База знаний для ИИ-ассистента из того, что уже есть в компании

База знаний для ИИ-ассистента собирается из того, что в компании уже написано: прайса, условий оплаты, доставки и возврата, ответов менеджеров на частые вопросы, регламентов. Получается несколько коротких текстовых файлов, по одной теме в каждом, плюс оглавление и словарь ваших слов. За базу отвечает один человек. Меняющиеся цифры в файлы не копируют, пишут, где лежит актуальное значение. Переписку и другие персональные данные клиентов в зарубежные сервисы не загружают. При сборе данных граждан России закон не допускает записывать и хранить их в базах данных за рубежом, кроме четырёх случаев (ч. 5 ст. 18 152-ФЗ). Готовую базу проверяют на 20-30 реальных вопросах, а ассистенту разрешают отвечать «не знаю» и звать человека.

Новые разборы выходят в Telegram-канале.

Что такое база знаний для ИИ-ассистента и почему он ошибается без неё?

Спросите нейросеть без базы про условия доставки в вашей компании, и она подставит правдоподобные цены, сроки и исключения. Модель тут ни при чём, и умение составлять запросы тут не помогает: у неё нет сведений о вашем бизнесе.

С базой порядок другой. Вы загружаете файлы в сервис, и он заранее делит их на фрагменты заданного размера. Когда приходит вопрос, сервис ищет фрагменты, близкие к нему по смыслу, даже если слова в них другие. Yandex AI Studio и поиск по файлам у OpenAI также ищут по точным словам: артикулу, номеру пункта, имени.

Найденные фрагменты сервис добавляет в контекст модели, то есть в текст, который она видит за один раз вместе с вопросом, и модель пишет ответ по ним. Объём контекста считают в токенах, это кусочки слов. Весь приём называется RAG, от английского retrieval-augmented generation: генерация ответа с опорой на найденное.

Отсюда ответ на частый вопрос, уходит ли в модель вся база при каждом вопросе и нужно ли за это платить (такой вопрос задавали, например, на Хабр Q&A). Если сервис ищет по файлам, в модель уходят только найденные куски. Если поиска нет, файл подаётся целиком. Так, судя по документации, устроена работа с файлами в GigaChat API, программном доступе к модели Сбера для разработчиков: если файл не поместился в контекст, API отвечает ошибкой. Сколько стоит поиск, разобрано в разделе про свой RAG.

База сама по себе ошибок не отменяет. На форуме OpenAI пользователь загрузил в свой GPT текстовый файл примерно на 20 страниц: бот то отвечал точно, то сочинял и при этом ссылался на тот же документ. Правила для гостей он пересказал общей фразой, хотя в файле стояло точное число дней.

Скотт Барнетт с соавторами разобрали три внедрения таких систем и описали семь мест, где ломается ответ. Среди них: ответа в базе нет, а система отвечает; нужный документ не попал в найденное; модель не вытащила ответ из-за шума и противоречий; ответ вышел слишком общим. Часть этих поломок зависит от модели и настроек сервиса. Другая часть начинается в самой базе: с устаревших версий, дублей и противоречий, которые мешают найти верный кусок.

Что из уже имеющегося в компании годится в базу?

Начинать с чистого листа не нужно. Интеграторы советуют опираться на живые переписки и ответы сильных менеджеров, так пишет, например, Евгения Гришина в разборе на vc.ru. По перепискам видно, о чём клиенты спрашивают на самом деле. У каждого материала есть часть, которая нужна ассистенту, и часть, которую в базу нести не стоит.

Мне этот список знаком по прошлой компании. Для отдела продаж нам понадобилось подготовить 26 пунктов, среди них книгу продаж, 42 регламента и лист нарушений требований регламентов. У каждого сотрудника в меню рабочей системы была кнопка «База знаний», а каждый вопрос в системе задач полагалось закрывать с описанием решения.

Когда я описал одну из должностей и занёс это в регламенты и во внутреннюю академию, новый сотрудник за неделю полностью изучил эти материалы. До этого наём на ту же должность проваливался. Регламент у нас описывал ситуацию-отклонение: как вести себя правильно, как не надо и почему.

