Repository Issue Insight Assistant
Cliente
Media impresa
Settore
Servizi IT
Fatturato
€ 59M (2024)
Dalla sfida...
Ottenere risposte rapide e affidabili su issue aperte, modifiche recenti e owner dei repository. Ridurre il tempo dedicato alla ricerca e alla correlazione delle informazioni; migliora l'efficienza della selezione e accelera la risoluzione dei problemi.
....al risultato
35% di tempo in meno dedicato alla ricerca e assignment più rapidi del 10%!
Dalla sfida...
Ottenere risposte rapide e affidabili su issue aperte, modifiche recenti e owner dei repository. Ridurre il tempo dedicato alla ricerca e alla correlazione delle informazioni; migliora l'efficienza della selezione e accelera la risoluzione dei problemi.
....al risultato
Cliente
Media impresa
Settore
Servizi IT
Fatturato
€ 59M (2024)
Cliente
Media impresa
Settore
Servizi IT
Fatturato
€ 59M (2024)
Dalla sfida...
Ottenere risposte rapide e affidabili su issue aperte, modifiche recenti e owner dei repository. Ridurre il tempo dedicato alla ricerca e alla correlazione delle informazioni; migliora l'efficienza della selezione e accelera la risoluzione dei problemi.
....al risultato
35% di tempo in meno dedicato alla ricerca e assignment più rapidi del 10%!
La soluzione
Assistente RAG on-premise che consente agli sviluppatori di porre domande in linguaggio naturale su issue aperti, modifiche recenti, ownership e link su molti repository. La soluzione combina vector search con filtri sui metadati e un servizio di graph database per far emergere le relazioni, restituendo risposte corredate da evidenze e tabelle.
- Q&A sugli issue tra repository
- Tabelle arricchite dal grafo per owner e link
- Deploy on-premise con evidenze tracciabili
Invece di consultare manualmente più fonti, gli sviluppatori pongono domande e ottengono un’unica risposta esauriente e realistica, supportata da evidenze, aggregando informazioni tra repository: items aperti, modifiche recenti, autori, link e status. L’assistente combina diversi segnali di retrieval e restituisce risposte arricchite da tabelle che sintetizzano il contenuto. Attraverso la conversazione, gli utenti possono:
- Verificare cosa è aperto e cosa è cambiato di recente tra repository
- Identificare più rapidamente autori e owner
- Osservare gli elementi collegati come relazioni e riceverli in tabelle strutturate
Stack tecnologico
La soluzione si basa su un livello di retrieval ibrido che combina ricerca semantica e arricchimento tramite relazioni, per massimizzare precisione e completezza del contesto.
- Ricerca semantica su Vector DB su issue, commenti e artefatti correlati, usando un modello di embedding open source, con filtri e boosting basati su metadati
- Metadati strutturati salvati per segmento, inclusi repository, label, stato, autori, commmit, timestamp, componenti e link
- Arricchimento tramite Graph DB attraverso un servizio a grafo, per recuperare le relazioni tra issue, richieste pull, commit, autore e repository
- Orchestrazione RAG che unisce passaggi recuperati e fatti provenienti dal grafo, poi genera le risposte con un LLM on-premise con meno di 30B parametri
- Stack applicativo con front-end React, middleware Node.js e cronologia chat persistita in PostgreSQL tramite LangChain