AI 动力聊天机器人帮助用户即时获取常见信息，无需打扰专家。
译自 Why Knowledge Management Doesn’t Work，作者 Dev Nag。
DevOps 和平台团队经常被不断打断工作的消息所困扰 —— 从已经回答过几十次的一次性问题到请求获取文档中已经提供的信息：“我该如何连接数据库？为什么我的部署不起作用？这个错误是什么意思？”
这种情况不仅仅发生在 DevOps 领域 — 用户们发送大量的安全问题、合规性查询、人力资源请求等等。没有人愿意浪费专家的时间和精力来回答这些重复性问题，但实际上并没有更好的选择。
而这些打断的后果远不止回答问题所花费的时间。还有上下文切换的成本：UC Irvine 的研究人员发现，一个打断之后，需要经过 25 分钟才能完全回到之前的任务。还有更严重的机会成本，当高影响力的任务被重复的问题挤占，Backlog 变得越来越多时，这些任务被挤压出去。
DevOps 工程师的工作很大一部分是为他们的平台、流水线、文档等提供内部支持。团队经常轮值解决跨多个通信平台的内部问题。这些轮值班会让 DevOps 工程师和网站可靠性工程师（SRE）远离他们专注于构建使可靠性流程高效一致的工具，这通常导致工作疲劳和人员流失。
虽然 DevOps 团队可能会为开发人员制作文档以便自行获取信息，但大多数人并不愿意手动搜索文档（通常存储在不同的知识库中）来找答案。相反，团队聊天是人们现在合作、提问并即时获得有意义答案的地方。
传统知识管理的问题在于它专注于捕获和存储信息。它没有实现知识共享和分发的承诺；相反，这个负担仍然在提问者身上。这导致了 DevOps 团队在团队聊天中被大量消息所困扰。他们一遍又一遍地收到相同的问题，来自不同的人，这些人没有意识到他们的问题几天前已经在同一个频道中得到了答复。所以他们做着他们一直在做的事情：进入 Slack 或 Microsoft Teams 并提出问题，知道专家会提供正确答案。
人工智能（AI）聊天机器人采用检索增强生成（RAG）和大型语言模型（LLM）是解决这个问题的一种方案。通过从各种来源获取信息 —— 包括聊天频道中以前回答过的问题（包括 Slack 和 Teams）、知识库、GitHub、Notion、Confluence 中的社区生成内容、公司上传的文档、管理员指定的网站等 —— 聊天机器人可以自动、即时地回答重复的问题。提问者不必改变提问方式或提问位置。他们可以在不消耗专家时间的情况下获取所需信息。
这项技术索引了聊天对话中的非结构化信息，并将其与各种知识库中的结构化知识相结合。这些数据被存储以进行快速语义搜索，当搜索找到与用户查询匹配或多个匹配时，它会获取相关数据并将其传递回 LLN 以定义最佳响应。这使得聊天机器人能够回答可能不完整或不准确的问题，总结其发现并引用其来源。这可以节省数小时的时间和精力，否则将用于手动回答重复的问题。
这也通过将所有最佳实践、操作指南、流程、已解决的对话和常见问题即时带给任何授权的员工，节省了用户的时间 —— 一切都在聊天中。信息来到用户手中，而不是需要搜索不同的知识库，这是与企业数据交互的高效方式。
这个 AI 聊天机器人并不是要取代人类；它的目的是支持人们，并消除琐事，让团队可以专注于更高影响力的任务。
想要了解如何实施一个能够在聊天中自动提供相关信息的聊天机器人，请参阅 QueryPal 的入门指南。