База знаний GetMyBot

Источники знаний

Как дать ИИ ваши инструкции, статьи и файлы, обновить их и проверить, что агент найдёт по вопросу клиента.

На этой странице

Чтобы AI-агент отвечал по вашим правилам, добавьте материалы: условия доставки, описание курсов, инструкции или прайс. Каждый такой набор называется источником знаний. Источники находятся в разделе База знаний → Источники.

После добавления платформа извлекает текст и подготавливает его для поиска. Это называется индексацией. Во вкладке Проверка поиска задайте вопрос клиента и посмотрите, какие фрагменты получит агент. Например, вопрос «Можно ли вернуть оплату?» должен находить ваши условия возврата.

Источник нужно добавить и выбрать для конкретного агента в разделе ИИ-ответы и AI-агент. Само наличие файла или статьи в аккаунте не даёт агенту доступа к ним. Для сайтов можно задать расписание обновления; остальные типы обновляются при изменении или вручную.

Типы источников

  • Статья базы знаний: существующая статья этого бота. Опубликованные статьи становятся публичными источниками, внутренние доступны только для агента, а черновики не дают искомого содержимого вообще.
  • Сайт: страницы по разрешённым адресам, которые GetMyBot читает автоматически.
  • Файл: загруженный PDF, документ Word, Excel, PowerPoint, текстовый, Markdown- или HTML-файл.
  • Инструкция: короткий текст правила, который вы пишете сами, например условия возврата, которых агент обязан придерживаться.
  • Факт: отдельный сохранённый факт по его идентификатору.

Название источника ограничено 120 символами, а вся конфигурация источника, включая текст инструкции, ограничена 64 КБ.

Доступность и приоритет

У каждого источника одна доступность:

  • Для AI-агента: находит только агент.
  • Для операторов: зарезервировано для операторского поиска.
  • Публичный: может участвовать и в публичных страницах, например в центре помощи.

Файлы, инструкции и факты не бывают публичными: публичной может стать только опубликованная статья базы знаний. Проверка доступа выполняется до поиска, поэтому агент с доступом только к публичным материалам не получит внутренний фрагмент.

Приоритет задаётся от −100 до 100 и помогает выбрать между одинаково подходящими фрагментами. При равной оценке выше окажется источник с большим приоритетом. Более точное совпадение с вопросом всё равно важнее приоритета.

Источники-сайты

Укажите адреса сайтов, которые GetMyBot вправе читать, например https://example.com, без пути к странице. Адрес с протоколом и доменом называется origin. Их может быть до 20. Затем укажите от 1 до 100 страниц, с которых начать обход. Разрешён только HTTPS.

Обход не выходит за эти границы:

  • Программа обхода представляется как MyBotKnowledge/1.0 и перед чтением проверяет файл правил сайта robots.txt для каждого разрешённого адреса. Запрещённые через Disallow пути она пропускает; задержку Crawl-delay соблюдает до 10 секунд.
  • Переходы делаются только по ссылкам <a href>, которые ведут обратно внутрь разрешённых адресов. Якоря отбрасываются, параметры utm_*, gclid и fbclid удаляются до постановки в очередь, поэтому одна страница не индексируется дважды.
  • Перед каждым запросом адрес сайта снова преобразуется в IP-адрес. Внутренние и служебные адреса (loopback, private, link-local, multicast и адреса метаданных облака) не допускаются. Переадресации проверяются по тем же правилам; их может быть не больше трёх.
  • Запрос обрывается через 15 секунд, тело ответа ограничено 8 МБ, принимаются только HTML, XHTML, простой текст и Markdown.
  • Один источник индексирует не более 100 страниц.

Программа обхода не входит на сайт под учётной записью, не отправляет формы и не загружает скрипты, медиа и вложенные ресурсы. Закрытую паролем страницу так добавить нельзя: опубликуйте материал или загрузите его файлом.

Поле Обновлять каждые (секунды) относится только к сайтам. Значение: от 60 секунд до 366 дней. Статьи, файлы, инструкции и факты по расписанию не перечитываются: они переиндексируются при изменении или по кнопке Обновить.

Загрузка файлов

Файл должен уже лежать в медиатеке этого бота и весить не больше 8 МБ. Принимаются PDF, DOCX, XLSX, PPTX, text/plain, text/markdown, text/html и XHTML.

Извлечение текста намеренно узкое:

  • Из HTML остаются заголовки, списки и тексты ссылок; скрипты, стили, навигация, шапки, подвалы, боковые блоки и шаблоны вырезаются.
  • PDF читается только как текст, не более 100 страниц. Зашифрованные и битые файлы отклоняются целиком, а не разбираются частично.
  • Из Office-файлов читаются только текстовые части документа. Макросы, встроенные объекты и внешние связи игнорируются и никогда не загружаются. Архив должен укладываться в 500 записей, коэффициент сжатия 100:1, 32 МБ в распакованном виде, 200 000 XML-узлов и 500 000 символов текста.

Старые бинарные .doc, .xls и .ppt отклоняются с кодом unsupported_type. Пересохраните их в DOCX, XLSX или PPTX и загрузите заново.

