AI консультант для производителя роутеров: точные ответы по 600 страницам документации без ошибок и фантазий
для производителя
роутеров:
точные ответы
по 600 страницам
документации
без ошибок
и фантазий
AI консультант
Услуги
Знаю, что хочу
# AI
Задача
Снять нагрузку с техподдержки и автоматизировать ответы по технической документации
Клиент — производитель сетевого оборудования — пришёл с чётким запросом: нужен **AI консультант**, который будет:
Команда поддержки тратила часы на ответы по настройке, параметрам, регламентам, а сотрудники из разных отделов — по многу раз задавали одни и те же вопросы. Нужно было решение, которое бы системно решило проблему — и не ломалось при росте нагрузки.
Клиент — производитель сетевого оборудования — пришёл с чётким запросом: нужен **AI консультант**, который будет:
- работать 24/7 без отдыха
- отвечать строго по технической документации (600 страниц PDF)
- не придумывать ответы
- помогать сотрудникам и партнёрам быстро находить нужную информацию
Команда поддержки тратила часы на ответы по настройке, параметрам, регламентам, а сотрудники из разных отделов — по многу раз задавали одни и те же вопросы. Нужно было решение, которое бы системно решило проблему — и не ломалось при росте нагрузки.
Результат
Бот, который ссылается на документацию и работает как инженер-консультант
- Бот обучен на внутренних инструкциях через RAG (retrieval augmented generation)
- Работает через Gemini от Google, без галлюцинаций и фантазий
- Отвечает последовательно и подробно, может присылать несколько сообщений с разбивкой
- Показывает, из какого раздела взят ответ
- Консультирует внутри Telegram 24/7 — сотрудники и партнёры всегда получают ответ
- Поддержка разгружена — в первые недели обращения упали на 67%
Как мы это делали: пошаговый путь до стабильного AI-бота
1. Получили и проанализировали все исходные данные
- PDF-документация (600 страниц)
- доступ к Google Workspace
- доступ к Google Cloud Billing
- тестовые вопросы и правильные ответы от команды клиента
2. Построили архитектуру решения
Разработали схему интеграции между LLM, хранилищем, Telegram и системой доступа. Учли возможность масштабирования.
3. Подключили все нужные сервисы и базы
- Vertex AI (Gemini)
- Telegram Bot API
- Supabase с RAG
- Google Drive для хранения данных
- LLamaParse и PDF парсинг
4. Настроили каждую ноду и фильтр вывода
Чтобы избежать сбоев и ошибок:
- экранировали спецсимволы для Telegram
- настроили логирование запросов
- реализовали деление длинных ответов на части
5. Многоэтапное тестирование и отладка
Цель: максимально точный и полный ответ, даже если он длинный. Мы тестировали десятки формулировок одного вопроса, проверяли порядок, ссылки на документы и консистентность логики.
6. Тест от команды клиента и цикл правок
Команда заказчика протестировала бота по 9 ключевым вопросам. Один из них бот обрабатывал некорректно — на решение этого кейса ушло более 2 недель: подбор промпта, переделка chunk'ов и логики запроса. В итоге — результат достигнут.
7. Написали документацию и передали проект
Создали инструкцию по работе с ботом и сопровождению проекта: как обновлять базу, как отслеживать обращения, как масштабировать при необходимости.