Рейтинг: 189
Паспорт верифицирован
Всего отзывов: 1 0
  • Работ в портфолио: 27
  • Типовых услуг: 1
  • Работ на продажу: 0
  • Образование: Магистратура
  • Юридический статус:Частное лицо
Был на сайте:

rag-memory-bot. Telegram RAG Bot - Две версии (OpenAI и ProxyAPI)

Описание

Два полноценных Telegram-бота с RAG (Retrieval-Augmented Generation) функциональностью:

RAG - технология, объединяющая поиск информации в базе знаний с генерацией текста на основе языковых моделей. Боты могут находить релевантную информацию в документах и использовать её для формирования точных ответов.

Возможности ботов:
✅ RAG-запросы - поиск и ответы на основе базы знаний ✅ Обработка изображений - извлечение текста с фото (Vision) ✅ Векторный поиск - быстрый семантический поиск через FAISS ✅ Индексация документов - автоматическое обновление базы знаний ✅ Память разговоров - контекстные ответы с учетом истории (до 10 сообщений) ✅ Логирование - полное отслеживание всех операций

Решение

Основные команды
Команда Описание
/start Приветствие и основная информация
/help Подробная справка по использованию
/ask <вопрос> Задать вопрос с RAG-поиском
/ingest Переиндексировать базу знаний
/stats Показать статистику системы и истории
/clear Очистить историю разговора
/test (только proxy) Проверить подключение к API

Результат

Пример 1: Простой RAG-запрос
Запрос:

Какие преимущества RAG в HR-процессах?
Ответ бота:

💡 Ответ:
RAG в HR-процессах предоставляет следующие преимущества:

Для HR-отдела:
• Сокращение времени на обработку типовых запросов на 70%
• Возможность фокусироваться на стратегических задачах
• Единообразие в предоставлении информации

Для сотрудников:
• Доступ к информации 24/7
• Мгновенные ответы на вопросы
• Конфиденциальность запросов

Для компании:
• Снижение операционных затрат HR-отдела
• Повышение удовлетворенности сотрудников
• Улучшение опыта онбординга

📚 Источники: sample2.txt
Пример 2: Обработка изображения
Действие: Отправка скриншота с текстом + подпись "Что это означает?"

Ответ бота:

📄 Текст с изображения:
[Извлеченный текст из изображения]

💡 Ответ на ваш вопрос:
[Объяснение на основе извлеченного текста и базы знаний]

📚 Источники: sample1.txt, sample2.txt
Пример 3: Контекстный разговор с памятью
Диалог:

👤 Пользователь: Что такое RAG?

🤖 Бот: RAG (Retrieval-Augmented Generation) - это технология, которая
объединяет поиск информации в базе знаний с генерацией ответов...
📚 Источники: sample1.txt

👤 Пользователь: А где это используется?

🤖 Бот: RAG (о котором мы говорили выше) активно используется в:
- Службах поддержки клиентов для автоматизации ответов
- HR-отделах для помощи сотрудникам
- Технической документации для быстрого поиска...
📚 Источники: sample1.txt, sample2.txt

👤 Пользователь: Как это помогает HR?

🤖 Бот: В HR-процессах RAG помогает автоматизировать ответы на
типовые вопросы сотрудников о политиках компании, льготах...
📚 Источники: sample2.txt

👤 Пользователь: /stats

🤖 Бот:
📊 Статистика RAG-системы

Ваш контекст:
• Сообщений в истории: 3

👤 Пользователь: /clear

🤖 Бот: 🧹 История очищена!
Удалено 3 сообщений из контекста.
Начинаем разговор с чистого листа!

Ссылки на примеры реализации

 github.com/Jeff555max/rag-memory-bot

Презентация проекта

9.jpg
10.jpg
12.jpg
13.jpg
14.jpg
15.jpg
16.jpg
18.jpg
22.jpg
20.jpg

Оценили проект:

0