Но и академия спасала не всегда: сотрудники, бывало, всё равно делали по-своему. Сейчас ту же регламентацию можно отдать ассистенту. То, что раньше писали для людей, годится и для него. Нейросеть готовят так же, как нового сотрудника, только базой, к которой у неё есть доступ. И 42 регламента для старта не нужны. Хватит одной страницы: чем вы занимаетесь и для кого, что продаёте, как отвечаете на частые вопросы.

С базы знаний начинается ассистент, который отвечает от имени компании. С каких материалов начать базу в вашей компании, можно разобрать на консультации.

Что в базу класть нельзя?

Пароли и ключи доступа

В базу для ассистента пароли и ключи доступа не записывают. Если они где-то нужны, в базе пишут только, где они хранятся. Ассистенту, который отвечает клиентам, не нужно и этого. Всё, что лежит в базе, может попасть в ответ. Если ассистент отвечает сотрудникам, то же касается зарплат и документов, которые видит не каждый.

Меняющиеся цифры

Цены, остатки, сроки и график работы меняются. Если переписать их в карточки базы, со временем часть карточек разойдётся с прайсом, и ассистент уверенно назовёт старую цену. Поэтому в моей базе у меняющейся цифры есть только адрес: файл или таблица, где лежит её актуальное значение. Записать это правилом пришлось после того, как ассистент несколько раз подряд вписывал числа в карточки.

В компании это выглядит так: в карточке доставки стоимость остаётся ссылкой «стоимость доставки - в прайсе, раздел Доставка». Прайс один, правит его тот, кто меняет цены, и его не копируют. Числа, которые уже не поменяются, записывать можно, например цену выполненного заказа.

Персональные данные клиентов

Переписка с клиентами почти всегда содержит имена, телефоны, адреса. Это персональные данные, и для них в законе есть отдельные нормы:

• ч. 5 ст. 18 152-ФЗ: при сборе персональных данных граждан России их запись, систематизация, накопление, хранение, уточнение и извлечение с использованием баз данных за пределами страны не допускаются. Исключения перечислены в пп. 2, 3, 4 и 8 ч. 1 ст. 6, норма действует в редакции закона 23-ФЗ от 28 февраля 2025 года;
• п. 11 ст. 3 152-ФЗ: трансграничная передача - это передача персональных данных на территорию иностранного государства его органу власти, иностранному физическому или юридическому лицу;
• ч. 3 ст. 12 152-ФЗ: до начала такой передачи оператор обязан уведомить Роскомнадзор; порядок уведомления действует с 1 марта 2023 года;
• ч. 9 и 11 ст. 12 152-ФЗ: в страну без «адекватной защиты» данных передавать нельзя, пока уведомление рассматривают: это 10 рабочих дней, а если Роскомнадзор запросит дополнительные сведения, дольше;
• ст. 13.11 КоАП: по ч. 8 юрлицу грозит штраф от 1 до 6 млн ₽, по ч. 9 за повторное нарушение - от 6 до 18 млн ₽.

Если переписка нужна как материал, из неё до загрузки убирают имена, телефоны, адреса и номера заказов, в том числе внутри самого вопроса, и оставляют вопрос клиента и ответ менеджера. Второй путь - держать базу с переписками на российской площадке, которая хранит данные в России.

Выше - пересказ норм закона со ссылками на первоисточники. Подпадает ли под них ваша база и как оформить обработку данных клиентов на выбранной площадке, уточните у юриста.

