База знаний

Что такое база знаний

База знаний (knowledge base, KB) — организованное хранилище информации, где знания, нужные для работы, записаны, структурированы и доступны для поиска. Критерий простой: если ответ на один и тот же вопрос приходится спрашивать у человека второй раз — базы знаний нет, есть свалка документов.

Важно, что база знаний — не то же самое, что база данных. База данных хранит факты для машины; база знаний хранит контекст и объяснения для человека: не только «порт 5432», но и почему выбран именно он и что сломается при смене.

Какие бывают

Клиентская база знаний — единственный тип, который напрямую влияет на нагрузку поддержки: каждая хорошая статья снимает поток одинаковых обращений, и это самый дешёвый способ улучшить клиентский опыт.

Что в ней держат инженеры

• Runbook — пошаговая инструкция на конкретную ситуацию: что делать, когда сработал алерт о заполнении диска. Ссылка на runbook в тексте алерта превращает ночную панику в выполнение процедуры.
• Postmortem — разбор инцидента: что произошло, почему, что чинили, что меняем. Самый ценный материал в базе, потому что описывает реальность системы, а не проектную задумку.
• Архитектура и ADR — решения и их причины. «Почему не взяли X» экономит команде повторный спор через год.
• Онбординг — как поднять окружение и получить доступы. Мерило качества: сколько дней новому человеку нужно до первого деплоя.
• Схемы и контакты — что где развёрнуто, у кого доступы, куда эскалировать.

Почему базы знаний умирают

Типовая история: базу завели, месяц наполняли, через год ей никто не пользуется. Причины всегда одни и те же:

• Устаревание. Одна инструкция, которая не сработала, обесценивает всю базу — люди перестают верить и идут спрашивать в чат.
• Нет поиска. Знание, которое невозможно найти за 30 секунд, не существует.
• Писать некому. Документирование не входит в Definition of Done, и на него никогда нет времени.
• Дублирование. Три версии одной инструкции в трёх местах хуже, чем ни одной: непонятно, какая правильная.

Что реально работает: владелец у каждого раздела, дата последней проверки на видном месте, правка документации в том же PR, что и изменение системы, и правило «второй раз объяснил — запиши». Не работает: требование «документировать всё» — база, которую невозможно поддерживать, устаревает целиком.

Инструменты

• Confluence — корпоративный стандарт, силён интеграцией с трекером.
• Notion — гибкий, популярен в небольших командах.
• Wiki.js, Outline, BookStack, DokuWiki — открытые решения, разворачиваются на своём сервере.
• Markdown в Git-репозитории — docs-as-code: документация живёт рядом с кодом, проходит code review и версионируется вместе с ним. Лучший вариант для технической документации, худший — для нетехнических коллег.

Аргумент за self-hosted: во внутренней базе знаний обычно оказывается схема инфраструктуры, порядок эскалации и подробности архитектуры — то, что не хочется отдавать наружу и что становится подарком для атакующего при утечке. Права доступа в базе знаний — не паранойя, а гигиена.

База знаний и LLM

Современный поворот темы: база знаний стала топливом для RAG (retrieval-augmented generation). Схема такая:

Статьи базы знаний
    ↓
Разбиение на фрагменты (chunking)
    ↓
Эмбеддинги → векторный индекс
    ↓
Вопрос пользователя → поиск похожих фрагментов
    ↓
Фрагменты + вопрос → LLM → ответ со ссылками на источники

Это даёт поддержку и сотрудникам ответы на естественном языке вместо блуждания по разделам. Подробнее механика описана в статьях про AI-поиск и эмбеддинги; поиск по ключевым словам обычно строят на Elasticsearch, а лучший результат даёт гибрид с векторным.

Единственная оговорка, зато важная: RAG не чинит плохую базу. LLM не отличает устаревшую инструкцию от актуальной — она уверенно перескажет обе. Мусор на входе становится убедительно звучащим мусором на выходе, и найти его теперь труднее, потому что ответ выглядит авторитетно.

Связанные термины

• Notion — популярный инструмент для базы знаний команды
• AI-поиск — поиск по базе знаний на естественном языке
• эмбеддинг — как текст статьи превращается в вектор для поиска
• Уведомления и алерты — откуда ведут ссылки на runbook
• DevOps — практика postmortem и docs-as-code
• Elasticsearch — движок полнотекстового поиска по базе