QUILLY AI · ПРОДУКТ QUILLON

AI-ассистент,
который знает
вашу базу знаний.

Quilly AI — корпоративный ассистент на RAG. Ищет ответы по внутренним документам компании, персонализируется под роль сотрудника, объясняет код. Тот же пайплайн работает AI-тьютором в обучении Quillon.

RAG поиск по вашим документам
Под роль персонализация ответа
РФ инфраструктура в России
Заявка на демо Как работает RAG →
Загрузите вApp Store Доступно вGoogle Play
  • Python
  • FastAPI
  • RAG
  • LLM API
  • Vector DB
  • Qdrant · Pinecone

ВОЗМОЖНОСТИ

Что умеет Quilly AI

Ассистент отвечает не «вообще», а по вашим источникам: подтягивает релевантные фрагменты из базы знаний и формулирует ответ со ссылкой на документ.

01 / Поиск

RAG по базе знаний

Ассистент находит релевантные фрагменты в корпоративной базе через векторный поиск и отвечает по ним. Меньше галлюцинаций, ответ опирается на ваши документы.

02 / Роли

Персонализация под роль

Один и тот же вопрос разработчик, менеджер и новичок получают по-разному. Уровень детализации и доступные источники зависят от роли пользователя.

03 / Документы

Ответы по документам

Регламенты, инструкции, спецификации, тикеты. Ассистент собирает ответ из нескольких источников и показывает, откуда он его взял.

04 / Код

Объяснение кода

Разбирает фрагменты кода, объясняет логику и ошибки простым языком. Помогает онбордить инженеров и разбираться в незнакомых частях проекта.

05 / Интеграции

Интеграции

Подключается к вашим источникам: wiki, документы, базы данных, тикет-системы. Доступен через веб-интерфейс и API для встраивания в продукты.

→ Внедрение

Под вашу инфраструктуру

Разворачиваем на серверах в РФ или в вашем контуре. Выбор LLM — облачные API или локальные модели для чувствительных данных.

ДВА СЦЕНАРИЯ

Один пайплайн — два применения

RAG-ядро Quilly AI одинаково работает и для бизнеса, и в обучении. Меняются только источники, роли и тон ответа.

Для бизнеса

Корпоративный ассистент

Сотрудники спрашивают на естественном языке — ассистент отвечает по внутренней базе знаний компании. Регламенты, инструкции, документация, ответы под роль. Меньше времени на поиск «где это написано», быстрее онбординг новых людей.

  • Поиск по wiki, документам и тикетам
  • Доступ к источникам зависит от роли
  • Веб-интерфейс и API для интеграций

В обучении

AI-тьютор Quillon

В образовательных продуктах Quillon тот же пайплайн объясняет код студентам и помогает разобраться в задачах. Ассистент опирается на материалы курса, ведёт к ответу, а не выдаёт готовое решение.

  • Объясняет код и разбирает ошибки
  • Отвечает по материалам курса
  • Подсказывает, а не решает за студента

ПОД КАПОТОМ

Стек, на котором построен Quilly AI

Никакой магии — инженерный RAG-пайплайн на проверенном стеке Quillon. Разворачиваем на инфраструктуре в РФ.

01 / Backend

Python & FastAPI

Python 3.11+ · FastAPI · PostgreSQL · Redis · WebSocket. Асинхронный сервис, который держит нагрузку.

02 / Retrieval

RAG & Vector DB

Чанкование и эмбеддинги документов, векторный поиск в Qdrant или Pinecone, ранжирование и сборка контекста под запрос.

03 / Модели

LLM API & локальные

OpenAI, Anthropic или локальные модели на вашем железе — для чувствительных данных, которые не должны покидать контур.

04 / Данные

152-ФЗ & контур

Dedicated-серверы в российских ЦОДах или разворачивание в вашей инфраструктуре. Контроль над тем, где лежат данные.

05 / Доступ

Веб & API

Готовый веб-интерфейс ассистента и REST-API для встраивания в ваши продукты, порталы и внутренние сервисы.

КАК ЭТО РАБОТАЕТ

RAG в четыре шага

От вопроса сотрудника до ответа со ссылкой на источник — без «придумывания» фактов моделью.

  1. 01

    Индексация

    Документы базы знаний разбиваются на фрагменты, превращаются в эмбеддинги и попадают в векторную базу.

  2. 02

    Поиск

    Вопрос пользователя тоже превращается в вектор — и система находит самые релевантные фрагменты по смыслу.

  3. 03

    Контекст

    Найденные фрагменты с учётом роли пользователя собираются в контекст и передаются в LLM вместе с вопросом.

  4. 04

    Ответ

    Модель формулирует ответ по переданным фрагментам и показывает, из каких документов он собран.

ЗАЯВКА НА ДЕМО

Покажем Quilly AI
на ваших данных

Расскажите про задачу и источники — соберём демо RAG-ассистента под вашу базу знаний. Обсудим стек, контур данных и сроки внедрения. Ответим за день.