Индексация и статусы

Источник проходит через состояния, которые видны на его карточке:

  • Ожидает индексации: создан или изменён, ещё не обработан.
  • Индексируется: задачу взял обработчик.
  • Готов: текущее содержимое доступно поиску.
  • Нужно обновить: подошёл срок обновления или изменилось содержимое.
  • Ошибка: последняя попытка закончилась кодом ошибки.
  • Отключён: сохранён, но исключён из любого поиска.

При подготовке к поиску GetMyBot делит текст на части примерно по 1 500 символов с перекрытием в 200. Затем получает для них числовые представления смысла, эмбеддинги, пачками по 32. Только после успешной обработки всех частей платформа заменяет прежнюю версию источника новой. Поэтому поиск видит полную старую или полную новую версию, а не частично обновлённый материал. Если содержимое не изменилось, повторная обработка пропускается.

Эмбеддинги создаёт ИИ-интеграция бота (Интеграции) по её базовому URL и ключу. По умолчанию используется модель text-embedding-3-small, которая возвращает 1 536 чисел для каждого фрагмента. Без работающей ИИ-интеграции источник не подготовится к поиску.

В одном источнике не более 100 документов, а в одном документе не более 500 фрагментов. Если обработка прервётся, задача через две минуты сможет перейти другому обработчику, а источник не останется заблокированным. На карточке видны число попыток, обработанные документы и фрагменты, документы с ошибками; кнопка Отменить индексирование останавливает текущую обработку.

Что возвращает поиск

Поиск учитывает и слова вопроса, и его смысл. Поэтому вопрос «Как отдать товар обратно?» может найти статью об условиях возврата. Технически выполняются два поиска:

  1. Лексический ищет совпадающие слова по текстовому индексу PostgreSQL.
  2. Семантический ищет близкий смысл по векторному индексу; мерой близости служит косинусное расстояние.

Оба поиска заранее отсекают материалы других ботов, скрытые для этого поиска источники, отключённые источники и удалённые документы. Затем списки совпадений объединяются по их местам в выдаче методом reciprocal rank fusion. При равном результате учитываются приоритет источника и свежесть обработки в пределах 30 дней. Соседние фрагменты одного документа объединяются.

Результат: не более 12 фрагментов по 800 символов. Длина вопроса ограничена 16 000 символами, а агента можно ограничить максимум 100 конкретными источниками.

Агент сохраняет источник, документ и фрагмент каждой полученной выдержки в порядке ранга. Ответ, который ссылается на что-то другое, отбраковывается до отправки, поэтому в ответе не может появиться ссылка на черновик, скрытый, отключённый или удалённый источник.

Проверка поиска

База знаний → Проверка поиска показывает, что найдёт агент по вашему вопросу, без генерации ответа. Для каждого результата видны источник, заголовок, отрывок текста, оценка совпадения и причина («Гибридное совпадение»). Скрытые служебные сведения не показываются; число проверок за короткое время ограничено для аккаунта.

Пользуйтесь ею до запуска агента: если фрагменты здесь неверные, ответ тоже будет неверным.

Если индексация не удалась

Последняя ошибка сохраняется устойчивым кодом:

  • blocked_address: адрес, редирект или полученный IP вне разрешённых адресов либо ведёт во внутреннюю сеть.
  • robots_denied: путь запрещён в robots.txt.
  • unsupported_type: тип содержимого или формат файла не поддерживается.
  • file_too_large: загрузка или файл больше лимита.
  • expanded_too_large: извлечённый текст, число страниц или содержимое архива выходят за лимиты выше.
  • malformed_file: файл или ответ не удалось разобрать.
  • fetch_timeout: сайт не ответил вовремя.
  • rate_limited: провайдер эмбеддингов ограничил запросы, задача будет повторена.

Устраните причину и нажмите Обновить. В ошибках никогда нет полученного текста, поэтому их можно без опаски пересылать в поддержку.

Удаление, отключение и хранение

Отключить сохраняет настройки, но убирает источник из любого поиска; Включить возвращает его в очередь. Удалить стирает источник вместе с его документами и фрагментами.

Источник, выбранный активным агентом, удалить нельзя: запрос завершится конфликтом. Сначала снимите выбор в агенте или поставьте агента на паузу.

Изоляция

Источники, документы, фрагменты и задачи обработки привязаны к боту. Поиск заранее ограничивается материалами этого бота, поэтому содержимое другого аккаунта не попадает в результаты даже при одинаковом тексте.

API и MCP

REST API использует права knowledge:read и knowledge:write:

  • GET/POST /api/bots/{botID}/knowledge/sources
  • GET/PATCH/DELETE /api/bots/{botID}/knowledge/sources/{sourceID}
  • POST /api/bots/{botID}/knowledge/sources/{sourceID}/upload
  • POST /api/bots/{botID}/knowledge/sources/{sourceID}/refresh
  • POST /api/bots/{botID}/knowledge/sources/{sourceID}/cancel
  • POST /api/bots/{botID}/knowledge/sources/{sourceID}/disable
  • POST /api/bots/{botID}/knowledge/sources/{sourceID}/enable
  • GET /api/bots/{botID}/knowledge/sources/{sourceID}/index-status
  • GET /api/bots/{botID}/knowledge/sources/{sourceID}/documents
  • POST /api/bots/{botID}/knowledge/retrieval-test

В MCP доступны только инструменты чтения: list_knowledge_sources, get_knowledge_source_status и test_knowledge_retrieval. Инструмента, который меняет источник или скачивает скрытые документы, в MCP нет.

Связанные материалы