Ertas 助力内部知识库

The Challenge

每个组织都在 Wiki、Confluence 页面、SharePoint 站点、Slack 对话、邮件存档和资深员工的脑海中积累了机构知识。在需要时找到正确的信息是现代组织中最持久的生产力挑战之一。据估计，员工每周花 20% 的工作时间搜索信息、向同事提问和重新创建组织中某处已存在的知识。

通用 AI 聊天工具和企业搜索解决方案部分解决了这个问题，但在关键方面不足。它们可以检索包含相关关键词的文档，但无法回答需要综合多个来源信息或理解组织特定上下文的问题。「我们处理客户数据泄露的流程是什么？」或「哪个团队负责 Stripe 的计费集成？」等问题需要了解组织的特定流程、团队结构和技术栈——通用模型没有这些上下文，关键词搜索也无法提供。

The Solution

Ertas 使组织能够在自己的内部文档、来自帮助台和支持渠道的问答对以及流程文档上微调知识库模型。生成的模型理解组织的特定术语、团队结构、工具和流程——将其转变为一个博学的内部助手，能够准确回答问题并将员工指向正确的资源。结合对当前文档的 RAG，模型提供的答案既基于其训练的理解，又基于最新文档。

通过 Ertas Studio，知识管理团队在从内部支持渠道、IT 帮助台工单、HR FAQ 回复和专家访谈中提取的精选问答对上训练。模型不仅学习事实答案，还学习围绕答案的组织上下文——联系哪个团队、使用哪个工具、遵循哪个流程，以及哪些例外情况适用。通过 AnythingLLM、Dify 或由 Ertas Cloud 支持的自定义聊天界面部署，知识库成为员工可以用自然语言查询的对话界面。Ertas Vault 确保所有内部知识保留在组织的基础设施内，访问控制尊重现有的文档权限。

Key Features

Example Workflow

一家 2,000 人的科技公司的机构知识分散在 Confluence（15,000 页）、Slack（3 年可搜索历史）和 Zendesk 帮助台（50,000 个已解决工单）中。IT 和人事运营团队从帮助台工单、Slack 支持频道和手动精选的 FAQ 文档中提取 25,000 个问答对，然后上传到 Ertas Vault。在 Ertas Studio 中，他们微调了一个理解公司特定工具（系统的内部名称、缩写、团队名称）、流程（入职、采购、事件响应）和政策（休假、报销、数据分类）的模型。模型通过 AnythingLLM 部署在内部基础设施上，Confluence 文档作为 RAG 上下文加载。员工通过 Slack 机器人和 Web 界面访问知识库。在三个月内，IT 帮助台工单量下降 35%，因为员工可以即时获得常见问题的答案。新员工入职满意度提高，因为知识库能回答以前需要找到并打扰正确同事的问题。