Поиск по Confluence и Jira для команды поддержки
Инструкции и решения инцидентов уже были записаны, но нужную страницу приходилось искать вручную или спрашивать коллег. Помощник ищет фрагменты внутренней документации и передаёт их языковой модели вместе с вопросом.
Статья · на русском
RAG-помощник для команды саппорта своими рукамиvdrobot · Опубликовано: 1 декабря 2025 г.
От файла с инструкциями к поиску
Команда сначала попробовала загружать выгрузку Confluence в веб-интерфейс MWS GPT. Это позволило проверить идею без отдельного приложения. Но каждому пользователю пришлось бы прикладывать файл, следить за его актуальностью и учитывать ограничения размера.
Поэтому следующую версию построили через совместимый с OpenAI API интерфейс MWS GPT. И модель для поиска, и языковая модель работают во внутренней сети МТС. Вопрос пользователя дополняется найденными инструкциями — это и есть RAG в данном сервисе.
Путь документов из Jira и Confluence в поисковый индекс.
Источник: Иллюстрация из оригиналаКак обновляют знания
Страницы Confluence и задачи Jira очищают от HTML и делят на фрагменты по 2000–3000 символов с перекрытием 150–200. Для каждого хранят текст, векторное представление, идентификатор, пространство или проект, URL и время изменения.
Проверка источников запускается каждые 30 минут. Изменившийся документ пересчитывают целиком, удалённый помечают. При запросе пользователь выбирает источники, поиск находит близкие фрагменты, а модель составляет ответ. Рядом показываются найденные документы и их релевантность.
Этот фрагмент в оригиналеСокращения оказались важнее дополнительных вызовов LLM
Один и тот же смысл в написаниях «постмортем» и «postmortem» приводил к разным результатам. Команда составила словарь взаимозаменяемых терминов и расширяла запрос обоими вариантами.
Также проверили переписывание запроса и повторное ранжирование документов языковой моделью. Заметного улучшения в их тестах не получили, а задержка выросла. Возможности оставили в настройках, но по умолчанию отключили.
Конвейер обработки вопроса и подготовки ответа.
Источник: Иллюстрация из оригиналаКак проверяли ответы
Сотрудники подготовили вопросы, эталонные ответы и ссылки на нужные статьи или тикеты. На раннем этапе помощником пользовались параллельно с обычным поиском, ошибки отправляли на доработку.
Для автоматического контроля автор описывает нормализованное расстояние между векторами вопроса и ответа. Такая близость не доказывает правильность ответа: её используют как сигнал изменения поведения, а надёжной проверкой в статье остаётся экспертная оценка. Пользователь может поставить оценку и оставить комментарий прямо в интерфейсе.
Этот фрагмент в оригиналеРезультат зависит от документации
За несколько месяцев команда получила положительные отзывы, но не смогла надёжно измерить сокращение времени поиска или решения инцидента: SLA редко нарушался, а часть типовых задач вообще не требовала поиска.
Пустая база знаний приводит к неполному ответу, противоречивые страницы — к путанице. Внедрение помогло выявить устаревшие инструкции и изменило практику документирования: короткие самостоятельные заметки оказались удобнее для такого поиска.
Этот фрагмент в оригинале