Как собрать базу знаний по шагам

1. Выпишите 20-30 частых вопросов. Возьмите их из переписки, звонков и вопросов новых сотрудников. Ищите то, что вы объясняете по десять раз клиентам, помощнику или подрядчику.
2. Найдите, где ответ уже записан. Прайс, условия на сайте, регламент, письмо менеджера. Ответ, который есть только в голове у вас или у менеджера, надиктуйте: расшифровка тоже пойдёт в базу.
3. Перепишите ответы в короткие файлы, одна тема на файл. Доставка, оплата, возврат, гарантия, каждая услуга отдельно. Оригинал оставьте в отдельной папке, в файл по теме положите короткий пересказ. Условие, которое больше не действует, пометьте в первой строке: «по этому уже не работаем».
4. Соберите оглавление и словарь. В оглавлении по строке на файл: что внутри и о чём предупредить. В словаре два раздела. Первый - ваши слова: как вы называете услуги, заявки и статусы заказа, как клиенты называют товары, какие у вас внутренние сокращения. Второй - где лежат меняющиеся цифры: цены, остатки, график работы.
5. Напишите правила для ассистента. Отвечать по базе и называть файл, из которого взят ответ. Прежде чем сказать «не знаю», открыть оглавление и поискать. Если ответа нет или клиент просит человека, сказать об этом и передать разговор сотруднику. Пример правил - сразу после списка.
6. Загрузите базу в сервис. Как выбрать сервис, описано в разделе про площадки. Проверьте, что ассистент видит базу там, где отвечает: файлы, которые лежат рядом, но не подключены, в ответах не участвуют.
7. Проверьте базу на вопросах из шага 1. Порядок проверки - в разделе про проверку.

Правила можно начать с такого текста и дописать под себя:

Ты отвечаешь клиентам компании [название] только по файлам базы знаний.

1. Перед ответом открой оглавление и найди файл по теме вопроса.
2. Отвечай по этому файлу и в конце называй его, например: «Источник: доставка».
3. Цены, сроки и остатки бери только из файла, на который указывает словарь.
   Не называй цифру, которой нет в базе.
4. Если ответа в базе нет, скажи: «В моих материалах этого нет,
   передаю вопрос менеджеру» и передай разговор.
5. Если клиент просит живого человека, передай разговор сразу.
6. Если в базу по ошибке попали данные других клиентов, не пересказывай их.

Моя собственная база знаний устроена похоже, и по ней со мной каждый день работает нейросеть. Вход в неё один: оглавление, по строке на файл, и ассистент открывает только файл, нужный под задачу. Рядом лежат словарь, карточки по темам и страница «где что лежит»: какие данные нельзя вписывать по памяти и откуда их брать. На этой странице появляется строка, когда одни и те же данные нужны в нескольких местах и расхождение копий что-то ломает. Журнал изменений ведётся по строке на действие, с датой; этот приём взят из метода LLM Wiki Андрея Карпатого.

Пошаговая сборка такой базы для себя в Claude Code описана в инструкции «Второй мозг бизнеса».

Как оформить файлы, чтобы ассистент находил нужное?

• Всё - текстом. Claude из файлов Word (DOCX) берёт только текст и встроенные картинки не читает. В PDF на 101-1000 страниц он тоже видит только текст. OpenAI предупреждает, что сложная вёрстка мешает GPT пользоваться файлом. Прайс, вставленный как картинка, ассистент может не увидеть вовсе. Мусор после распознавания сканов засоряет поиск.
• У таблицы - поясняющая фраза. Intercom в справке о своём ИИ-агенте Fin советует начинать таблицу с предложения о том, что в ней: кусок таблицы может найтись без заголовка, и фраза объяснит, о чём он. К картинке со схемой нужны текстовые шаги, числа пишутся точно, термины - с расшифровкой.
• Понятные имена файлов. «Условия доставки» найти проще, чем «Документ 7 финал». В справке Claude это отдельный совет, а Скотт Барнетт с соавторами отмечают, что имя файла рядом с найденным куском помогает модели.
• Ответ - в первых строках. Первой строкой напишите, о чём файл и для кого, дальше ответ, потом детали. В моей базе был длинный файл правил, из которого до модели доходило только начало. Помогло оглавление: теперь ассистент сначала видит короткий список пунктов и открывает нужный.
• Одна тема - один файл, без копий. В разборе TEAMLY, в блоге этой компании на Хабре, условия возврата лежали в трёх документах с разными сроками. Поиск находит все три одинаково, и ответ зависит от того, какой кусок попался. У меня копии одного и того же приходилось править в нескольких местах при каждом изменении.
• Устаревшее - из базы или с пометкой. Для поиска старая версия выглядит так же, как действующая. Уберите её из файлов, по которым ищет ассистент, или пометьте в первой строке, что по ней уже не работают.
• Большой PDF-файл - несколькими короткими файлами. Сервисы режут файл на куски по размеру, и в документации Yandex AI Studio прямо сказано, что смысл при разбиении не учитывается. В разборе TEAMLY такая нарезка рвёт пункт договора надвое. Справка Claude советует делить большие документы, а GigaChat API отвечает ошибкой, если файл не поместился в контекст.
• Частые вопросы - парами «вопрос - ответ». Этот совет дали на форуме OpenAI, в ветке о боте, который при загруженном файле отвечал общими словами.
• В таблицах ячейка не начинается с «+», «=» или «-». Google Таблицы принимают такую ячейку за формулу и показывают ошибку #ERROR!.

