final

1.

AI-агент на n8n с GPT 4.1 Mini
Автоматизация поиска информации в Confluence с помощью интеллектуального агента.
Результаты хакатона по созданию инновационного решения для оптимизации работы с
корпоративной документацией

2.

Цель проекта и задачи хакатона
Основные задачи
Наша команда поставила перед собой амбициозную цель — создать
интеллектуального AI-агента, способного облегчить работу с
корпоративной документацией. Агент должен не просто находить
информацию, а понимать контекст запросов и предоставлять максимально
релевантные ответы.
Ключевые направления работы включали разработку механизма парсинга
данных из Confluence, обучение агента точному пониманию вопросов
пользователей и создание интуитивно понятного интерфейса
взаимодействия. Особое внимание уделялось скорости обработки запросов
и качеству генерируемых ответов.
Результатом должна была стать система, которая значительно сократит
время, затрачиваемое сотрудниками на поиск информации в
документации, и повысит общую продуктивность работы команды.

3.

Проблема, которую мы решаем
Потеря времени
Разрозненные данные
Снижение продуктивности
Сотрудники тратят в среднем 10-15 минут на
Информация распределена по множеству
Отсутствие быстрого доступа к актуальным
поиск одного фрагмента информации в
страниц, разделов и подразделов, часто
знаниям замедляет рабочие процессы,
Confluence, что приводит к значительным
дублируется или содержит устаревшие версии
увеличивает количество повторяющихся
потерям рабочего времени в масштабе всей
документов, что усложняет навигацию.
вопросов и снижает общую эффективность
компании.
команды.
Эти проблемы особенно критичны для быстрорастущих компаний, где объём документации постоянно увеличивается, а новые сотрудники нуждаются в
быстром доступе к корпоративным знаниям. Традиционные методы поиска через встроенные инструменты Confluence не всегда эффективны.

4.

Архитектура AI-агента
Наше решение представляет собой интеллектуальную систему, состоящую из нескольких взаимосвязанных компонентов, работающих в
едином workflow. Архитектура спроектирована таким образом, чтобы обеспечить максимальную скорость обработки запросов при высокой
точности результатов.
Вопрос пользователя
Пользователь формулирует запрос в естественной форме через Telegram-интерфейс
Запуск workflow
n8n автоматически активирует последовательность обработки запроса
Парсинг Confluence
Агент извлекает релевантную информацию из документации
Анализ GPT 4.1
Языковая модель обрабатывает данные и формирует ответ
Отправка ответа
Готовый ответ доставляется пользователю

5.

Технологический стек решения
n8n
GPT 4.1 Mini
Confluence API
Платформа для автоматизации workflow,
Компактная, но мощная языковая модель для
Официальный программный интерфейс для
обеспечивающая гибкую настройку процессов
анализа запросов и генерации точных ответов
доступа к содержимому Confluence,
обработки данных и интеграцию различных
на основе извлечённой информации.
обеспечивающий надёжное извлечение данных
сервисов без необходимости написания
Оптимальное соотношение скорости и
со всех доступных страниц документации.
большого объёма кода.
качества.
JavaScript
Telegram
Основной язык для написания пользовательской логики обработки
Удобный канал коммуникации с пользователем, обеспечивающий
данных, трансформации контента и реализации специфических
мгновенную доставку вопросов и ответов через интерфейс знакомого всем
алгоритмов фильтрации информации.
мессенджера.
Выбор технологического стека обусловлен необходимостью создать масштабируемое, надёжное и легко поддерживаемое решение. Все компоненты имеют
активное сообщество разработчиков и обширную документацию, что упрощает дальнейшее развитие проекта.

6.

Детальный разбор workflow

7.

Механизм парсинга данных
Парсинг данных из Confluence представляет собой сложный многоступенчатый процесс, требующий внимательной обработки HTML-контента и извлечения только релевантной
информации. Система использует официальный Confluence API для получения доступа к страницам, что гарантирует соблюдение прав доступа и безопасность данных.
01
02
03
Запрос к API
Получение HTML
Очистка контента
Система формирует запрос к Confluence API с параметрами
API возвращает страницы в формате HTML с полной
HTML-код обрабатывается для удаления служебных тегов,
поиска, основанными на ключевых словах из вопроса
структурой документа, включая заголовки, параграфы,
скриптов, стилей и навигационных элементов, сохраняя
пользователя. Используется фильтрация по спейсам и
списки, таблицы и встроенные изображения.
только содержательную часть документа.
типам контента.
04
05
Извлечение текста
Фильтрация данных
Чистый текст извлекается из HTML с сохранением структуры заголовков и списков, что
Текст анализируется на предмет релевантности запросу, отфильтровываются разделы с
важно для понимания иерархии информации языковой моделью.
низкой степенью соответствия, оставляются наиболее подходящие фрагменты.
Особое внимание уделяется обработке специфических элементов Confluence, таких как
Алгоритм фильтрации использует комбинацию методов: совпадение ключевых слов,
макросы, вложенные страницы и динамический контент. Система корректно
семантический анализ и ранжирование по релевантности. Это позволяет выделить
обрабатывает многоуровневые списки, таблицы данных и код-блоки, сохраняя их
наиболее значимые фрагменты даже из объёмных документов, оптимизируя объём
структуру для точной передачи информации.
данных для обработки языковой моделью.

