RAG-tietopankki, jota tekoälytyökalusi käyttävät MCP:n kautta.
RAG palveluna tiimisi dokumentaatiolle ja runbookeille. CoFix pilkkoo jokaisen sivun, laskee upotukset ja linkittää sivut ja tarjoaa ne MCP:n kautta Claudelle, Claude Codelle, ChatGPT:lle, GitHub Copilotille ja Gemini CLI:lle. Tiedonhaku yhdistää graafi- ja vektorihaun ja pysyy kunkin jäsenen oikeuksien rajoissa. Putkea, vektoritietokantaa tai MCP-palvelinta ei tarvitse ylläpitää.
Näin se toimii
Tiimisi kirjoittamasta sivusta vastaukseen tekoälytyökalussa.
Kirjoita
Tiimisi pitää dokumentaationsa ja runbookinsa tietopankeissa. Uudet sivut, jotka eivät läpäise profiilin tarkistusta, odottavat tarkistusjonossa.
Indeksoi
Sovellus pilkkoo jokaisen sivun, laskee sille upotukset ja tallentaa sivujen väliset linkit graafina. Putkea ei tarvitse pystyttää.
Linkitä sinä
Jokainen jäsen lisää oman MCP-liittimensä Claudeen, Claude Codeen, ChatGPT:hen, GitHub Copilotiin tai Gemini CLI:hin, kirjautuneena omissa nimissään.
Hae
Työskennellessään tekoälytyökalu hakee MCP:n kautta graafi- ja vektorihaulla ja saa takaisin vain sen, minkä kyseinen jäsen näkee.
Vastaa
Se vastaa dokumenttiesi, tikettiesi ja työlokisi pohjalta, ja jokainen sen toimi näkyy toimintalokissa.
RAG vs. MCP
MCP yhdistää. RAG löytää vastauksen.
Niitä verrataan usein, mutta ne tekevät eri asioita. MCP:n kautta tekoälytyökalusi pääsee tietopankkiin, ja RAG:n avulla tietopankki löytää sille oikeat tekstikohdat. CoFix tarjoaa ne valmiiksi yhdessä.
Katso Knowledge BaseRAG palveluna
RAG-järjestelmä, jota sinun ei tarvitse rakentaa.
Pilkkominen ja vektoriupotukset
Sovellus pilkkoo sivusi ja laskee niille upotukset itse, joten tuontiputkea ei tarvitse kirjoittaa eikä pitää käynnissä.
Ei vektoritietokantaa ylläpidettäväksi
Dokumentit, niiden väliset linkit ja niiden upotukset tallennetaan yhdessä graafina, joten erillistä tietovarastoa ei tarvitse ylläpitää.
Isännöity MCP-palvelin
Yksi MCP-liitin jäsentä kohden Claudelle, ChatGPT:lle, GitHub Copilotille tai Gemini CLI:lle sekä muille MCP:tä tukeville tekoälytyökaluille.
Käyttöoikeudet huomioiva haku
Jokainen liitin kirjautuu jäsenensä nimissä ja hakee vain tietopankeista, joita jäsen saa lukea, ja oikeudet määritetään tiimeittäin.
Vain tarkistetut sivut
Uudet sivut, jotka eivät läpäise automaattista tarkistusta, jäävät tarkistusjonoon eivätkä päädy hakuun ennen kuin joku hyväksyy ne.
Jäljitettävät vastaukset
Jokainen avustajan toimi, sovelluksessa ja MCP:n kautta, näkyy toimintalokissa ihmisten tekemien muokkausten rinnalla.
Haun laatu
Knowledge Health näyttää dokumenteittain hakukerrat, arviot ja osumien laadun sekä haut, jotka eivät löytäneet mitään.
Ajantasaisuus
Vanhentuneet sivut, joita yhä luetaan, merkitään ja järjestetään lukukertojen mukaan, ja painikkeella avustaja luonnostelee päivityksen.
Syvemmälle
Tarkempi katsaus.
Graafi-RAG
Graafi- ja vektorihaku samassa kyselyssä.
Dokumentit ja niiden väliset linkit tallennetaan graafina, ja merkitys tallennetaan vektoriupotuksina. Yksi haku löytää sivut sekä merkityksen että yhteyksien perusteella, joten kysymys deploysta tavoittaa myös runbookit, joihin deploy-sivu linkittää. Tekoälytyökalusi saavat saman haun MCP:n kautta: graafi-RAG ja vektori-RAG yhdessä.
- Vektorihaku merkityksen mukaan
- Graafihaku suhteiden mukaan
- Molemmat samassa kyselyssä
- Sama haku sovelluksessa ja MCP:n kautta
Tarkistus ennen hakua
Luonnos, joka ei läpäise tarkistusta, ei päädy vastaukseen.
Jokaisella tietopankilla on tarkoitus ja osiot, joihin jokaisen sivun on vastattava. Uusi sivu, joka jättää jonkin niistä tyhjäksi, kuten runbook ilman rollback-vaiheita, jää tarkistusjonoon eikä näy haussa tai tekoälytyökaluille ennen kuin joku hyväksyy sen. Tämä korostuu, kun tekoälyagentit myös kirjoittavat sivuja eivätkä vain lue niitä.
