ساخت دستیار داخلی با RAG روی اسناد شرکت
دانشِ شرکت در جاهای پراکنده است: راهنماها، قراردادها، گزارش‌ها، چت‌های مهم. دستیارِ داخلی با RAG یعنی همان‌ها را یک‌جا زنده کنید تا هر عضوِ تیم، جوابِ درست را از اسنادِ خودتان بگیرد — این مقاله ساختش را گام‌به‌گام می‌دهد.
سؤالِ محکِ هر سازمان: «آخرین نسخهٔ قانونِ مرخصی در کدام فایل است و کی آخرین‌بار به‌روزش کرده؟» اگر جوابِ تیم شما با «باید بپرسم از…» شروع می‌شود، شما داراییِ پنهانی دارید که کشف نشده: دانشِ مکتوبِ پراکنده. دستیارِ داخلی با RAG دقیقاً همین دارایی را فعال می‌کند: اسنادِ شرکت را ایندکس می‌کند و به هر سؤال، پاسخِ مستند با ارجاع به خودِ سند می‌دهد. مفهومِ فنی را در RAG چیست و راهنمای عملی‌اش را در راهنمای کاربردی RAG بخوانید؛ اینجا روی نسخهٔ سازمانی و اجرا در تیم‌های ایرانی تمرکز می‌کنیم.
چه اسنادی بروند داخل؟ (و چه اسنادی هرگز)
| نوع سند | نمونه | مالک/نگهدارنده | می‌رود داخل؟ |
|---|---|---|---|
| قواعد و رویه‌ها | راهنمای فروش، SOP پشتیبانی | مدیر مربوط | ✅ |
| سند محصول | دیتاشیت، پرسش‌های متداول | تیم محصول | ✅ |
| آموزشِ جدیدی‌ها | بستهٔ آنبوردینگ | منابع انسانی | ✅ |
| قراردادِ الگو | قالبِ استاندارد | حقوقی | ✅ نسخهٔ عمومی |
| اسرارِ تجاریِ خام | قیمتِ تمام‌شده، دادهٔ حقوقِ افراد | — | ❌ (یا با دسترسیِ محدود) |
| دادهٔ مشتری | فایلِ مشتریان | — | ❌ جدا نگه داشته شود |
قاعده: هر چیزی که اگر در چتِ گروهیِ عمومی شرکت لو برود مشکلی ندارد، کاندیدای ورود است؛ بقیه یا نمی‌رود یا با لایهٔ دسترسی می‌رود.
معماری در یک نگاه
سند → تقسیم به قطعه → برداری‌سازی → ذخیره در بانکِ برداری → جست‌وجوی معنایی موقعِ سؤال → ترکیب با پرامپت → پاسخ با ارجاع. اجزای فنی (برداری‌سازی و بانکِ برداری) را در Embedding چیست و بانکِ برداری چیست می‌خوانید؛ جست‌وجوی معنایی و تفاوتش با جست‌وجوی کلیدواژه‌ای — که قلبِ کیفیتِ فارسیِ اینجاست — در جست‌وجوی معنایی تشریح شده.
گام‌به‌گام اجرا (شش گام)
۱. جمع‌آوری (هفتهٔ ۱): فهرستِ منابع؛ فقط آخرین نسخه؛ حذفِ نسخه‌های موازی و قدیمی. ۲. پاکسازی (هفتهٔ ۱–۲): تبدیلِ همه‌چیز به متنِ قابلِ استخراج (PDF اسکن‌شده با OCR — مرورِ محدودیت‌ها در OCR چیست)؛ حذفِ صفحاتِ تکراری و منوهای دسترسی. ۳. ایندکس (هفتهٔ ۲): تقسیمِ منطقی (سرِ فصل، نه برشِ صرفِ ۵۰۰ کلمه) و ایندکس با ابزارِ انتخابی. ۴. پرامپت نقش (هفتهٔ ۳): «فقط از اسناد پاسخ بده؛ اگر نبود، بگو نیست؛ ارجاع بده به نامِ سند و بخشش.» — الگوهای بیشتر در پرامپت‌نویسی ایجنت. ۵. دسترسی (هفتهٔ ۳): گروه‌بندی: عمومی / تیم فروش / مدیریت. هر سند با برچسبِ دسترسی. ۶. ارزیابی (هفتهٔ ۴): سی سؤالِ واقعیِ تیم + پاسخِ درستِ انسانی؛ سنجشِ اینکه دستیار در چند مورد درست و مستند جواب داد. زیر ۸۰٪، مشکل یا در پاکسازی است یا در تقسیمِ قطعه‌ها.
کدام ابزار؟ سه مسیر
| مسیر | برای کی | نکته |
|---|---|---|
| پلتفرمِ آماده (فضای کاریِ سازمانی) | تیم بی‌فنی | سریع‌ترین راه؛ داده روی سرویس |
| ابزار اتوماسیون + مدل | تیم نیمه‌فنی | انعطافِ بیشتر با n8n |
| خودمیزبانی | داده‌حساس | هزینهٔ راه‌اندازی؛ کنترلِ کامل |
سه اشتباهِ رایج
اول، «همه‌چیز را بریز داخل»: هر سندِ مرده و قدیمی، پاسخ‌ها را آلوده می‌کند. دوم، نبودِ مالکِ دانش: هر سند باید یک نفر داشته باشد که نسخهٔ درست را تأیید کند. سوم، اعتمادِ کور: پاسخِ RAG هم نیاز به ارجاع دارد؛ اگر ارجاعِ سند را نشان نمی‌دهد، تنظیمش کنید — این تفاوتِ دستیارِ قابل‌اتکا با دستگاهِ حدس‌زن است. ریسک‌های کلیِ این ابزارها را در ریسک‌های هوش مصنوعی در کسب‌وکار و مرزِ آن با ایجنت‌ها را در ایجنت‌های سازمانی بخوانید.
سؤالات پرتکرار
با چند سند شروع کنیم؟ با ۱۰ تا ۲۰ سندِ پرسش‌سازِ روزمره؛ بعد از یک ماه، بر اساسِ «چه چیزی پرسیده شد و نبود» گسترش بدهید. شروعِ صدسندی، معمولاً به دستیارِ پرغلط ختم می‌شود.
اگر سند به‌روز شد چه می‌شود؟
باید ایندکس تازه شود؛ در ابزارهای درست، همین کار خودکار است. قاعدهٔ سازمانی: هیچ سندی بدون مالک و تاریخِ بازبینی ایندکس نمی‌شود.
دادهٔ ما روی سرورِ بیرون می‌ماند؟ و چقدر مطمئن باشیم؟
برای اسنادِ عمومیِ شرکت، پلتفرم‌های معتبر با قراردادِ سازمانی قابل‌قبول‌اند؛ برای دادهٔ حساس، مسیرِ خودمیزبانی را بروید و قواعد را در سیاست‌نامهٔ حکمرانی بنویسید.
دستیار داخلی چه تفاوتی با جست‌وجوی معمولی سایت دارد؟
جست‌وجوی کلیدواژه‌ای، همان کلمهٔ پرسیده‌شده را پیدا می‌کند؛ دستیارِ معنایی، مفهوم پرسش را — «قانون مرخصی» و «چه روزهایی اجازه دارم نیایم» به یک سند می‌رسند. تفاوتِ فنی‌اش در جست‌وجوی معنایی آمده.
این مطلب برایتان مفید بود؟
با پسندیدن، به ما کمک می‌کنید مطالب بهتری منتشر کنیم.
