Albus by Springworks：以企業搜尋賦能員工

大型語言模型（LLMs）和檢索增強生成（RAG）的出現為企業利用數據開闢了許多途徑，但同時也帶來了將不同來源連接到單一通訊介面的問題。HR 科技創新公司 Springworks 與 Jina AI 深度合作，致力於解決這個問題。

本案例研究探討 Springworks 的工作場所生產力工具 Albus 如何使用 Jina Embeddings 和 Reranker 來讓你與來自不同應用程式的數據對話。

Embedding API

Start with 1M free tokens. Top-performing, 8192 context length bilingual embeddings for your search and RAG systems.

Reranker API

Maximize the search relevancy and RAG accuracy at ease.

Albus - AI Slack Search & Web Assistant

Seamlessly access workplace search and enhance collaboration. Albus is also your intelligent web assistant for rapid answers and browsing.

AI Slack Search & Web Assistant

tag將所有應用程式連接到單一工具

當今的數位化帶來了工作場所協作工具的爆炸性增長，造成了資訊散布在多個孤立平台的環境。員工經常需要無止境地搜尋他們記得在某處看過的資訊，比如過去的腦力激盪會議結果或上週的衝刺規劃會議記錄。這種資訊的碎片化造成了降低生產力並增加挫折感的障礙。生成式 AI 承諾解決這個問題，創建能夠訪問多源數據的問答系統，讓員工有一個單一的答案來源。為此，我們需要一個能夠訪問所有這些資訊孤島並整合它們的 AI 應用程式。

tagSpringworks Albus 來相助

Albus 整合了100+ 種常用的工作場所應用程式，包括 CRM、票務系統、人力資源管理系統和知識管理工具。通過利用 Jina AI 的最先進 Embedding 和 Reranker 模型以及用於生成答案的 LLM，Albus 在分析所有連接的來源並使用最相關和最新的資訊後回答員工的問題。員工不再需要在多個應用程式中搜尋或記住特定的檔案名稱和位置。

"我們在自製的公司內部基準測試中評估了幾乎所有最先進的 embeddings 和 reranker 模型，Jina 的模型真的脫穎而出。他們的技術不僅符合而且超越了預期。"

— Kartik Mandaville，Springworks 的創始人兼執行長

tagSpringworks 解決方案的骨幹

Springworks 正在與 Jina AI 合作開發並不斷改進 Albus 的進階 RAG 系統。Albus 可以檢索結構化和非結構化數據。AI 分類器決定是否應該通過查詢關聯式資料庫或使用 jina-colbert-v1-en 來查詢向量資料庫中的非結構化數據來解決用戶的請求。無論來源如何，檢索到的結果都會使用 jina-reranker-v1-base-en 進行重新排序，以找到回答任何用戶問題的最相關資訊。

"Jina AI 的客戶成功團隊在優化我們對這些模型的使用方面發揮了關鍵作用。憑藉他們的及時回應和詳細說明，他們簡化了我們的實施過程並大大改善了我們的結果。"

— Kartik Mandaville，Springworks 的創始人兼執行長

舉個例子，假設用戶想要使用 Albus 來查詢 Jira 票務資料庫，並問以下問題：

Which tickets were created since March about updating the Dockerfile
to use the latest Ubuntu version?
Copy

查詢分類器決定這個查詢最適合結構化搜尋（"since March" 暗示了傳統的過濾查詢），並在 Jira Query Language（Jira 中使用的 SQL 變體）中生成等效查詢：

project = "BACKEND_API"
  AND created >= "2023-03-01"
  AND text ~ "dockerfile"
  AND text ~ "Ubuntu"
Copy

這會返回一組票證，並將其文本內容與原始自然語言查詢一起發送到 jina-reranker-v1-base-en。Jina Reranker 重新排序它們，排名最高的票證文本與模板一起編譯成 LLM 的提示。這會創建一個傳輸給用戶的自然語言文本回應。

現在，讓我們想像一下不太適合結構化搜尋的請求：

How does the company's ESOP policy differ between senior management
and associate-level employees?
Copy

查詢分類器認識到這更適合基於 embeddings 的向量搜尋，並使用 jina-colbert-v1-base-en 生成一個 embedding，向量資料庫將其與票證匹配。這些結果與原始查詢一起傳遞給 jina-reranker-v1-base-en，就像在結構化搜尋的情況下一樣，並通過相同的程序產生自然語言回應。

tag立即部署和一鍵整合

Albus 的設計盡可能地用戶友好。你可以通過單一點擊整合你的工作應用程式：

Albus 將在幾分鐘內啟動並運行，將你的整個工作場所轉變為一個單一的聊天環境，你的團隊只需詢問就能找到任何資訊。

tag知識共享的新前沿

Springworks 為公司創造了一種新的訪問數據的方式，並有望成為一個值得信賴的辦公工具。通過提供一個集中的、AI 驅動的資訊檢索解決方案，Albus 減少了員工搜尋所需內容所花費的時間和精力。借助 Jina AI 以及該工具與現有系統整合並提供準確、具有上下文感知的答案的能力，Albus 使公司知識變得比以往任何時候都更容易獲取。

Jina AI 致力於為企業提供最高品質的模型，並且價格具有競爭力。如果您也想從我們的實作專業知識和企業方案中受益，請透過我們的網站與我們聯繫。您也可以直接通過我們的 Discord 頻道與我們對話，分享您的反饋並了解我們最新的模型。我們每天都在改進產品，您的意見對我們的開發過程至關重要。