QUILLY AI · ПРОДУКТ QUILLON
AI-ассистент,
который знает
материалы курса.
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.
- Python
- Django
- RAG
- LLM API
- Vector DB
- Vector DB
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
Поддерживает российские модели (YandexGPT, GigaChat) и установку в контуре заказчика: на серверах в РФ или в вашей инфраструктуре.
ДВА СЦЕНАРИЯ
Один ассистент — 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
Настраиваем ассистента на ваши учебные материалы и регламенты: сотрудники спрашивают на естественном языке и получают ответ по ним. Подходит для обучения сотрудников и онбординга 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 ассистент 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 & Django
Python 3.11+ · Django · PostgreSQL · Valkey. Сервис, который держит нагрузку.
02 / Retrieval
RAG & Vector DB
Чанкование и эмбеддинги документов, векторный поиск, ранжирование и сборка контекста под запрос.
03 / Модели
LLM API & локальные
Поддерживает российские модели (YandexGPT, GigaChat) и установку в контуре заказчика. Для чувствительных данных — локальные модели на вашем железе.
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
Веб-интерфейс в уроках, мобильное приложение и API чата с потоковой выдачей ответа для встраивания в ваши сервисы.
КАК ЭТО РАБОТАЕТ
RAG в четыре шага
От вопроса сотрудника до ответа со ссылкой на источник — без «придумывания» фактов моделью.
-
01
Индексация
Документы базы знаний разбиваются на фрагменты, превращаются в эмбеддинги и попадают в векторную базу.
-
02
Поиск
Вопрос пользователя тоже превращается в вектор — и система находит самые релевантные фрагменты по смыслу.
-
03
Контекст
Найденные фрагменты с учётом роли пользователя собираются в контекст и передаются в LLM вместе с вопросом.
-
04
Ответ
Модель формулирует ответ по переданным фрагментам и показывает, из каких документов он собран.
ЗАЯВКА НА ДЕМО
Покажем Quilly AI
на ваших материалах
Расскажите про задачу и источники — соберём демо RAG-ассистента под вашу базу знаний. Обсудим стек, контур данных и сроки внедрения. Ответим за день.
- Emailsupport@quillon.ru
- ГородКазань, Россия