Отвечает по вашей базе
Загружаете документы — и бот отвечает на вопросы клиентов и сотрудников их же содержимым. Не общими словами из интернета, а вашими регламентами, ценами, инструкциями.
Подключаете свою базу знаний — справку, регламенты, каталог, FAQ — и бот отвечает клиентам и сотрудникам строго по ней, указывая источник каждого ответа. Нет ответа в базе — честно говорит «не знаю», а не фантазирует.
Два в одном: это и пример работы бота, и реальные ответы по нашему сервису. Поиск работает офлайн в браузере; в проекте ответ формулирует ИИ-модель (см. «Какой ИИ внутри»).
Загружаете документы — и бот отвечает на вопросы клиентов и сотрудников их же содержимым. Не общими словами из интернета, а вашими регламентами, ценами, инструкциями.
К каждому ответу — указание, из какого документа и раздела он взят. Ответ можно проверить за секунду, а не верить боту на слово.
Если ответа в базе нет — бот так и говорит. Главная причина, по которой бизнес боится ИИ-ботов, — выдуманные факты. Здесь это закрыто архитектурно.
Виджет на сайте, бот в Telegram, интеграция с вашей поддержкой. Один и тот же движок знаний — разные каналы общения с людьми.
Бот не «помнит» ваши документы и не дообучается на них. Он на каждый вопрос сначала находит релевантные фрагменты базы, а отвечает строго по найденному. Поэтому ответ всегда актуален (поменяли документ — поменялся ответ) и проверяем.
Ваши файлы: справка, регламенты, PDF, страницы сайта, база тикетов.
Режем на фрагменты и строим поисковый индекс. Обновляется при изменении документов.
На вопрос находим самые релевантные фрагменты. Ничего не нашли — честный «не знаю».
Модель отвечает строго по найденному и указывает источники.
groundedЗащита от галлюцинаций — не обещание, а механизм. Если в базе нет релевантного фрагмента, модель даже не вызывается: бот сразу отвечает «в базе знаний нет ответа». Выдумать ему просто неоткуда.
Живой чат в шапке отвечает по нашей базе знаний. В открытом репозитории тот же движок работает на нейтральной демо-базе (вымышленный SaaS) — чтобы любой мог прочитать код и запустить одной командой, без ключей, до разговора об оплате.
Поиск работает офлайн и детерминированно — видно качество выдачи. С ключом Claude те же найденные фрагменты превращаются в естественный ответ. github.com/ev609/rag-chatbot →
Бот сначала находит релевантные фрагменты вашей базы (retrieval), затем языковая модель (LLM) формулирует по ним ответ и ссылается на источник. Живое демо в шапке показывает слой поиска — он работает прямо в браузере, без модели и без затрат на токены. В реальном проекте ответ генерирует выбранная вами LLM. Модель не привязана намертво — меняется конфигом.
Claude (Anthropic), GPT (OpenAI), Gemini (Google) — максимальное качество, всегда актуальная версия. Подключение по API.
GigaChat (Сбер), YandexGPT (OpenAI-совместимый API) — оплата в РФ, данные в российском контуре.
Llama, Qwen, DeepSeek, Mistral на вашем сервере (vLLM / Ollama) — данные не покидают вас, без платы за токены.
Поможем выбрать: качество vs стоимость vs приватность. Можно начать на облаке и перейти на self-host.
Честно про демо на странице. Чтобы оно было бесплатным и безопасным (никаких ключей и счетов за токены), в браузере крутится только слой поиска с extractive-ответом. Качество «живого» ответа в проде определяет связка «модель + ваши документы» — её и настраиваем.
Подключается как опция — дашборд по диалогам, чтобы бот не был «чёрным ящиком». Метрики выбраны по делу: меряем пользу, а не число сообщений (это частая ошибка — vanity-метрики).
Так выглядит панель, которую подключаем опцией: видно, что бот закрывает сам, где теряет клиентов и чем пополнить базу. Цифры — иллюстрация.
Приватность: данные собираются на вашей стороне, третьим лицам не передаются. Объём дашборда — под вашу задачу, от простого лога вопросов до полной панели.
Это ориентиры — точная цена после короткого обсуждения (зависит от объёма базы знаний и нужных интеграций). Без риска: бесплатный разбор задачи и открытое демо до оплаты; оплата по этапам, первый заказ — через безопасную сделку/эскроу; бесплатные правки по ТЗ 2 недели после сдачи.
Как начинаем: вы описываете задачу и присылаете пример документов → я оцениваю объём и называю фиксированную цену → собираю, показываю на ваших данных, передаю с документацией.
Короткое обсуждение: подходит ли подход под вашу базу и каналы, сколько это.
Склонируйте открытый репозиторий и проверьте код и поведение сами. демо-репо →
Бот на части вашей базы за фиксированную небольшую сумму — оцените реальную работу до полного внедрения.
Сильнее всего RAG-база знаний работает как бот в Telegram: клиент пишет в мессенджере привычным языком, а бот отвечает по вашим документам со ссылками на источник — и тут же умеет принять заявку. Меню и приём заявок — от Telegram-бота, умные ответы по базе — от этого RAG-движка. Это и есть «умный бот поддержки», а не автоответчик.
Что за база знаний, где должен работать бот (сайт / Telegram / поддержка), примерный объём документов. Этого хватит, чтобы оценить работу.