Где хранить базу: ChatGPT, Claude, Gemini или российские сервисы?

ChatGPT, Claude и Gemini официально в России не работают: России нет в их списках стран. OpenAI в справке предупреждает, что работа из страны вне списка может закончиться блокировкой аккаунта.

Лимиты и условия в таблице взяты из справок и документации сервисов, проверено 22 сентября 2026 года, ссылки - в разделе «Источники». Тарифы меняются, перед выбором сверьтесь со справкой.

Про Claude есть оговорка. Справка о загрузке файлов требует, чтобы всё содержимое проекта помещалось в контекст модели, а страница о проектах пишет, что на платных тарифах включается поиск и ёмкость растёт до 10 раз. Какая страница точнее, по самой справке не понять, поэтому объём лучше проверить на своих файлах.

Как выбирать:

• По данным. Если в базе будут переписки, подписанные договоры и другие данные клиентов, выбор сужается до российских площадок. У Сбера для компаний есть ещё GigaChat Enterprise («ГигаЧат Бизнес») с облачной, гибридной и локальной установкой, это данные пресс-релиза.
• По объёму. Потолок проекта ChatGPT по справке OpenAI - 40 файлов, на Pro, Business, Enterprise и Edu. Сотни источников держит Gemini Notebook на старших тарифах, до 10 000 файлов берёт Yandex AI Studio. Совет «сделайте свой GPT» к осени 2026 года устарел.
• По тому, где уже идёт работа. Если команда сидит в Битрикс24 на подходящем тарифе и ассистент нужен для ответов сотрудникам, готовому агенту по базе знаний отдельный сервис не нужен.

Оригиналы базы в любом случае держите у себя обычными текстовыми файлами: в браузерный сервис загружается копия. Сменится сервис или нейросеть, и те же файлы можно загрузить в новый.

Нужен ли свой RAG или хватит проекта с файлами?

Anthropic называет порог в 200 тысяч токенов, это около 500 страниц. Для базы меньше этого отдельный поиск не обязателен:

Google в документации Gemini пишет о том же: при большом окне контекста проще сразу дать модели всю нужную информацию, чем строить поиск.

Есть довод и с другой стороны. Исследователи Chroma проверили 18 моделей: чем больше текста модель получает за раз, тем менее надёжен ответ, причём падение неравномерное. Даже один похожий, но неверный кусок ухудшает ответ, а несколько таких кусков - ещё сильнее.

В Alpina Digital в чек-листе для корпоративных систем стоят гибридный поиск, по смыслу и по точным словам, и повторная сортировка найденного: поиск только по смыслу хуже работает на запросах вида «пункт 4.2.1 регламента № 47». Это блог компании, которая такие системы продаёт.

По моей оценке, малому бизнесу со скромным объёмом материалов отдельный поиск, скорее всего, не нужен. Порядок в файлах нужен в обоих случаях, потому что дубли и старые версии поиск находит так же охотно, как верные файлы.

При сборке своего бота за поиск платят отдельно. У Yandex AI Studio инструмент поиска по файлам стоит 300 ₽ за 1000 запросов, хранение индекса 10,6 ₽ в день за гигабайт с НДС, ответ модели оплачивается сверх этого. У OpenAI хранение файлов для поиска бесплатно до 1 ГБ, дальше 0,10 доллара за гигабайт в день, а сам поиск стоит 2,50 доллара за 1000 вызовов (в Responses API); токены модели оплачиваются по её тарифу.

