Los LLM han facilitado la búsqueda de información disponible en Internet abierto mediante la respuesta de preguntas simples. Sin embargo, para los equipos técnicos que trabajan en una empresa o en un proyecto de código abierto, es difícil encontrar conocimientos técnicos. Las preguntas típicas van desde la configuración del desarrollo, la depuración de problemas o la resolución de problemas de producción. Las aplicaciones de documentación recomendadas como Wikis y Docs suelen estar desactualizadas. Los equipos confían cada vez más en los canales flojos para hacer preguntas y rezan para que un SME (Experto en la materia) responda la pregunta a tiempo.
Nuestro equipo fundador decidió resolver este problema mediante la creación de un asistente de inteligencia artificial que puede comprender todo el conocimiento compartido del equipo que reside en Slack, Docs, Wikis, etc. y un asistente de preguntas y respuestas simple que puede responder las preguntas de los desarrolladores de manera rápida y precisa.
Aún más emocionante es que estamos construyendo este asistente como un proyecto de código abierto. Creemos firmemente que el problema del desarrollador lo entienden mejor los propios desarrolladores y empoderarlos para usar y mejorar la herramienta es la mejor manera de crear un producto excelente y utilizable.
Estamos dando los toques finales al lanzamiento de un proyecto público de github, que pronto estará disponible para contribuciones. Así que estad atentos. Pero aquí hay un adelanto de alto nivel en la pila técnica.
- Conectores de datos: este módulo ayudará a cargar datos de conocimiento de aplicaciones como Slack, Discord y Wikis.
- Agrupación de texto: esta es la base del sistema que agrupa el contenido relacionado en subdocumentos.
- Incrustaciones y búsqueda semántica: los subdocumentos se asignan a incrustaciones y se almacenan en una base de datos vectorial, lo que permite la recuperación de subdocumentos relevantes en función de lo que se pregunta en la pregunta.
- Motor de relevancia: modelo de aprendizaje automático que clasifica los subdocumentos según las características contextuales además de la similitud semántica.
- LLM: Las capacidades de razonamiento y resumen de los LLM se utilizarán para dar formato a las respuestas de los documentos top-K devueltos por la búsqueda semántica.
El asistente se puede utilizar inicialmente de dos formas:
- API: API que toman preguntas y otro contexto y devuelven respuestas como respuesta. Esto ayudará a los desarrolladores a integrar las API en diferentes aplicaciones a las que están acostumbrados.
- Slackbot: siendo Slack una herramienta de comunicación popular para desarrolladores, la plataforma ofrecerá slackbot que puede integrarse en su espacio de trabajo de slack y configurarse para responder automáticamente preguntas a canales públicos.
Al ser un proyecto de código abierto, queremos empoderar a los desarrolladores para que resuelvan sus puntos débiles y hagan que el trabajo sea más fácil y divertido para todos.
La mejor manera de mantenerse al día es seguir la página de nuestra empresa en LinkedIn para obtener nuevas actualizaciones: https://www.linkedin.com/company/unifyiq/