1С:МинДок | Экосистема
Официальное сообщество 1С:МинДок (1С:Министерство.Документооборот)
• Прямой диалог с продуктовой командой «1С»
• Реальные кейсы и лучшие практики
• Полезные фичи, инструкции и анонсы
Для практиков, экспертов и руководителей.
- Channels in category
- 1 780
- This channel's rank
- № 712
The section failed to load.
The data did not refresh — the previous period is still shown.
Dashboard
25 October — 31 October 2026
Loading…
Audience growth
0subscribers in the period
The number of subscribers did not change in the period
Quality index
Views and reach
Subscriber engagement
Citation index
The citation index has not been calculated yet: it will appear after the nightly calculation once other channels mention the channel.
When and how much it posts
Post formats
Every post is a dot
Higher means more views, bigger means more reactions. Click a dot to open the post.
Period totals
Click a metric to see it across the period below
Ads in the channel
Top posts
By views for the period
Posts by day
Pale bars are days, the line is the 7-day average: you can see whether the channel is speeding up or slowing down
Data updated at 01:53 Moscow time. Views are the current counts of posts published on those days; average reach counts posts older than two days. How the quality index is calculated
Posts for the period
Loading…
Когда мы задаём вопрос в ИИ:Чате в 1С:МинДок, за привычной строкой могут скрываться совершенно разные задачи:
«Найди документ по номеру» — здесь нужен точный поиск.
«Что говорится в документах об обучении сотрудников?» — здесь важно найти материалы по смыслу и разобраться в их содержании.
Для решения этих задач наш ИИ:Чат использует разные механизмы поиска.
⚙️ Как это работает?
1️⃣ Анализ запроса. Система определяет, что нужно пользователю: список документов, их количество или содержательный ответ. Учитывает номер, период, автора, тему и контекст предыдущего диалога. Если информации недостаточно, задаёт уточняющий вопрос.
2️⃣ Выбор способа поиска. Точные условия и реквизиты обрабатываются через PostgreSQL. Для поиска по смыслу используется Qdrant — поисковый индекс, который помогает находить подходящие фрагменты документов, даже если формулировки в запросе и тексте различаются.
3️⃣ Совместная работа механизмов. Поиск по точным условиям и по смыслу может дополнять друг друга. Например, сначала система отбирает документы за определённый период, а затем анализирует их содержание.
4️⃣ Проверка прав доступа. Прежде чем использовать найденные материалы, помощник проверяет, есть ли у пользователя доступ к соответствующим документам.
5️⃣ Формирование ответа. Если достаточно списка, помощник показывает найденные документы. Если нужен содержательный ответ, найденные фрагменты передаются языковой модели, которая формирует ответ со ссылками на источники.
🧩 В этом и заключается подход RAG: сначала понять запрос, затем найти доступные и релевантные материалы и только после этого сформировать ответ на их основе.
Именно сочетание поиска по данным, семантического поиска и возможностей языковой модели позволяет ИИ:Чату работать с документами, а не просто отвечать на вопросы.
💬 Есть вопросы или идеи? Пишите в комментариях
Дистрибутив | ДемоБаза | БазаЗнаний | ✉️ boss@1c.ru
Loading…
Loading…
Loading…
Loading…
Loading…
Loading…
Loading…
Loading…