Как проверить, что ассистент отвечает по базе?

По выводу авторов, надёжность наращивается по ходу работы, так что проверка до запуска только первая, дальше её повторяют в работе.

1. Возьмите 20-30 частых вопросов, с которых начиналась сборка базы. Реальные, в формулировках клиентов, с сокращениями и опечатками.
2. Добавьте вопросы, ответа на которые в базе точно нет. Так проверяется поломка, которую Барнетт ставит первой: ответа нет, а система отвечает.
3. Просите ответ со ссылкой на файл или с цитатой строки. Задайте вопрос, на который без базы не ответить, и попросите процитировать строку из файла. Ответ по памяти, без ссылки на источник, проверкой не считается.
4. Сверьте каждый ответ с файлом. Отметьте: ответил верно, ответил общими словами, назвал то, чего в файле нет, не нашёл то, что в файле есть.
5. Правьте по результату. Если в файле два разных срока или нужного нет, исправляется файл. Если файл верный, а ассистент достроил своё, дописывается инструкция.
6. Повторяйте проверку после каждого крупного изменения базы.

Мой демо-бот однажды назвал в переписке срок «час-полтора», которого в источнике не было. На абстрактный запрет «не выдумывай» такой бот реагирует хуже, чем на разбор ошибки на его же репликах прямо в инструкции.

Разрешите ассистенту говорить «не знаю» и звать человека. Комментатор на Хабре пишет, что бот, который не зовёт сотрудника по просьбе клиента, никуда не годится. Агент Битрикс24 по базе знаний, который отвечает сотрудникам, так и устроен: нет ответа - говорит об этом.

Кто и как обновляет базу?

В комментариях к разбору TEAMLY на Хабре поддержку базы называют новой работой, а один из комментаторов - ежедневным сложным процессом. Intercom советует разложить материалы по владельцам и дать каждому проверить свою часть, а устаревшее искать сортировкой статей по дате обновления.

Правило, которое держу у себя: поменялось что-то в работе - тем же движением правлю базу. Сменили телефон службы доставки или условия возврата, сразу правьте карточку. Правка, сделанная только в рабочей системе, там и остаётся, и ассистент о ней не узнает.

Вторая половина работы - пополнение. В моей базе ассистент сам предлагает, что из разговора стоит записать и в какой файл, и записывает только то, на что я ответил «да». Без такого напоминания база пополняется, только когда о ней вспоминают. Автор статьи на vc.ru только через три недели заметил, что память его агентов не пополняется: автоматический сбор он не настроил.

Признаки, что база отстала:

• ассистент называет цену или условие, которых уже нет;
• ответы становятся длиннее, в Alpina Digital это считают ранним признаком того, что система начала портиться;
• у файлов давняя дата обновления, а в работе за это время что-то поменялось.

Какие ошибки ломают базу чаще всего?

• Всё подряд. Дубли и старые версии для поиска выглядят так же, как действующие, и модель цитирует документ трёхлетней давности. В Alpina Digital в одном проекте из 12 000 документов после аудита осталось около 3800, и поиск стал лучше; это цифры из блога компании, проверить их со стороны нельзя.
• Прайс картинкой или сканом. Часть сервисов картинки внутри документов не читает. Распознанный скан приносит в поиск мусор. Как оформить, чтобы читалось, - в разделе про оформление файлов.
• Один PDF-файл на всё. Нарезка по размеру рвёт пункты договора, а целиком такой файл может не поместиться в контекст.
• Переписка с данными клиентов в зарубежном сервисе. При сборе данных граждан России ч. 5 ст. 18 152-ФЗ не допускает записывать и хранить их в базах данных за рубежом, кроме четырёх случаев из ч. 1 ст. 6. Штраф юрлицу по ч. 8 ст. 13.11 КоАП - от 1 до 6 млн ₽.
• Запустили и забыли. Alpina Digital описывает условный сценарий: без замеров качество падает незаметно, добавились новые документы, поменялись старые, и через три месяца ответы хуже, чем на запуске.
• База есть, а ассистент в неё не заглянул. У меня это случалось: в базе было записано, где лежит нужное, а ассистент ответил, что доступа нет. Информация была, он не перешёл по указателю. Поэтому в правилах ассистента порядок такой: сначала открыть оглавление и поискать, потом говорить «не знаю».

