Сегодня мы запускаем самообучающееся обогащение контекста (в предварительной версии) и обновленный интерфейс Knowledge Studio (в предварительной версии) в Каталоге знаний — контекстном движке Google Cloud для агентов. Основываясь на существующем обогащении на базе Gemini в Каталоге знаний, самообучающееся обогащение анализирует взаимодействия агентов и пользователей, чтобы выявлять пробелы и поддерживать бизнес-контекст точным и актуальным. Knowledge Studio — это новый командный центр для инженеров контекста и специалистов по управлению данными, позволяющий в разговорной форме исследовать массив данных, перемещаться по визуальному графу контекста и просматривать предлагаемые изменения графа контекста перед их публикацией для пользователей и агентов.

Агент хорош ровно настолько, насколько хороши общекорпоративные определения, правила и связи, на основе которых он рассуждает — то есть контекст. Именно поэтому курирование контекста стало одной из важнейших дисциплин в корпоративных возможностях агентов. Сегодня большая часть этой работы выполняется вручную. Инженеры контекста пишут промпты и маппинги для каждого агента отдельно, в то время как специалисты по данным пытаются вручную поддерживать актуальность определений среди тысяч ресурсов. Но этот подход перестает работать, когда организации переходят от нескольких агентов к тысячам и в конечном итоге миллионам.

Самообучающееся обогащение в Каталоге знаний на базе Gemini превращает это ручное обслуживание в непрерывный цикл обратной связи. Анализируя взаимодействия агентов и пользователей, оно определяет отсутствующий или устаревший контекст и извлекает проверенные определения из руководств, репозиториев кода и бизнес-документов в управляемые повторно используемые наборы контекста. Затем, благодаря оптимизированному поиску, каждый агент получает именно тот контекст, который ему необходим, вместо того чтобы анализировать перегруженные промпты и сырые схемы, а также извлекает выгоду из общего обучения по всей организации. Согласно внутренним тестам, Каталог знаний делает ИИ-агентов почти в 4 раза точнее, сокращает задержку до 33% и использует до 75% меньше токенов.

Поддерживайте контекст актуальным с помощью самообучающегося обогащения на базе Gemini

Рассмотрим простой вопрос к агенту Gemini: «Какова была чистая выручка в регионе EMEA в прошлом квартале?» Чтобы ответить на него правильно, нужно знать, как ваша компания определяет чистую выручку, в каких таблицах хранятся данные о бронированиях и как они объединяются. Однако эти знания обычно разбросаны по финансовому руководству в Google Docs, модели данных в GitHub и странице Confluence. Статические каталоги предполагают, что эксперты в предметной области вручную собирают и обновляют бизнес-определения, метрики и другой контекст заранее, чтобы агент мог эффективно запрашивать нужные данные. Однако на практике у экспертов редко есть время документировать каждый ресурс, и в тот момент, когда финансовый отдел меняет правила учета партнерских бонусов в следующем квартале, статические определения устаревают, и каждый агент с жестко зашитой формулой начинает выдавать неверный ответ.

Функция обогащения в Каталоге знаний работает там, где вы уже храните свои бизнес-знания: в каждом документе, репозитории и таблице вашей команды. Она подключается к вашим структурированным данным из собственных и сторонних источников, а также к неструктурированным данным в Cloud Storage, Google Workspace, GitHub, Confluence и SharePoint. Она находит, извлекает, собирает и поддерживает эти бизнес-знания для вас, связывая неструктурированные источники (такие как руководства и вики-страницы) и их контекст со структурированными метаданными в Каталоге знаний (такими как таблицы и схемы), что делает ваши структурированные данные гораздо более доступными для поиска и использования. По запросу или по расписанию система предлагает бизнес-определения, описания таблиц и столбцов, правила соединения (join), эталонные запросы и специфичные для задач инструкции для агентов, причем каждое предложение сопровождается ссылками на источник и оценкой степени уверенности. При каждом запуске она обнаруживает изменения в источнике, удаляет устаревшие определения и помечает конфликты для проверки.

Система обучается как на основе взаимодействий пользователей, так и на основе действий агентов. Вы можете настроить обогащение для анализа трафика взаимодействий от агентов Gemini, инструмента Conversational Analytics в BigQuery или ваших собственных агентов с одновременным скрытием персональных данных (PII). Система определяет, где агенты испытывали трудности (например, при двусмысленном поиске столбцов, использовании неподтвержденных метрик, отсутствии определений или когда пользователи перефразируют один и тот же вопрос). Затем она находит авторитетный ответ и подготавливает исправление, чтобы та же ошибка не повторялась дважды. Именно так инженерия контекста успевает за миллионами взаимодействий с агентами, освобождая экспертов от необходимости писать изменения с нуля и позволяя им лишь проверять их.

