«Мир Квестов» lança o bot de IA Questosh e testa cinco modelos em 12 gates

O agregador de quests em realidade «Мир Квестов» (Mir Kvestov) confiou a primeira linha de atendimento do chat ao bot Questosh a partir do terceiro trimestre de 2026. Os clientes escrevem para escolher um jogo e fazer a reserva, e agora quem responde primeiro é uma IA. A equipe publicou no Habr uma análise da arquitetura. Ela inclui uma wiki de arquivos markdown no lugar de fine-tuning, mascaramento de dados pessoais antes do modelo, acesso ao catálogo do site via MCP e a comparação de cinco modelos em doze gates de segurança.

O conhecimento fica em arquivos, não nos pesos

A principal decisão da equipe foi não fazer fine-tuning do modelo e manter a base de conhecimento como uma wiki de arquivos markdown. Essa abordagem tem consequências práticas. Os arquivos podem ser lidos a olho nu e versionados, e quem edita não precisa ser engenheiro de ML. O conhecimento também não fica preso a um modelo específico. Se surgir um LLM mais forte ou mais barato, a wiki continua a mesma. Para um projeto que compara cinco modelos ao mesmo tempo, isso é essencial.

Outro elemento do sistema é o ciclo noturno de edições com prova. Pela descrição, a base de conhecimento não fica parada. Ela é revisada e ampliada com regularidade, e o resultado é verificado por um teste. O autor deixou os detalhes da mecânica para o artigo completo. Mas a ideia é clara: as mudanças na fonte de conhecimento devem passar por verificação, como as mudanças no código.

Privacidade e atualidade do catálogo

Os dados pessoais dos clientes são mascarados antes de a requisição chegar ao modelo. É uma proteção em nível de arquitetura, e não um pedido ao LLM para «não revelar demais». Um chat de reservas inevitavelmente coleta contatos, e a pergunta sobre o que um modelo externo enxerga vem em primeiro lugar.

Para os fatos sobre o produto, usa-se outro canal. O catálogo do site está conectado via MCP, e o bot o consulta como uma ferramenta. A wiki guarda regras, tom de voz e cenários típicos; o catálogo traz os jogos atuais. A divisão faz sentido: agenda e disponibilidade de horários mudam mais rápido do que qualquer wiki consegue ser atualizada.

Cinco modelos, doze gates

Antes do lançamento, a equipe comparou cinco modelos em doze gates de segurança. Aqui, o gate é basicamente uma verificação obrigatória: o modelo que não passa nela não chega à primeira linha. O anúncio não revela quais modelos participaram nem como cada um se saiu. Esses dados serão o principal valor da versão completa.

O que se sabe pelo anúncio:

• lançamento: terceiro trimestre de 2026, o bot responde primeiro no chat;
• conhecimento: wiki de arquivos markdown, sem fine-tuning;
• dados dos clientes: mascaramento antes de chegarem ao modelo;
• integração: catálogo do site via MCP;
• manutenção: ciclo noturno de edições com prova;
• escolha do modelo: 5 candidatos, 12 gates de segurança.

A segunda parte do material não trata de código, e sim de organização. Ela traz um mapa de stakeholders, as expectativas das equipes vizinhas e cinco lições para o tech lead. Em implantações de atendimento ao cliente, isso costuma pesar mais do que a escolha do modelo, porque o bot afeta suporte, produto, jurídico e operadores ao mesmo tempo.

O que levar para o seu projeto

A abordagem do «Мир Квестов» (Mir Kvestov) é fácil de replicar. Comece por uma base de conhecimento em markdown: ela pode ser versionada e mostrada aos colegas do suporte. Conecte dados em tempo real por meio de ferramentas, em vez de copiá-los para o prompt. Mascare os dados pessoais antes de chamar o modelo. Escolha os modelos por gates de segurança definidos de antemão, e não pela impressão deixada por uma demo. E desenhe o mapa de stakeholders com antecedência: no momento do lançamento, um bot na primeira linha terá mais partes interessadas do que qualquer funcionalidade do site.