Что ИИ меняет в структуре данных: приращение вместо перезагрузки проекта
В прошлых статьях я раскладывал различные знания и сущности по листам и показывал, как сравнить две редакции регламента с помощью карты. Теперь расскажу, что происходит, когда карту дорабатывает LLM. В предыдущих версиях PlyLoom я как-то упустил момент с тем как реализовать взаимодействие без перезагрузки новой версии всего проекта целиком, равно как и отсутствие возможности сравнить различия 2-х
Автор делится опытом использования LLM для доработки карт знаний в инструменте PlyLoom. Основная проблема заключалась в необходимости перезагружать весь проект целиком при внесении изменений. Теперь процесс переходит на уровень точечного приращения данных вместо полной замены структуры. Это позволяет эффективно сравнивать различные редакции регламентов и карт. Использование нейросетей помогает автоматизировать работу с сущностями и связями. Такой подход делает взаимодействие с данными более гибким и быстрым.