Kitworks AI Connector · База знань і пам'ять
ШІ, який відповідає на основі ВАШИХ документів, а не вигадує
RAG-база знань підключає ваші файли, сторінки та записи Odoo до AI-агента. Він шукає релевантний фрагмент у ваших даних і відповідає на основі нього — замість того, щоб вигадувати. А пам'ять зберігає контекст між сесіями, тож агент не починає кожну розмову з чистого аркуша.
Запросити демо Подивитися на Odoo Apps Store
Працює всередині вашого Odoo 18 · 4 векторні бази на вибір · дані не залишають вашу інфраструктуру
Звичайний ШІ-чат відповідає впевнено навіть тоді, коли не знає відповіді
Він не бачив ваших внутрішніх регламентів, прайсів, інструкцій і карток товарів — тож заповнює прогалини здогадками. Для бізнесу це означає:
- Відповіді клієнтам, яких немає у вашій базі знань — і яких ви не давали.
- Менеджер питає «як оформити повернення за нашим регламентом», а отримує загальну відповідь з інтернету.
- Кожна нова розмова — з нуля: агент не пам'ятає попередніх рішень, уподобань клієнта чи контексту тикета.
Корінь проблеми один: модель не має доступу до ваших даних і не пам'ятає минулих взаємодій. RAG і пам'ять закривають обидві прогалини.
Як це працює — 3 кроки
Індексація знань
Ви створюєте Knowledge Source — файл (PDF, DOCX, текст, HTML), веб-сторінку за URL або записи Odoo (товари, регламенти, статті бази знань) з фільтром за доменом і вибором полів. Система витягує текст і розбиває його на фрагменти з перекриттям.
Пошук релевантного
Кожен фрагмент перетворюється на вектор через embedding-провайдера (OpenAI, Google або локальний Ollama) і зберігається у векторній базі. Коли надходить запит, агент шукає найближчі за змістом фрагменти — за семантикою, а з pgvector ще й у гібридному режимі з точним збігом ключових слів.
Відповідь із джерел
Знайдені фрагменти підставляються у запит до моделі як контекст. Агент формує відповідь, спираючись саме на ваші документи. Налаштовуються кількість фрагментів (top-K) і поріг релевантності, щоб відсікати слабкі збіги.
Можливості
RAG на ваших даних
Джерела трьох типів — файли (PDF, DOCX, HTML, текст), веб-сторінки за URL і записи Odoo з фільтрацією за доменом і шаблоном форматування. Пайплайн «витягти → розбити → векторизувати» з контролем стану кожного джерела.
4 векторні бази на вибір
pgvector (всередині вашого PostgreSQL, без зовнішніх сервісів, підтримує гібридний пошук), FAISS (локальні файли, без сервера — для простих інсталяцій), ChromaDB і Qdrant (окремі сервіси для більших обсягів). Однаковий код агента — змінюється лише бекенд.
Embedding-провайдер під вашу політику
OpenAI, Google або Ollama. Ollama працює локально — тексти на векторизацію взагалі не залишають вашу мережу.
Гібридний пошук
На pgvector семантична близькість поєднується з повнотекстовим пошуком за ключовими словами — точні терміни, артикули, назви моделей знаходяться надійніше. Вага ключових слів налаштовується.
Пам'ять між сесіями
Модуль розмовної пам'яті зберігає історію діалогу й підтягує її в наступних сесіях у межах токен-бюджету (sliding window). Окремо доступна когнітивна пам'ять Aura — вона запам'ятовує вподобання, рішення й факти з минулих розмов.
Ізоляція даних
Векторні сховища і джерела знань розмежовані за компаніями, доступ — за ролями користувача/менеджера ШІ.
Сценарії використання
Підтримка клієнтів з власної бази знань (eCommerce, сервіс)
Підключіть інструкції, FAQ, умови повернення й доставки як Knowledge Source. Агент відповідає клієнтам словами вашого регламенту — без вигаданих умов. З пам'яттю він тримає контекст усього діалогу, а не окремих повідомлень.
Внутрішні регламенти й онбординг (інтегратори, виробництво)
Завантажте процедури, політики й технічну документацію. Працівник питає «як ми оформлюємо це за нашим процесом» — і отримує відповідь саме за вашими документами, а не загальну. Окремі сховища для різних команд через розмежування за компаніями.
eCommerce-каталог як джерело знань
Індексуйте товари прямо з Odoo: вибір полів (назва, опис, характеристики, наявність) і фільтр за доменом. Агент консультує по асортименту на основі актуальних карток товарів, а не статичного експорту.
Як це виглядає в Odoo
Картка Knowledge Source у стані «ready» поряд із чатом агента, що відповідає з підставленого контексту.
У картці видно прив'язаний vector store і embedding-провайдера. Поряд — діалог, де відповідь агента спирається на фрагмент із вашого джерела.
Часті запитання
Так. RAG працює всередині вашого Odoo, векторні бази pgvector і FAISS взагалі не потребують зовнішніх сервісів — дані лишаються у вашому PostgreSQL чи на вашому диску. Якщо обрати локальний embedding-провайдер Ollama, тексти не виходять за межі вашої мережі. Доступ розмежований за компаніями й ролями.
pgvector — для більшості інсталяцій: усе в PostgreSQL, без окремого сервера, плюс гібридний пошук. FAISS — для простих локальних сценаріїв без зовнішніх залежностей. ChromaDB і Qdrant — коли потрібен окремий масштабований сервіс під великі обсяги. Бекенд можна змінити без переписування логіки агента — на демо підкажемо оптимальний під ваш кейс.
RAG шукає факти у ваших статичних документах і записах («що написано в інструкції»). Пам'ять зберігає контекст самих розмов — попередні рішення, вподобання, історію діалогу («що цей клієнт уже казав»). Їх можна вмикати разом на одному агенті: RAG дає фактологічну опору, пам'ять — безперервність контексту.
Так. Джерело типу «записи Odoo» бере дані напряму з будь-якої моделі — з фільтром за доменом, вибором потрібних полів і опційним шаблоном форматування. Перевекторизацію можна запускати вручну, причому інкрементально — незмінений контент не обробляється повторно.
Ні. Усі джерела одного агента мають працювати на одному векторному бекенді (наприклад, лише pgvector) і з одним embedding-провайдером — це потрібно, щоб вектори різних джерел були сумісні між собою під час пошуку. А ось у різних агентів бекенди можуть відрізнятися.
Підключіть ваші дані до ШІ за кілька кроків
Покажемо на демо, як індексувати ваші документи й записи Odoo,
який векторний бекенд обрати під ваш масштаб і як налаштувати пам'ять агента. Доступно окремими модулями або у складі AI-bundle
— деталі на Apps Store.
Читайте також
- Огляд Kitworks AI Connector → — хаб усіх ШІ-рішень для Odoo
- ШІ-агенти для Odoo → — агенти, які використовують цю базу знань і пам'ять
- Природномовний пошук по Odoo →
- Підтримувані AI- та embedding-провайдери → — OpenAI, Google, Ollama тощо
- Пошук за змістом у базі знань (RAG) →
- Пам'ять агента між сесіями →
- Ціни на ШІ-модулі → — вартість окремого модуля і повного пакета
- Запросити демо → — форма запиту демонстрації
- RAG / Memory / Aura на Odoo Apps Store → — окремі модулі або AI-bundle