Кейс • ИИ-решения

Умный поиск по коду и документации

Как мы улучшили точность генерации кода и ускорили поиск по документации для продуктовой компании

+35%
Точность генерации
85%
Релевантность поиска
300ms
Время ответа
50К+
Файлов в индексе

Задача клиента

К нам обратилась продуктовая компания с большой кодовой базой. Разработчики тратили много времени на поиск нужного кода и разбор документации.

  • • Поиск нужного кода в большой кодовой базе занимает много времени
  • • Документация разрознена: часть в Confluence, часть в README, часть в комментариях
  • • Онбординг новых разработчиков занимает несколько недель
  • • Существующие инструменты поиска не понимают контекст и семантику кода

Цели проекта:

  • Ускорить поиск по коду и документации
  • Улучшить качество генерации кода на основе существующих паттернов
  • Сократить время онбординга новых разработчиков
  • Объединить всю документацию в единую точку доступа

Решение

RAG-система для работы с кодом и документацией

Интеллектуальная система поиска и генерации на базе RAG, которая понимает структуру кода и контекст проекта

Индексация всей кодовой базы с пониманием AST и зависимостей
Семантический поиск: находит код по описанию задачи, а не только по ключевым словам
Генерация кода на основе существующих паттернов и стиля проекта
Ответы на вопросы по документации с указанием источников
Интеграция с IDE и чат-интерфейс для разработчиков

Результаты

Показатель Было Стало
Точность генерации кода Базовый уровень +35%
Релевантность поиска ~60% 85%
Время поиска информации Минуты 300ms
Время онбординга 3-4 недели 1-2 недели

Что получил клиент

Разработчики быстро находят нужный код и документацию
Генерация кода учитывает стиль и паттерны проекта
Новые разработчики быстрее входят в проект
Вся документация доступна из одного места
Система постоянно учится на новом коде и обновлениях документации

Технологии

RAG • GPT • Embeddings • Qdrant • AST parsing • Python