Источники

• Projects in ChatGPT, справка OpenAI - число файлов в проекте по тарифам, обучение на данных проектов
• Creating and editing GPTs, справка OpenAI - лимиты своих GPT, их вывод из оборота, совет про сложную вёрстку
• ChatGPT supported countries, справка OpenAI - список стран ChatGPT, предупреждение о блокировке
• File search, документация OpenAI API - поиск по смыслу и по словам
• Pricing, документация OpenAI API - хранение файлов для поиска и цена вызова поиска
• What are projects, справка Claude - проекты на тарифах, поиск по знаниям и ёмкость до 10 раз
• Retrieval augmented generation (RAG) for projects, справка Claude - как проект ищет по знаниям, совет про имена файлов
• Upload files to Claude, справка Claude - 30 МБ на файл, чтение DOCX и PDF, требование уместить проект в контекст
• How large is the context window on paid Claude plans, справка Claude - 1 млн, 500 тыс. и 200 тыс. токенов
• Supported countries, Anthropic - список стран Claude
• Contextual Retrieval, Anthropic - база до 500 страниц целиком в модель
• Переименование NotebookLM в Gemini Notebook, блог Google Workspace Updates - новое имя сервиса с 16 июля 2026 года
• Источники в Gemini Notebook, справка Google - размер источника, Google Таблицы, синхронизация с Диском
• Тарифы Gemini Notebook, справка Google - число источников в блокноте, данные Workspace
• Где доступен Gemini, справка Google - список стран Gemini
• Long context, документация Gemini API - дать модели всё сразу при большом окне
• Поиск в Yandex AI Studio - поиск по файлам, свои куски до 8000 символов
• Vector Store в Yandex AI Studio - 10 000 файлов по 128 МБ, гибридный поиск, нарезка без учёта смысла
• Цены Yandex AI Studio - 300 ₽ за 1000 запросов, 10,6 ₽ в день за ГБ
• Работа с файлами в GigaChat API - форматы, 40 МБ, ошибка 422
• Сбер представил GigaChat Enterprise, CNews - варианты установки, пресс-релиз
• Агент для поиска по базе знаний, справка Битрикс24 - как работает агент, тарифы
• BitrixGPT, справка Битрикс24 - выбор модели, хранение данных для отладки
• 152-ФЗ, ст. 3 - понятие трансграничной передачи
• 152-ФЗ, ст. 12 - уведомление Роскомнадзора, срок рассмотрения
• 152-ФЗ, ст. 18 - запрет баз данных за рубежом для данных граждан России
• КоАП, ст. 13.11 - штрафы по ч. 8 и 9
• Трансграничная передача, Роскомнадзор - порядок уведомления с 1 марта 2023 года
• Seven Failure Points When Engineering a RAG System, Barnett и соавт. - семь мест, где ломается ответ, проверка в работе
• Context Rot, Chroma - надёжность ответа падает с длиной входа
• Optimizing content for Fin, Intercom - владельцы разделов, таблицы и картинки, дата обновления
• RAG в enterprise, Alpina Digital на Хабре - чистка базы, гибридный поиск, признаки деградации
• Разбор TEAMLY на Хабре - противоречивые документы, нарезка договора, комментарии о поддержке базы
• Вопрос на Хабр Q&A - уходит ли вся база в модель и платят ли за индексацию
• Обсуждение на Хабре - комментарий о том, что бот должен звать человека
• Ветка на форуме OpenAI - бот сочиняет и отвечает общими словами при загруженном файле
• Как создать базу знаний для ИИ-агента в бизнесе, Евгения Гришина на vc.ru - живые переписки как материал базы, страница интегратора
• Статья об общей памяти агентов, vc.ru - три недели без пополнения памяти

Если после сборки базы останется вопрос, какого ассистента поставить поверх неё и куда его встроить, это можно обсудить на консультации.