SAP Cookbook из Telegram: извлекаем решения с помощью LLM

Как превратить огромный Telegram-чат в структурированную базу знаний по SAP? Завершаем разбор статьи https://habr.com/ru/articles/983290/ В этом видео показываю, как с помощью LLM извлекать из истории Telegram полезные SAP-решения, ABAP-код, ответы экспертов, ошибки, настройки, BAPI, IDoc, ALV и SQL-примеры, а затем сохранять всё это в виде удобного SAP Cookbook в Obsidian. Разберём полный процесс: Telegram JSON → выделение диалогов → фильтрация сообщений → группировка по темам → генерация рецептов → карточки кода → база знаний Obsidian. Вы узнаете: — как выгрузить историю Telegram в JSON; — как разделить поток сообщений на отдельные технические обсуждения; — как LLM определяет вопросы, решения и полезный код; — как убрать флуд, оффтоп и нерелевантные сообщения; — как создавать SAP-рецепты в Markdown; — как сохранять исходный лог чата для проверки; — как организовать базу знаний в Obsidian; — как подготовить данные для RAG и собственного LLM-помощника по SAP. Главная идея проекта: ценные знания уже есть в рабочих чатах. Их не нужно придумывать заново — нужно извлечь, структурировать и сохранить вместе с источником. Такой подход позволяет создать: — личный SAP Cookbook; — архив решений по ABAP и SAP ERP; — поиск по старым обсуждениям; — базу типовых ошибок и решений; — библиотеку карточек кода; — основу для корпоративного RAG-помощника. Видео будет полезно SAP-консультантам, ABAP-разработчикам, архитекторам, аналитикам, разработчикам LLM-агентов и всем, кто строит базы знаний из корпоративных данных. Ключевые темы: SAP ERP, ABAP, Telegram, LLM, искусственный интеллект, Obsidian, RAG, база знаний, SAP Cookbook, карточки кода, автоматизация документации, JSON, Text Mining, Knowledge Management. #SAP #ABAP #LLM #Telegram #Obsidian #RAG #ИскусственныйИнтеллект #БазаЗнаний #SAPCookbook #Автоматизация #Python #КарточкиКода