бот для сотрудников по pdf регламентов, чтобы не уезжало в облако

Здравствуйте. Я из HR, и у нас копятся регламенты, инструкции, положения — всё в pdf, и сотрудники вечно спрашивают одно и то же: «а сколько дней на заявление», «а как оформить отпуск». Хочется бота, который отвечал бы по нашим же документам, чтобы люди не дёргали кадры по кругу и не путали устаревшие версии.
Но есть принципиальное: это внутренние документы, часть с персональными данными, и загружать их в chatgpt нельзя. Читала тут ветки про юрфирму и клинику — поняла, что задача похожая. Реально ли собрать такого бота на своём сервере, чтобы регламенты никуда не уходили? И насколько сложно потом поддерживать, когда документы обновляются?

zhanna_hr здравствуйте, задача очень знакомая — у нас юрфирма, тот же принцип «наружу нельзя». Отвечу как нетехнарь нетехнарю: да, реально, и это ровно то, ради чего стоит свой сервер. Документы грузятся только к вам, бот отвечает по ним, в интернет ничего не уходит. Обновление документов — просто подгружаете новую версию, это не «переписать бота». Тут masha_spb и tema_py вам предметно подскажут по вечеру, они по ботам и моделям, а я — что не бойтесь, оно работает, у нас младшие пользуются каждый день.

zhanna_hr по технической части коротко, пока подтянутся остальные: регламенты в pdf → поиск по ним (RAG) + модель для ответа, всё локально. Важное для вашего случая: включите показ источника, чтоб бот отвечал «отпуск — по положению N, пункт такой-то», а не пересказывал своими словами, иначе сотрудник запомнит неточность. И версии документов: держите одну актуальную, старые убирайте из базы, а то бот будет цитировать прошлогоднее. Бот на polling, доступ внутренний — но это уже вечерний разговор с теми, кто по ботам.

zhanna_hr привет и добро пожаловать) я как раз по ботам. По сути тебе нужен не «умный бот с нуля», а связка: поиск по вашим pdf + модель для ответа, всё на своём сервере. Бот на python, polling (не webhook, для внутреннего бота за глаза), доступ только внутри — сотрудники из офиса/через туннель. Регламенты обновляются — подгружаешь новую версию в базу, бота не трогаешь. Могу накидать минималку, там немного.

zhanna_hr привет) добавлю к tema_py по «мозгам» бота: для регламентов на русском хватит qwen2.5 7b на Heka, gpu не нужен. Главное для HR — точность и версии. Три вещи заложи сразу:
1. Показ источника: бот отвечает «отпуск — по Положению об отпусках, п.4», а не пересказом. Иначе сотрудник запомнит неточность и придёт к тебе же.
2. Одна актуальная версия документа в базе, старые убирай, иначе процитирует прошлогоднее.
3. «Отвечай только по регламентам, нет ответа — скажи, что нет и отправь к кадрам». Лучше честное «не нашла», чем выдуманный пункт.
С этим бот снимет 80% повторных вопросов, а спорное всё равно к тебе. Сколько примерно документов?

zhanna_hr я держу бота модерации для чата, так что по «боту для людей» подскажу бытовое: сделай кнопки с частыми темами (отпуск, больничный, заявление), а не только свободный ввод — половина спросит по кнопке и не будет мучить ни бота, ни тебя. И лог вопросов посматривай: увидишь, что реально спрашивают, и какие регламенты дописать.

Спасибо большое всем) tema_py за минималку буду признательна, с нуля я точно не соберу. masha_spb показ источника и «честное не нашла» — это прямо то, что нужно, а то я боялась, что бот начнёт сочинять и сотрудники будут путать ещё сильнее. Документов десятка полтора основных регламентов. hopstop про кнопки — отличная мысль, у нас 80% вопросов это три темы. Пойду собираться с духом, но уже не так страшно.

zhanna_hr скинул тебе в личку минималку бота на python (polling + поиск по pdf через ту же связку, что маша описала). там реально немного: складываешь регламенты в папку, бот индексирует, отвечает с указанием документа и пункта. кнопки под три частых темы прикрутил, как hopstop советовал. запустишь — пиши, если где споткнёшься, вечерами я тут.

tema_py спасибо огромное, получила) буду разбираться на неделе, с наскока боюсь. То, что бот показывает, из какого положения ответ, — прямо снимает мой главный страх, что он сотрудникам напридумывает. Если что — вернусь с вопросами, вы тут терпеливые, я заметила.

Вернулась с вопросом уже по документам. Нашла два положения с одинаковым названием: одно старое, второе после изменений. Если оба положить боту, он ведь может взять срок из старого? Думаю пока оставить только действующие, а архив хранить отдельно. Как потом понять, что сотрудник получил ответ именно по новой редакции?

zhanna_hr я бы прямо в ответе показывал дату редакции и пункт. Одного названия мало: у нас названия документов тоже годами не меняются. И человеку должно быть понятно, кому задать вопрос, если источник не открывается или ответ вызывает сомнение. Иначе мы просто переносим очередь из кадров в переписку с ботом.

zhanna_hr да, начни с отдельной папки действующих редакций. При замене файла важно убрать из поиска и старые фрагменты, иначе старый pdf исчез, а ответ из него остался. Проверку сделай на одном пункте, который точно поменялся: спроси его до замены и после. Без настоящих персональных данных в тесте.

zhanna_hr хороший тест предложил Артём. Добавь к нему вопрос, ответа на который в действующей редакции вообще нет. Проверишь сразу две вещи: старый пункт больше не всплывает, а бот умеет остановиться, когда материала не хватает. Ответ со ссылкой тоже нужно сверять с самим пунктом, ссылка не гарантирует правильный пересказ.

masha_spb собрала набор вопросов: по изменённому пункту, по старому документу и один, которого у нас в положениях нет. Уже сама заметила противоречие между двумя действующими файлами. Похоже, сначала придётся договориться внутри отдела, какой правильный, а потом звать бота на помощь.

zhanna_hr это полезная находка ещё до запуска. Если в источниках два действующих противоречащих правила, модель не должна выбирать, какой отдел прав. Такой случай хорошо оставить в проверочном наборе: пусть показывает оба фрагмента и просит уточнение у ответственного.

igor_kzn договорились внутри отдела: у каждого положения будет ответственная фамилия и дата редакции. Старые пока убираем из рабочей подборки. Проверочные вопросы сохраняю отдельно — чтобы после очередного обновления документа заново не придумывать, на чём проверять.

masha_spb спасибо за оговорку в соседнем обсуждении про внешние подключения. Добавила вопрос специалисту, который будет помогать с запуском: что именно отправляется наружу и куда. До этой проверки возьмём только вымышленные примеры документов. Рабочие положения пока оставляю в обычной папке.

zhanna_hr, дополнительный тест — запретить исходящие соединения во внешнюю сеть, сохранив связь между локальными компонентами, и проверить загрузку документа и ответ. Затем посмотреть журнал блокировок. Ошибка сама по себе ещё не доказывает утечку: может оказаться, что компоненту нужна загрузка модели. Проверку конфигурации и внешних адресов такой тест не заменяет.

hopstop тест с отключённой сетью хорош, но стоит смотреть не только на падение бота: некоторые библиотеки молча шлют телеметрию или проверяют обновления и просто пишут это в лог, не ломая работу. Поэтому логи контейнера и исходящие соединения на файрволе стоит проверить даже если всё продолжает отвечать. Ещё полезно посмотреть, какие домены резолвятся при старте, это быстрее всего показывает скрытые внешние вызовы.