Автогенерация базы знаний по сайту: что учтёт

Сайт компании на сорок с лишним страниц — это готовый источник фактов: услуги, условия доставки, ответы на частые вопросы, страница «О компании» с адресами филиалов. Раньше всё это переносили в базу знаний руками: открывали каждую страницу, вычленяли суть, оформляли файлом. На сорок страниц уходил рабочий день, если не два.

Автогенерация делает тот же проход за минуты. В этом её настоящая польза. Вопрос в другом: что именно оказывается на выходе и что с этим выходом придётся делать дальше.

Как автогенерация читает сайт и что из этого получается

Платформа предлагает четыре разных режима, и каждый решает свою задачу.

Первый режим ничего не парсит: вы описываете роль агента текстом, платформа собирает по описанию черновик инструкции. Второй добавляет к описанию ссылку на сайт: Савви разбирает указанную страницу, вставляет найденные факты в инструкцию и отдельным блоком помечает, что из этого лучше вынести в базу знаний. Третий режим парсит уже корневую страницу вместе со связанными разделами и отдаёт сразу два результата, инструкцию и набор файлов базы знаний. Четвёртый режим живёт в разделе «База знаний» → «Быстрые ответы» → «Автоматическая генерация» и системную инструкцию не открывает вообще: он читает сайт и складывает из него только файлы базы знаний.

Что получится в черновике за несколько минут

На выходе — черновик: набор файлов, которые ещё не сохранены и ждут решения по каждому, прежде чем стать рабочей базой знаний.

В режимах с генерацией инструкции результат размечен структурой: разделы через #, чтобы модели было проще держать границы смысловых блоков. Рядом появляется отдельный список «рекомендуется вынести в файлы БЗ» — платформа сама отмечает куски текста, которые уместнее в базе знаний, чем в теле инструкции, и окончательное решение остаётся за вами.

В режиме генерации только базы знаний результат — набор карточек по разделам сайта: услуги отдельно, условия доставки отдельно, гарантии отдельно. Названия файлов система придумывает по содержимому страницы, и здесь начинается первая проблема черновика.

Почему устаревшая страница сайта становится устаревшим ответом агента

Парсинг переносит на карточку ровно то, что написано на сайте в момент запуска, без проверки, актуально ли это.

Если на странице услуг висит цена, которую полгода назад подняли только в прайсе у менеджеров, файл базы знаний унаследует старую цифру. Агент не станет её сомневаться: он прочитал факт из документа компании и процитирует его так же уверенно, как правильную дату работы офиса на соседней странице. Для парсера разница между актуальным и устаревшим фактом не существует. Её видит только человек, который сверяет черновик с реальностью.

То же самое с адресами филиалов, номерами акций «до 31 августа» и разделами «скоро откроем второй склад», которые провисели на сайте дольше, чем планировалось. Автогенерация честно перенесёт их все: она читает страницу и не сверяется с отделом продаж, что из написанного там ещё правда.

Что придётся переписать руками

Руководство платформы прямо советует не включать сгенерированные файлы в работу без проверки, и на практике правки укладываются в короткий список.

Отдельно стоит вопрос формата: страница сайта — это связный текст, и он не всегда лучший формат для конкретного факта. Прайс, вынесенный автогенерацией в текстовый файл, отвечает по смыслу, но не гарантирует, что агент процитирует именно нужную строку: для точного числа по позиции нужна таблица. Разобраться, какой формат выбрать для каждого куска черновика, помогает чек-лист из трёх вопросов о базе знаний: структурированные данные, которые меняются часто, идут в таблицу, связный текст, который меняется редко, в документ или быстрый ответ.

Сколько стоит автогенерация в токенах

Отдельного бесплатного лимита на парсинг сайта нет: разбор страниц и сама генерация текста списываются токенами по той же ставке, что обычные ответы агента, тысяча токенов равна 1 ₽. Чем больше страниц сайта попадает под парсинг и чем длиннее итоговый черновик, тем выше счёт за один запуск.

Здесь работает та же логика, что и с обычной перепиской: длинный текст, который потом целиком уходит в модель на каждую реплику, обходится дороже короткого. Инструкция на две тысячи знаков и на десять тысяч по-разному сказывается на стоимости каждого следующего ответа агента, и это долгосрочный эффект куда весомее разовой цены самой генерации, подробнее о том, из чего складывается счёт за диалог, рассказано в материале про стоимость чат-бота. Экономнее запускать генерацию по частям: сначала прогнать основную страницу сайта, оценить качество черновика, а дальше добавлять остальные разделы по одному, с оглядкой на счёт.

На Wildberries автогенерация решает похожую задачу иначе: источником служит история вопросов и отзывов покупателей по товарам, сайт компании здесь ни при чём. В тестовый период после регистрации доступны 100 пар вопрос-ответ или отзыв-ответ бесплатно. Система скачивает вопросы и отзывы с площадки, обрабатывает их и объединяет похожие по смыслу, поэтому в итоговую базу обычно попадает меньше карточек, чем было проанализировано изначально. Перед каждым следующим запуском платформа показывает среднюю стоимость генерации и текущий баланс, досчитать дополнительные 500 вопросов можно в любой момент, пока хватает средств. Результат требует той же проверки, что и версия с сайта: система собирает готовые ответы по товару и не знает, что часть из них относится к позиции, снятой с продажи на прошлой неделе.

Вычтите лишнее до того, как включите черновик в работу

Вычтите из сорокастраничного сайта разделы, которые устаревают быстрее остальных: акции с датой окончания, цены, статусы «скоро открытие», и проверьте их вручную в первую очередь, до всего остального черновика.

Дальше пройдите по списку файлов так, как советует само руководство: названия отражают содержимое, дублей нет, факты собраны в базе знаний, а логика разговора осталась в инструкции. Разовая автогенерация даёт стартовый набор карточек, а живой базой знаний он становится позже, когда начинает пополняться реальными ответами на реальные вопросы клиентов, — этот процесс устроен иначе, и о нём рассказывает материал о самообучении агента. Длинные документы из черновика, если они прошли проверку и остались связным текстом, режутся на куски так же, как любой другой файл базы знаний, по тем же правилам, что разобраны в статье про документы и чанки. Полный список настроек парсинга и лимитов по каждому режиму держит руководство платформы: оно точнее любого пересказа, потому что обновляется вместе с продуктом.

Частые вопросы