cosai · Документация
Начало работы

Что такое cosai

Платформа, которая превращает документы компании в рабочих AI-агентов.

cosai — платформа, которая превращает документы и знания компании в работающих AI-агентов: продавцов-консультантов, помощников поддержки, копилотов для менеджеров. Вы загружаете свои материалы, платформа собирает из них базу знаний, а дальше агент отвечает клиентам, опираясь именно на эту базу — а не на общие представления модели о мире.

Как это устроено на практике

  1. Загрузка знаний. Вы загружаете документы компании (каталоги, регламенты, инструкции, прайсы) в базу знаний. Платформа сама разбирает файлы, режет на смысловые фрагменты и превращает в поисковый индекс.
  2. Сборка агента. Агент собирается из готовой роли (продавец, поддержка, копилот менеджера), персоны (как он говорит) и, при необходимости, скиллов — готовых блоков компетенций вроде «работа с возражениями» или «подбор аналога».
  3. Проверка качества. Прежде чем агент попадёт к клиентам, платформа прогоняет его через автоматическую проверку (eval-гейт): задаёт ему контрольные вопросы и оценивает, отвечает ли он строго по базе знаний, ставит ли ссылки на источники и честно ли признаёт, если ответа нет.
  4. Внедрение. Проверенного агента подключают на сайт чат-виджетом, в свою систему через REST API или в AI-клиенты через MCP.

Чем это отличается от «просто ChatGPT»

  • Свои знания, а не общие. Агент отвечает по документам вашей компании, а не по интернету в целом.
  • Изоляция данных. Знания и диалоги каждой организации физически недоступны другим организациям на платформе — агент не может «случайно» подсмотреть чужую базу.
  • Контроль качества до запуска. Агента нельзя опубликовать, если он не прошёл автоматическую проверку ответов на обоснованность.
  • Контур данных. Для организаций, которым важно, чтобы данные не покидали Россию, есть контур rf — такой тенант работает только с российскими моделями (YandexGPT, GigaChat) и не может обратиться к зарубежным.
  • Смена модели без потери знаний. Знания живут в базе знаний, а не «внутри» модели, поэтому генеративную LLM можно сменить в любой момент — агент не начинает отвечать хуже и не требует переобучения.

Подробнее о терминах — в разделе Ключевые понятия.

On this page