W tym rozdziale
brAIn to uporządkowana wiedza z konkretnej dziedziny. U nas jest to między innymi inżynieria budowlana: PDF-y, artykuły, ustawy, historyczne opracowania i wiedza ekspertów. Chcę móc z niej korzystać przy konkretnym pytaniu, bez szukania od początku po wszystkich materiałach.
brAIn mogłoby być osobnym produktem. Taka wiedza ma wartość również bez połączenia z aplikacją. My zrobiliśmy kolejny krok: połączyliśmy ją z modelem kodu. To połączenie nazywamy MiddleBrain.
Wiedza ma mieć źródło
Nie wystarczy odpowiedź, która brzmi przekonująco. Potrzebujemy materiału, z którego wynika reguła, jej zakresu i informacji, kiedy obowiązuje. Historyczne opracowanie może wyjaśniać dawną decyzję, ale nie musi opisywać obecnych wymagań.
Przy opisie reguły zapiszcie, skąd pochodzi, czego dotyczy i kiedy trzeba zapytać eksperta. Jeśli źródła są sprzeczne albo czegoś w nich nie ma, agent powinien pokazać tę lukę. Nie dopowiadać brakującej zasady.
Jak używamy brAIn przy nowej funkcji
Zaczynamy od pytania: co ta funkcja powinna wiedzieć i uwzględniać, żeby poprawnie wykonać zadanie? Sięgamy do wiedzy dziedzinowej, a po połączeniu jej z kodem sprawdzamy, jakie dane i funkcje już mamy oraz czego jeszcze brakuje.
Wiedza ma przełożyć się na konkret: potrzebne dane, reguły działania, wyjątki i sposób sprawdzenia wyniku. Dzięki temu osoba, która nie jest ekspertem w inżynierii budowlanej, ma na czym oprzeć analizę i realizację. A użytkownik dostaje funkcję, która uwzględnia tę wiedzę w swoim działaniu.
Gdy ktoś zgłasza: „Przecież to nie tak działa”
Z brAIn korzystamy też przy badaniu błędów. Sprawdzamy, co mówią materiały dziedzinowe, porównujemy to z działaniem aplikacji i na wszelki wypadek konsultujemy wniosek z ekspertem. Sama odpowiedź AI nie zamyka zgłoszenia.
Przy takim zgłoszeniu warto zapisać obok siebie: przypadek użytkownika, regułę ze źródłem, wynik aplikacji i ustalenie z ekspertem. Wtedy wiadomo, czy poprawić kod, uzupełnić wiedzę, czy wyjaśnić sposób użycia funkcji.
Jak porządkujemy materiały
Open Knowledge Format (OKF), rozwijany w repozytorium GoogleCloudPlatform, służy do organizowania wiedzy w plikach Markdown z metadanymi YAML — opisem źródła i kontekstu zapisanym obok treści. To sposób porządkowania wiedzy, nie gotowa wiedza dziedzinowa.
Sam format pliku nie potwierdza poprawności reguły. Potrzebne są źródła i ich sprawdzenie. Model zależności kodu zapisany w JSON opisuję osobno przy middleware.
Twórca produktu
Paweł Ochmann