أوضحت Runity كيف تطور مساعد RAG مؤسسيًا لـ Confluence وGitLab

شاركت Runiti كيفية تحويل نموذج أولي داخلي إلى مساعد RAG للمؤسسات للعمل مع التوثيق والأكواد. يبحث النظام في Confluence و GitLab في آن واحد، ويحترم حقوق الوصول، ويعمل في دائرة مغلقة دون إرسال بيانات المؤسسة إلى خدمات خارجية.

من الفكرة إلى التطبيق

نشأ المشروع من مشكلة عملية جداً. في بداية عام 2025، احتاجت الفريق إلى فهم الموقع القديم لـ Rucentra وإعادة تصميم Reg.ru في نفس الوقت: اكتشاف ما تم تطبيقه بالفعل، والعثور على التوثيق الحالي، وتحديد أجزاء الكود المسؤولة عن وظائف معينة.

كان البحث اليدوي يستغرق ساعات: احتوت Confluence على عدة نسخ من نفس المستند، وكان يجب على فريق GitLab التنقل عبر الفروع والكود الموروث المكتوب بلغة JavaScript قديمة. ساعدت الشبكات العصبية المحلية الأولى التي وافقت عليها أمان المعلومات بالفعل على تسريع العمل. وفقاً للفريق، تم تحضير المواصفات الفنية لمطوري الواجهات الأمامية في بضعة أيام بدلاً من الترميز اليدوي الطويل والتحليل.

بعد ذلك، قررت الشركة عدم الاقتصار على التجارب المعزولة وبناء منتج منفصل يمكن دمجه في سير عمل المطورين والمهندسين المعماريين اليومي. أصبح النموذج الأولي، الذي بدأ كمبادرة شخصية، لاحقاً جزءاً من مركز الذكاء الهجين بـ Runiti — قسم داخلي مركز على التجارب التجريبية للذكاء الاصطناعي والسيناريوهات التطبيقية ذات النتائج القابلة للقياس.

الوصول والأمان

كان السؤال الرئيسي من فريق الأمان متوقعاً: من بالضبط سيرى المستندات المؤسسية من خلال مثل هذا المساعد؟ حل الفريق هذا ليس بسياسة منفصلة أعلى النموذج، بل على مستوى العمارة. لا يخزن الروبوت مصفوفة الأذونات بشكل داخلي. يضيف المستخدمون رموزهم الشخصية الخاصة بـ Confluence و GitLab، وبعد ذلك يتحقق النظام من الوصول إلى كل مستند موجود عبر الواجهة البرمجية.

إذا لم يكن هناك وصول، فإن هذا الجزء ببساطة لا يدخل سياق النموذج. بشكل أساسي، يتم اتخاذ قرار الوصول وليس من قبل نموذج اللغة الكبير، بل من قبل الكود. هذا يقلل من خطر تسريب البيانات ويحافظ على بيانات المؤسسة داخل دائرتهم المغلقة.

التنازل هنا واحد: تتحقق الوصول المتزامنة تبطئ الرد. لكن الفريق يؤكد أنه حتى في هذا الشكل، فإن المهمة التي استغرقت سابقاً عدة ساعات تناسب الآن من خمس إلى سبع دقائق. بعد تحسينات إضافية وتسجيل وتصحيحات الواجهة، حصل المشروع على موافقة الأمان وتم نشره.

"إذا كان يمكن وصف العملية كسلسلة من الإجراءات — فيمكن أتمتتها."

المكدس والسيناريوهات

بشكل داخلي، يعمل النظام وفقاً لمخطط RAG الكلاسيكي: يتم تحويل الاستعلام إلى تضمين، ثم تختار Qdrant المستندات المتشابهة دلالياً من Confluence و GitLab، وبعد ذلك تقوم طبقة الأمان بتصفية كل ما هو غير ضروري، وينتج النموذج إجابة مع روابط لمصادر محددة. تم اختيار هذا النهج بدلاً من الضبط الدقيق: يقيم الفريق السياق الحالي في وقت الاستعلام أكثر من إعادة تدريب النموذج على البيانات المؤسسية. يستخدم المكدس Python و Temporal و Qdrant و PostgreSQL و Next.

js و LangGraph وموديلات Qwen المنشرة محلياً، بينما يتم تحديث البيانات في قاعدة البيانات المتجهة حالياً من خلال إعادات البناء الليلية. بدلاً من مساعد عالمي واحد، أنشأت Runiti أربعة أوضاع متخصصة. لم يأتِ هذا النهج من عمارة مجردة، بل من طلبات الأدوار المختلفة داخل الشركة: يحتاج المطورون إلى مساعد رمز، والمهندسون المعماريون بحاجة إلى دخول سريع للمناظر الطبيعية الحالية، والمديرون يحتاجون إلى طريقة لجمع رادار تقني تلقائي للمكدس والتبعيات في المستودعات.

هذا يبسط أيضاً تطوير المنتج: السيناريوهات الفردية أسهل في الاختبار والقياس والتحسين دون محاولة حل كل المهام بموجه واحد.

• روبوت دردشة عام لأسئلة حول المستندات الداخلية والإدخال السريع للمشروع؛
• وكيل رادار تقني يمر عبر المستودعات ويجمع صورة اللغات والمكتبات؛
• وكيل للتخطيط المعماري يساعد على فهم المناظر الطبيعية الحالية قبل إطلاق مشروع جديد؛
• شريك برمجة يعرف قاعدة الأكواد الداخلية ومتطلبات الفريق.

تكلفة مثل هذا الحل بعيدة كل البعد عن كونها "لعبة للتجارب." للوضع المؤسسي مع عدة مستخدمين، يقدر الفريق الحاجة إلى حوالي أربعة وحدات معالجة رسومات من فئة A100 بذاكرة 24 جيجابايت، وهو ما يكلف 160-200 ألف روبل شهرياً فقط في العمليات الحسابية. إذا لم تكن لديك وحدات معالجة رسومات خاصة بك، فإن عتبة الدخول للإعداد المحلي الصغير تبدأ من حوالي 500 ألف روبل، والتطوير لا يزال يتطلب خلفية وواجهة أمامية ومهندس ML ومهندس بيانات.

ماذا يعني هذا

يوضح حالة Runiti أن مساعدي الذكاء الاصطناعي للمؤسسات ينتقلون بسرعة من فكرة "ببساطة قم بتوصيل روبوت دردشة" إلى منتجات داخلية كاملة مع RAG والتحقق من الوصول والبنية التحتية الخاصة بهم. من الناحية العملية، ما يفوز ليس البلاغة الأكثر ضجيجاً للذكاء الاصطناعي، بل مزيج من البحث الصلب والوصول الآمن والبيانات الحالية والسيناريوهات التي توفر ساعات عمل للفريق فعلاً. بالنسبة للسوق، هذا إشارة أخرى: يتحول الذكاء الاصطناعي للمؤسسات بشكل متزايد من تجربة استكشافية إلى منتج هندسي بتكاليف واضحة وأوضاع مسؤولية.