Корпоративный чат-бот и ИИ-ассистент «Коллективный разум» с RAG-базой знаний

«Коллективный разум» — корпоративный чат-бот и ИИ-ассистент с RAG-базой знаний

Внутренний продукт нашей студии: ИИ-ассистент «Коллективный разум» с пятью ролями агента, RAG-поиском по шести корпоративным источникам данных, виджетом для внешних сайтов и режимом лидогенерации

Заказать разработку приложенияЗаказать разработку

О проекте

Задача: дать команде доступ ко всем знаниям компании через чат

К 2026 году в компании White Tiger Soft накопились сотни тысяч записей: более 33 000 лидов в CRM, около 309 000 задач в Redmine, сотни страниц базы знаний, тысячи переписок в корпоративном мессенджере, весь контент сайта и файлы хранилища. Ответ на вопрос «что мы делали по похожему проекту?» требовал получаса ручного поиска, а качественно ответить могла только пара ветеранов команды.

Мы решили построить единый корпоративный ИИ-ассистент — «Коллективный разум» с RAG-базой знаний. Он отвечает на вопросы сотрудников на естественном языке, опираясь на все шесть источников данных компании сразу. А заодно продаёт: публичный виджет ассистента встраивается на внешние сайты и приносит заявки.

Начали с RAG-ядра, а не с интерфейса

Первым делом собрали поисковое ядро. Система индексирует данные из шести источников: AmoCRM, RocketChat, Redmine, базу знаний, сайт и файловое хранилище. Русскоязычный контент обрабатывается с морфологией: запрос «аптека» находит документы со словами «аптеки» и «аптекой». Без морфологии половина реальных запросов сотрудников находила бы не всё.

Для качества поиска выбрали связку эмбеддингов bge-m3 и реранкера bge-reranker-v2-m3: сначала векторный поиск находит кандидатов, затем реранкер отбирает среди них самые близкие по смыслу. Векторные хранилища — ChromaDB или Qdrant; инкрементальная индексация обновляет данные без полной переиндексации.

MCP-архитектура: источники как независимые сервисы

Вместо одного монолитного сервиса мы сделали семь MCP-серверов — по одному на каждый источник данных плюс веб-поиск. Каждый работает отдельным процессом и отвечает только за свою зону. Сбой одного источника не роняет остальные, доступ разграничивается на уровне каждого MCP-сервера, а новые источники подключаются без переделки ядра.

Разграничение доступа встроено в архитектуру: у каждой роли агента свой профиль, который фильтрует категории каналов, проекты и разделы базы знаний. Продавец не видит технических обсуждений, а менеджер проекта — кадровых.

Пять ролей агента — пять сценариев работы

Один и тот же ассистент работает в пяти ролях: консультант на публичном виджете, помощник РОПа с отчётами, ассистент продавца с доступом к истории сделок, технический эксперт для оценки «можем ли мы это сделать» и помощник менеджера проектов.

Каждая роль знает только свои источники. Продавец спрашивает «какие сделки мы выигрывали у медицинских клиентов» — и получает разбор похожих сделок с паттернами побед. Технический эксперт отвечает на вопрос клиента про интеграцию — и опирается на реальную историю внедрений из Redmine.

От чата — к инструментам продаж

По мере развития добавили поверх чата прикладные сценарии: симулятор клиента, где GLM играет роль реального клиента из CRM и оценивает ответы продавца по 100-балльной шкале; библиотеку возражений, которая автоматически собирает их из переписки; батлкарды — карточки «возражение → суть → ответ → факт → кейс».

Для менеджеров появился режим «Изучение» — курс из 3–12 разделов по выбранной теме с тестами и оценкой освоения. Так ассистент стал ещё и тренажёром для команды продаж.

Результат: продукт работает на всю компанию

Сегодня «Коллективный разум» — рабочий инструмент департамента продаж: продавцы проверяют гипотезы о клиентах, РОП получает еженедельные отчёты с разбором паттернов win/loss, менеджеры проектов следят за задачами без ручного обхода трекера. С помощью ассистента команда уже довела до встречи по КП сделку на 2,4 млн рублей с производителем стекловолокна.

А публичный виджет в режиме Proactive превращает посетителей сайтов в заявки: трекер поведения замечает интерес, виджет задаёт уточняющие вопросы, а после того как посетитель оставил телефон — лид уходит в CRM и менеджеру в мессенджер.

Как устроены RAG-система и агенты

Ассистент построен на стеке Laravel и Filament для веб-приложения, на Python-сервисах для MCP-серверов и моделях GLM через Ollama Cloud с пулом ключей и автоматической ротацией. Поиск — эмбеддинги bge-m3 с реранкингом bge-reranker-v2-m3, морфология через pymorphy3. Данные — PostgreSQL и Redis, векторные хранилища ChromaDB или Qdrant. Ответы стримятся по SSE, есть четыре режима мышления: от быстрого до глубокого исследования. Админка на Filament управляет пользователями, ролями, чатами и обучениями.

Что умеет «Коллективный разум»

Консультант: отвечает клиенту со ссылками на кейсы

Публичная роль без доступа к внутренним данным: поиск по сайту, реальные кейсы и уточняющие вопросы — как в диалоге со скриншота.

RAG-поиск по 6 источникам5 ролей агентаРежимы fast / standard / deep / researchСсылки на кейсы и подборки

Отчёты для РОПа прямо из CRM

Запрос на естественном языке — ассистент сам собирает данные из CRM по всем источникам и возвращает HTML-отчёт с диаграммами.

7 MCP-серверов33 000+ лидов CRM309 000 задач Redmine867 страниц базы знанийОтчёты в HTML

Виджет и лидогенерация

Виджет для внешних сайтов с Proactive-режимом: ассистент сам инициирует диалог, ведёт к заявке и передаёт контакт.

iframe-виджетProactive-режимТрекер поведенияИИ-запрос телефонаЛид в CRM и мессенджер

Тренажёр по продажам

Ассистент собирает сценарий из реальных сделок CRM, играет жёсткого клиента и разбирает диалог: что сработало, где потеряли нить.

Ролевая игра с клиентомСценарий из данных CRMРазбор диалогаТесты знаний 0–100Библиотека возраженийБатлкарды

Продукт в работе

Продукт развивается итерациями: новые источники данных подключаются через MCP-серверы без переделки ядра, роли агента настраиваются профилями, а ночные майнеры обновляют библиотеку возражений и батлкарды из свежих сделок.

Инкрементальная индексация держит поиск актуальным: изменения в CRM, задачах и базе знаний попадают в индекс без полной переиндексации.