- Pakolliset osiot tietopankeittain
- Hylätyt sivut pidetään poissa hausta
- Halutessasi kaikki uudet sivut tarkistukseen
- Luku-, kirjoitus- tai täydet oikeudet tiimeittäin
RAG-arviointi
Näe, mihin dokumentteihin tekoälytyökalusi tukeutuvat.
Knowledge Health näyttää, miten kukin dokumentti toimii lähteenä: kuinka usein se haetaan, miten ihmiset arvioivat sen antamat vastaukset ja kuinka hyvin se osuu kysymyksiin. Se listaa haut, jotka eivät löytäneet mitään, joten tiedät, mitä kirjoittaa seuraavaksi, sekä vanhentuneet mutta yhä kysytyt sivut, joten tiedät, mitä korjata ensin.
- Haut, arviot ja osumien laatu dokumenteittain
- Haut, jotka eivät löytäneet mitään, kysynnän mukaan
- Vanhentuneet mutta yhä kysytyt sivut lukukertojen mukaan
- Kuntopisteet, jotka voit laskea uudelleen milloin haluat
Liitettävissä
Avustajat, joita tiimisi jo käyttää.
Kysymykset
RAG: usein kysyttyä.
Mikä on RAG-tietopankki?
Tietopankki, josta tekoälymallit hakevat tietoa ennen kuin vastaavat, joten vastaukset perustuvat omiin dokumentteihisi eivätkä siihen, mitä malli muistaa. CoFix tekee jokaisesta tietopankista sellaisen: sovellus pilkkoo sivut, laskee niille upotukset ja linkittää ne, ja tekoälytyökalusi hakevat niistä MCP:n kautta.
Mikä on RAG-MCP-palvelin?
MCP-palvelin, joka hoitaa haun: tekoälytyökalu lähettää sille kysymyksen Model Context Protocolin kautta ja saa takaisin tekstikohdat, jotka vastaavat siihen. CoFix ajaa sellaista tietopankeillesi, yksi liitin jäsentä kohden, joten mitään ei tarvitse isännöidä itse.
Mitä eroa on RAG:lla ja MCP:llä?
RAG eli retrieval augmented generation tarkoittaa, että malli hakee tietoa omasta sisällöstäsi ennen kuin vastaa. MCP eli Model Context Protocol on avoin standardi, jolla tekoälytyökalu tavoittaa dataa ja työkaluja. Tässä ne toimivat yhdessä: MCP yhdistää tekoälytyökalusi tietopankkiin, ja tietopankki hoitaa haun, joten saat RAG:n rakentamatta sitä itse.
Korvaako MCP RAG:n?
Ei. MCP on tekoälytyökalun tapa tavoittaa dataa, eikä se päätä, mikä osa datasta vastaa kysymykseen. MCP-palvelin, jonka takana ei ole hakua, jättää tekoälytyökalun noutamaan kokonaisia dokumentteja ja etsimään niistä itse. RAG hoitaa haun, ja MCP:n kautta tekoälytyökalusi pääsevät siihen käsiksi.
Tarvitsemmeko vektoritietokannan?
Ei. Dokumentit, niiden väliset linkit ja niiden upotukset tallennetaan yhdessä tietopankkiin, ja niistä haetaan graafi- ja vektorihaulla yhtä aikaa. Sinun ei tarvitse ylläpitää vektoritietokantaa, upotusputkea eikä MCP-palvelinta.
Mikä on graafi-RAG?
Haku, joka seuraa dokumenttien merkityksen lisäksi niiden välisiä linkkejä. Vektorihaku löytää tekstikohdat, jotka tarkoittavat samaa kuin kysymys, ja graafihaku löytää niihin linkitetyt sivut. CoFix tekee molemmat samassa kyselyssä, sovelluksessa ja MCP:n kautta.
Voiko Claude Code käyttää tietopankkiamme RAG-järjestelmänä?
Kyllä. Lisää MCP-liittimesi Claude Codeen, niin se hakee työskennellessään tietopankeistasi, tiketeistäsi ja työlokistasi, kirjautuneena sinun nimissäsi. Sama toimii Claudessa, ChatGPT:ssä, GitHub Copilotissa ja Gemini CLI:ssä.
Voiko tekoälytyökalu nähdä dokumentteja, joita sen käyttäjä ei näe?
Ei. Jokainen liitin kirjautuu jäsenensä nimissä ja hakee tämän oikeuksilla: luku-, kirjoitus- tai täydet oikeudet tiimeittäin ja tietopankeittain. Tarkistusjonossa olevat sivut pysyvät poissa hausta, kunnes joku hyväksyy ne.
Mitkä tekoälytyökalut voi liittää?
Claude, Claude Code, ChatGPT, GitHub Copilot ja Gemini CLI sekä muut MCP:tä tukevat tekoälytyökalut. MCP on avoin standardi, jota liittimet käyttävät.
Miten RAG MCP:n kautta hinnoitellaan?
Se kuuluu Knowledge Base -tuotteeseen: lisenssi jokaiselle, jolla on siihen pääsy, sekä tallennustila gigatavuittain. Luvut löytyvät hinnoittelusivulta.
Osa yhtä työtilaa