AI 动力谈天机器人协助用户即时获取常见信息，无需打扰专家。
译自Why Knowledge Management Doesn’t Work，作者 Dev Nag。
DevOps 和渠道团队经常被不断打断作业的音讯所困扰 —— 从已经答复过几十次的一次性问题到恳求获取文档中已经供给的信息：“我该怎么衔接数据库？为什么我的布置不起作用？这个错误是什么意思？”
这种状况不仅仅发生在 DevOps 领域 — 用户们发送很多的安全问题、合规性查询、人力资源恳求等等。没有人乐意糟蹋专家的时刻和精力来答复这些重复性问题，但实际上并没有更好的挑选。
而这些打断的后果远不止答复问题所花费的时刻。还有上下文切换的本钱：UC Irvine 的研究人员发现，一个打断之后，需求通过 25 分钟才能彻底回到之前的使命。还有更严峻的机会本钱，当高影响力的使命被重复的问题抢占，Backlog 变得越来越多时，这些使命被挤压出去。
一遍又一遍的相同问题
DevOps 工程师的作业很大一部分是为他们的渠道、流水线、文档等供给内部支撑。团队经常轮值处理跨多个通信渠道的内部问题。这些轮值班会让 DevOps 工程师和网站可靠性工程师（SRE）远离他们专心于构建使可靠性流程高效一致的东西，这一般导致作业疲惫和人员流失。
尽管 DevOps 团队或许会为开发人员制作文档以便自行获取信息，但大多数人并不乐意手动查找文档（一般存储在不同的知识库中）来找答案。相反，团队谈天是人们现在协作、发问并即时获得有意义答案的当地。
传统知识办理的问题在于它专心于捕获和存储信息。它没有完成知识同享和分发的许诺；相反，这个担负仍然在发问者身上。这导致了 DevOps 团队在团队谈天中被很多音讯所困扰。他们一遍又一遍地收到相同的问题，来自不同的人，这些人没有意识到他们的问题几天前已经在同一个频道中得到了答复。所以他们做着他们一直在做的事情：进入 Slack 或MicrosoftTeams 并提出问题，知道专家会供给正确答案。
衔接人们与正确的知识
人工智能（AI）谈天机器人采用检索增强生成（RAG）和大型语言模型（LLM）是处理这个问题的一种方案。通过从各种来历获取信息 —— 包括谈天频道中以前答复过的问题（包括 Slack 和 Teams）、知识库、GitHub、Notion、Confluence 中的社区生成内容、公司上传的文档、办理员指定的网站等 —— 谈天机器人能够主动、即时地答复重复的问题。发问者不必改变发问方式或发问方位。他们能够在不消耗专家时刻的状况下获取所需信息。
这项技能索引了谈天对话中的非结构化信息，并将其与各种知识库中的结构化知识相结合。这些数据被存储以进行快速语义查找，当查找找到与用户查询匹配或多个匹配时，它会获取相关数据并将其传递回 LLN 以定义最佳呼应。这使得谈天机器人能够答复或许不完整或不准确的问题，总结其发现并引用其来历。这能够节省数小时的时刻和精力，不然将用于手动答复重复的问题。
这也通过将一切最佳实践、操作攻略、流程、已处理的对话和常见问题即时带给任何授权的员工，节省了用户的时刻 —— 一切都在谈天中。信息来到用户手中，而不是需求查找不同的知识库，这是与企业数据交互的高效方式。
这个 AI 谈天机器人并不是要取代人类；它的目的是支撑人们，并消除琐事，让团队能够专心于更高影响力的使命。
想要了解怎么施行一个能够在谈天中主动供给相关信息的谈天机器人，请参阅QueryPal的入门攻略。
本文在云云众生（yylives.cc/）首发，欢迎我们访问。
