ на естественном языке, который передается пользователю.
Теперь представим, что запрос был менее подходящим для структурированного поиска:
How does the company's ESOP policy differ between senior management
and associate-level employees?Query Classifier распознает, что это лучше подходит для векторного поиска на основе embeddings, и использует jina-colbert-v1-base-en для генерации embedding, который векторная база данных сопоставляет с тикетами. Эти результаты передаются в jina-reranker-v1-base-en вместе с исходным запросом, как и в случае структурированного поиска, и формируют ответ на естественном языке по той же процедуре.
tagМгновенное развертывание и интеграция в один клик
Albus разработан с максимальным учетом удобства пользователей. Вы можете интегрировать свои рабочие приложения одним щелчком мыши:
Albus будет готов к работе в течение нескольких минут, превращая все ваше рабочее пространство в единую среду чата, где ваша команда может найти любую информацию, просто задав вопрос.
tagНовые горизонты в обмене знаниями
Springworks создал новый способ доступа компаний к их данным и готов стать надежным офисным инструментом. Предоставляя централизованное решение для поиска информации на базе ИИ, Albus сокращает время и усилия, которые сотрудники тратят на поиск нужной информации. Благодаря Jina AI и способности инструмента интегрироваться с существующими системами и предоставлять точные, контекстно-зависимые ответы, Albus делает корпоративные знания более доступными, чем когда-либо.
Jina AI стремится предоставлять предприятиям модели высочайшего качества по конкурентным ценам. Свяжитесь с нами через наш веб-сайт, если вы также хотите воспользоваться нашим опытом внедрения и корпоративными предложениями. Общайтесь с нами напрямую через наш канал Discord, чтобы поделиться своими отзывами и быть в курсе наших последних моделей. Мы ежедневно совершенствуем наши продукты, и ваш вклад имеет решающее значение для нашего процесса разработки.
