內部知識庫

    建構理解您組織內部知識並提供準確答案的 AI 模型

    The Challenge

    每個組織都會在 wiki、Confluence 頁面、SharePoint 網站、Slack 對話、電子郵件存檔和資深員工的腦海中累積機構知識。在需要時找到正確的資訊是現代組織中最持久的生產力挑戰之一。據估計,員工將 20% 的工作時間花在搜尋資訊、向同事提問以及重新創建組織中某處已存在的知識。

    通用 AI 聊天工具和企業搜尋解決方案部分解決了這個問題,但在關鍵方面仍有不足。它們可以檢索包含相關關鍵字的文件,但無法回答需要綜合多個來源資訊或理解組織特定脈絡的問題。像「我們處理客戶資料外洩的流程是什麼?」或「哪個團隊負責與 Stripe 的計費整合?」這樣的問題需要了解組織的特定流程、團隊結構和技術堆疊——通用模型不具備的脈絡,關鍵字搜尋也無法提供。

    The Solution

    Ertas 讓組織能以自己的內部文件、來自服務台和支援管道的問答對以及流程文件微調知識庫模型。產出的模型會學到組織的術語、團隊結構、工具和作業程序,能在公司自身的脈絡中回答問題,並替員工指出合適的資源。搭配以最新文件為基礎的 RAG,它的回答既來自訓練所學,也來自最新的文件。

    在 Ertas Studio 中,知識管理團隊以從內部支援管道、IT 服務台工單、HR 常見問題回覆和專家訪談中整理出的問答對進行訓練。模型會學到每個答案背後的脈絡:該聯絡哪個團隊、用哪個工具、走哪個流程,以及有哪些例外。模型從 Hub 匯出後,透過 AnythingLLM、Dify 或自建的聊天介面部署在內部基礎設施上,成為員工可用自然語言提問的對話助理,問題和答案都留在公司網路內。訓練資料需要上傳到 Ertas 的雲端 GPU,因此請把受限資料排除在訓練集之外。文件層級的權限應交由檢索層處理。訓練過的模型可能把訓練資料中的任何內容告訴任何提問的人,所以只用助理所有使用者都有權查看的知識來訓練。

    Key Features

    Studio

    組織知識訓練

    在 Studio 中以內部問答對、流程文件和組織知識訓練模型。模型會學到貴組織的術語、團隊結構和作業程序。

    Studio

    在 Data Craft 中整理問答

    在 Studio 的引導式資料集建構工具 Data Craft 中建立訓練集。各領域專家以 ASSISTANT 回合撰寫或修正答案,在流程變動時保存新版本,並在訓練前逐筆核准。

    Hub

    私有知識助理

    Hub 列出您訓練好的模型。可匯出為 GGUF 搭配 Ollama 或 LM Studio,或匯出完整的 safetensors 搭配 vLLM,再部署在聊天介面、Slack 機器人或搜尋元件後面。查詢和回覆都留在您的基礎設施內。

    Hub

    權限交由檢索層處理

    把存取規則放在替模型提供最新文件的檢索層,讓每位使用者只能檢索到自己原本就能開啟的內容。模型本身只用助理所有使用者都有權查看的知識來訓練。

    Example Workflow

    一家 2,000 人的科技公司,組織知識分散在 Confluence(15,000 個頁面)、Slack(3 年的歷史紀錄)和 Zendesk 服務台(50,000 張已解決工單)中。IT 和 People Ops 團隊從服務台工單、Slack 支援頻道和整理過的常見問題文件中擷取 25,000 組問答對,刪除個人資料和僅限特定團隊查看的內容後上傳到 Ertas Studio。專家在 Data Craft 中審閱 HR 和資安相關的答案後再核准。團隊微調出一個熟悉公司工具(內部系統名稱、縮寫、團隊名稱)、流程(到職、採購、事件應變)和政策(休假、報帳、資料分級)的模型,並用一組保留的真實員工問題比較各次訓練。選定的模型匯出後透過 AnythingLLM 部署在內部基礎設施上,並在現有權限下把 Confluence 頁面載入為 RAG 脈絡。員工透過 Slack 機器人和網頁介面使用它。團隊以自己的評估追蹤服務台工單量和回答準確率,並每季以新解決的工單重新訓練。

    Related Resources

    Ship AI that runs on your users' devices.

    Start free with 150 credits after card verification. Paid plans from $20/mo USD.