Все работы RagReply
ИИ-системы · 2026
RagReply
Панель управления ИИ-агентами, которые отвечают по базе знаний клиента.
Чтобы бизнесу хватило загрузить свои документы — и агент отвечал текстом, голосом и в звонке, ссылаясь на источник.
Цифры
Задача
У бизнеса ответы уже написаны: прайс, расписание, описание услуг, условия записи. Проблема в том, что они лежат файлами, а чат-бот на общей модели отвечает не по ним — придумывает цены и часы работы. Заказчику нужна была панель, где владелец загружает те же документы, что и так есть, а агент отвечает только по ним и показывает, из какого файла взята каждая цифра.
Вторая часть задачи — деньги и доверие. Одна модель на всё либо дорогая, либо плохая: расшифровка голоса, перевод, векторизация, ответ и синтез речи стоят по-разному и требуют разного качества. А перед тем как выпускать агента к клиентам, его должен кто-то помучить неудобными вопросами — тем же способом, каким с ним будут разговаривать: текстом, голосом и по телефону.
Решение
Загруженный документ приводится к английским чанкам и индексируется в pgvector: поиск идёт по смыслу, а не по совпадению слов, и русский вопрос находит ответ в русском документе через общее векторное пространство.
Пять задач ИИ настраиваются раздельно — у каждой своё соединение и своя модель. Дешёвая модель расшифровывает голос, сильная отвечает, локальный Whisper может заменить облачный: счёт за агента собирается по задачам, а не по одному тарифу.
Соединения описываются как OpenAI-совместимые endpoint'ы — базовый URL, тип и ключ. Смена провайдера или переезд на свою модель не трогают код: это строка в настройках.
Ответ возвращается со списком файлов-источников, поэтому проверка «откуда он это взял» занимает секунду, а не разбор логов.
База знаний изолирована по клиентам: у каждого свои документы, своя индексация и своя проверка — на той же базе, которая уйдёт в прод.
Экраны
Все показанные данные — синтетические, без привязки к реальным клиентам.
