CASE // 03 / GRAPH_RAG

КЕЙС: БАЗА ЗНАНИЙ И РЕГЛАМЕНТЫ

TRIEV RAG: Агент знаний строительной компании

Telegram-бот находит ответы в 14 проектных регламентах и строительных нормативах с помощью гибридного поиска и графа знаний, отдавая точный ответ со ссылкой на пункты документов.

01 / ИНТЕРАКТИВНАЯ ДЕМОНСТРАЦИЯ

Ручной поиск vs
RAG-автоматизация.

Сравните, как происходит поиск информации в регламентах вручную и через RAG-агента.

CASE / 03Строительный сектор

TRIEV RAG Flow

Вместо ручного перебора 14 PDF-документов сотрудник пишет вопрос в Telegram и через 2 секунды получает проверенную выжимку со ссылками на первоисточники.

РУТИНА
Поиск по файлам, повторяющиеся вопросы тимлидам и долгий онбординг новых инженеров.
СИСТЕМА
Сотрудник задаёт вопрос обычным языком и получает точный ответ из актуальной базы.
Graph RAGLlamaIndexNetworkXTelegram
NW / TRIEV_COREАВТОМАТИЗИРОВАНО

02 / ЗАДАЧА И АРХИТЕКТУРА

Технические детали
внедрения.

Как устроена система изнутри.

CHALLENGE

Исходная сложность

Строительные регламенты содержат множество перекрёстных ссылок: порядок согласования изменений зависит от типа объекта, этапа сметы и роли ответственного лица. Обычный поиск по ключевым словам не справлялся.

ARCHITECTURE

Graph RAG + LlamaIndex

Мы построили граф связей (NetworkX), объединяющий роли, процедуры и документы. При поиске агент комбинирует семантическое векторное сходство и обход графа сущностей.

RESULT

Результаты в цифрах

• 14 регламентов полностью проиндексированы
• Время получения ответа: ~2 секунды
• Точность ответов: 94%
• 0 галлюцинаций за счёт строгой валидации цитат

ОБСУДИТЬ ВАШУ БАЗУ ЗНАНИЙTELEGRAM / @EGORMENSHAKOV

Пришлите в Telegram 3–5 ваших регламентов или инструкций — я покажу, как агент будет отвечать по ним.

Соберём RAG-агента для ваших регламентов

Обсудить базу знаний в Telegram