Настройка задачи обогащения с подключенными источниками, оценкой и самообучением

Автоматизация не означает отказ от контроля. Вы можете в любой момент включить или отключить автопубликацию и задать точный порог уверенности (например, 85%), при достижении которого предложенные изменения одобряются автоматически. Все, что оказывается ниже вашего порога, а также конфиденциальные обновления (например, удаления), превращается в запрос на изменение (Change Request), который специалист по управлению данными должен одобрить, отредактировать или отклонить. Вы также можете предоставить собственный набор для оценки, чтобы протестировать предлагаемые обновления от начала до конца. Каждое изменение регистрируется с полной информацией о происхождении и может быть отменено. И конечно, Google никогда не использует ваши данные для обучения своих моделей.

Просмотр предложений по обогащению, оценок уверенности и различий в изменениях перед публикацией

Задайте правильный контекст для каждой аудитории с помощью наборов контекста

По своей сути корпоративный граф контекста довольно обширен, но для конкретной задачи агентам и пользователям часто нужен лишь правильный и доверенный его сегмент. Каталог знаний достигает этого с помощью наборов контекста — курируемых, управляемых подмножеств графа контекста, которые содержат определения, метрики, логику объединения и эталонные запросы для конкретного домена, команды, агента или группы конечных пользователей. Например, агент по продажам может быть привязан к набору контекста «Продажи», а помощник финансового аналитика — к набору контекста «Финансы». Поскольку термин «чистая выручка» может вполне легитимно означать разные вещи для каждой группы, каждый домен поддерживает собственные определения в одном и том же каталоге. Тем не менее, агенты не обязательно должны быть привязаны только к одному набору: благодаря поиску в Каталоге знаний агент также может динамически искать и находить правильный набор контекста для любой заданной задачи.

Наборы контекста также обеспечивают встроенное управление данными (governance) и детализированный контроль доступа. Доступ к каждому набору контекста управляется с помощью IAM, поэтому специалисты по данным решают, какие агенты и пользователи могут читать, использовать или редактировать его. Агенты извлекают контекст только из тех наборов, на использование которых у них есть разрешение, а доступ к базовым данным по-прежнему подчиняется вашим существующим правам. Любое обновление поддается отслеживанию и может быть отменено, а поскольку наборы контекста создаются на основе формата Open Knowledge Format (OKF), вы можете импортировать пакет OKF в качестве набора контекста и экспортировать его обратно в формат OKF, обеспечивая переносимость вашего контекста.

Утвержденные обогащения, опубликованные в управляемом наборе контекста

Исследуйте все и управляйте этим в Knowledge Studio

Все эти возможности объединены в обновленном интерфейсе Каталога знаний, созданном для инженеров контекста и специалистов по данным, которые занимаются курированием и управлением контекстом для агентов.

Визуальная навигация по графу контекста в Knowledge Studio

Новая Knowledge Studio превращает Каталог знаний из хранилища статичных данных в интерактивный командный центр, позволяя вам:

Оценивайте покрытие контекста с первого взгляда: используйте визуальную карту ваших межоблачных данных, от операционных баз данных и хранилищ до семантических моделей, наборов контекста и документации.
Изучайте контекст в диалоговом режиме: задавайте бизнес-вопросы на естественном языке, перемещайтесь по связям в графе корпоративного контекста и наблюдайте, как агенты выстраивают логику на основе ваших метаданных.
Проверяйте и подтверждайте обогащения в едином интерфейсе: изучайте каждое предложенное изменение, ссылки на источники и оценку достоверности. Тестируйте наборы контекста на реальных вопросах, а также одобряйте, редактируйте или отменяйте запросы на изменения с помощью контроля версий в стиле разработки ПО.
Мониторьте процессы обогащения: отслеживайте расписание, результаты, использование токенов и продолжительность выполнения каждой задачи обогащения, а также получайте уведомления по электронной почте по завершении процесса.

Начать работу

Смотреть демо: как самообучающееся обогащение в Knowledge Catalog обеспечивает надежную основу для агентов

Эти функции станут доступны клиентам в ближайшие несколько недель. Зарегистрируйтесь, чтобы запросить немедленный доступ, и ознакомьтесь с документацией для получения пошаговых инструкций.