Источники данных

Источник — это документ, файл, страница или внешний URL, по которому Sensei отвечает на вопросы. У одного пространства может быть несколько источников разного типа: при поиске учитываются все одновременно, ответ цитирует конкретные фрагменты.

Поддерживаемые типы

Тип	Когда подходит
Yandex Wiki	Корпоративная wiki. Подключается через OAuth — Sensei видит только разрешённые странички.
Локальный файл (TXT / MD / DOCX / PDF / XLSX / CSV)	Документация, регламенты, выгрузки Q&A. Файл загружается через UI и хранится в Sensei.
Внешний URL (HTML-страница / текст / таблица)	Публично доступная страница на вашем сайте, корпоративный FAQ, экспорт из стороннего сервиса.
Google Drive (Sheet / Doc / PDF / XLSX / DOCX / CSV / TXT / MD)	Файлы, лежащие на корпоративном Google-аккаунте. Выбор файла — через стандартный Google Picker.

Внутри одного пространства источники можно комбинировать: например, основная wiki + таблица с историей обращений.

Yandex Wiki

Требуется привязать подключение к организации:

Администрирование → Подключения → Новое подключение.
Выберите «Подключиться через Яндекс» — пройдёте стандартный OAuth-flow.
Sensei сохранит refresh-токен и будет автоматически продлевать доступ; токен зашифрован в БД.

При добавлении wiki-источника укажите подключение и (опционально) префикс пути в wiki — Sensei проиндексирует только страницы под этим префиксом.

Локальные файлы

При создании источника типа Локальный файл UI откроет загрузку. Поддерживаются:

TXT / MD — индексируются как один документ с разбивкой на чанки.
DOCX — текст вытягивается из тела документа (без сносок и колонтитулов).
PDF — текстовый слой; OCR не выполняется (отсканированные документы без распознанного текста не подходят).
XLSX / CSV — табличные источники с явным указанием колонки вопроса и ответа. Полезно для FAQ-таблиц и истории обращений.

Файл хранится в Sensei; его можно повторно скачать или удалить через UI.

Внешние URL

Один URL = один индексируемый «документ». Поддерживаются три подтипа:

HTML-страница — Sensei вырезает шапку/футер/навигацию и оставляет основное содержимое (<main> / <article> / <body>).
URL с обычным текстом — markdown, txt и подобные форматы.
URL с таблицей — XLSX/CSV, лежащий по публичному URL.

Доступны только публичные URL (без авторизации); SPA-страницы без серверного рендера не индексируются.

Google Drive

Создайте подключение Google через Администрирование → Подключения.
При добавлении источника откроется стандартный Google Picker — выберите конкретный файл.
Sensei получит доступ только к выбранному файлу через scope drive.file.

Поддерживаются Google Sheet / Doc и обычные xlsx, docx, pdf, txt, md, csv размером до 10 МБ.

Расписание синхронизации

Для каждого источника задаётся расписание автообновления:

Выключено — только ручной запуск кнопкой «🔄 Синхр.».
Каждый час, каждые 6 часов, ежедневно 03:00 UTC.
Custom-cron — пятипольный POSIX cron в UTC.

Sensei умеет дельта-синхронизацию: при следующем обновлении источник пересчитывается только если изменился (по ETag / Last-Modified или хешу содержимого). Без изменений индекс не трогается — экономия времени и места.

Настройки поиска per-источник

На карточке источника можно задать промпт-пресет — стиль формирования ответа. Например, для wiki — «общий ответ из документации», для таблицы тикетов — «короткий ответ как в техподдержке». Подробно: Промпт-пресеты.

Что ещё посмотреть

Режимы ответа — как комбинируются результаты нескольких источников.
С чего начать — короткий путь от регистрации до первого ответа.
Частые вопросы — лимиты, конфиденциальность, удаление.