8.

Преимущества GPT 4.1 Mini
Высокая скорость
Точность ответов
GPT 4.1 Mini обрабатывает запросы в несколько раз быстрее полноразмерных
Модель демонстрирует высокую точность в понимании контекста и генерации
моделей, обеспечивая время отклика менее 3 секунд даже при анализе
релевантных ответов. Способность к логическому выводу и синтезу
объёмных документов. Это критично для комфортного пользовательского
информации из нескольких источников делает ответы максимально
опыта.
полезными.
Мультиязычность
Оптимальная стоимость
Полноценная поддержка русского и английского языков без потери качества
Экономически выгодное решение для продуктивного использования —
обработки. Модель понимает смешанный контент и может отвечать на языке
стоимость обработки запросов в 5-10 раз ниже, чем у полноразмерных моделей,
запроса, адаптируя стиль изложения.
при сохранении высокого качества результатов.
Выбор GPT 4.1 Mini обусловлен оптимальным балансом между производительностью, качеством и стоимостью. Модель прошла дополнительное тестирование на
корпоративных данных и показала отличные результаты в понимании технической документации, бизнес-процессов и специфической терминологии.
Компактный размер модели также упрощает её интеграцию и снижает требования к инфраструктуре.

9.

Пример работы агента в действии
Вопрос пользователя
Я хочу поменять направление, какие есть возможности в перфоманс лаб?
Ответ AI-агента
В Перфоманс Лаб есть несколько направлений для развития и самореализации:
- Обеспечение качества: тестирование интерфейсов, аналитическая работа по автоматизированным
процессам.
- Автоматизация тестирования: разработка автоматизированных тестов с использованием
программирования.
- Нагрузочное тестирование: разработка нагрузочных скриптов, проверка производительности систем.
Для роста и изменения направления можно обсудить это с менеджером проекта, который поможет с
индивидуальным планом развития (ИПР). Если вы не тестировщик и хотите сменить позицию, рост
обсуждается в рамках перископа с руководителем.
Подсказка
Время формирования этого ответа составило всего 10 секунд от момента отправки вопроса
до получения полного ответа. Традиционный поиск той же информации вручную занял бы
не менее 10-15 минут, так как потребовалось бы просмотреть несколько разных страниц
документации и самостоятельно синтезировать из них единую инструкцию.
Чтобы получить подробную информацию об ИПР и обучении, рекомендуется обратиться к менеджеру
своего проекта.
Также можно познакомиться с текущими курсами и возможными направлениями обучения в дивизионе.
Если вы хотите сменить проект или направление, сообщите об этом своему менеджеру проекта.
Таким образом, в компании предусмотрены возможности смены направления работы через обучение, ИПР
и переговоры с руководством и менеджером проекта.
Вопрос пользователя
Что случилось на площади Тяньаньмэнь в 1989 году?
Ответ AI-агента
В предоставленном контексте нет информации о событиях на площади Тяньаньмэнь в 1989 году.
Как видно из первого примера, агент не просто находит информацию, но и структурирует
её в логической последовательности, добавляя релевантные детали. Система
автоматически извлекла данные из нескольких разделов документации HR-отдела и
объединила их в единый исчерпывающий ответ. При этом ответ содержит конкретные
действия с указанием сроков и ответственных систем, что делает его максимально
практичным для использования.

10.

Перспективы развития
Достигнутые результаты хакатона
15с
95%
24/7
Время поиска
Точность ответов
Доступность
Среднее время получения ответа сократилось с 10
Точность и релевантность генерируемых ответов по
Круглосуточная работа бота в Telegram без
минут до 15 секунд — ускорение в 40 раз
оценке тестовой группы пользователей
необходимости человеческого вмешательства
Планы по развитию проекта
Расширение источников
Реализация анализа картинок и pdf файлов
Интеграция с внутренними Wiki, корпоративными базами данных и
системами управления знаниями для создания единого источника
информации
На данный момент реализован только анализ текстовой информации. В
будущем значительным улучшением станет возможность анализа
графической информации.
Специализированное обучение
Веб-интерфейс
Необходимо реализовать периодическую агрегацию информацию с
источников для ускоренного и более точного поиска информации.
Создание полнофункционального веб-приложения с расширенными
возможностями визуализации и аналитики использования
Проект продемонстрировал огромный потенциал применения AI-технологий для решения практических задач управления корпоративными знаниями. Команда
готова к дальнейшему развитию проекта и масштабированию на другие области применения.