Задача клиента
Клиент (ООО "РЖД" поставил задачу разработать экспериментальный прототип голосового ИИ-ассистента для пассажиров РЖД. Ассистент должен был отвечать на вопросы пользователей в текстовом и голосовом формате, предоставляя информацию о расписании поездов, стоимости и покупке билетов, статусе поездов, условиях возврата билетов, а также о программе лояльности «РЖД Бонус».
Ключевое требование — использование локальной LLM (Large Language Model) для обеспечения конфиденциальности данных и независимости от внешних сервисов. Ассистент должен был быть доступен круглосуточно, давать вежливые и информативные ответы на русском языке, а также поддерживать голосовой ввод для повышения доступности сервиса для людей с ограниченными возможностями или в ситуациях, когда набор текста затруднён.
Дополнительной задачей являлась реализация системы регистрации и авторизации пользователей для сохранения истории их диалогов, что позволило бы анализировать частоту и тематику обращений, а также улучшать качество ответов ассистента на основе реальных запросов. Клиент подчеркнул важность адаптивного веб-интерфейса, который корректно отображался бы как на настольных компьютерах, так и на мобильных устройствах, поскольку пассажиры РЖД активно используют смартфоны для получения информации в пути.
Цель проекта
Целью проекта являлась разработка полнофункционального веб-приложения «РЖД Помощник», которое демонстрирует возможности современных технологий в области искусственного интеллекта и веб-разработки для решения практических задач транспортной отрасли. Приложение должно было стать первым исследовательским модулем будущей интеллектуальной системы поддержки пассажиров РЖД, способной разгрузить контакт-центры и повысить доступность информации для пассажиров.
В рамках цели были определены следующие задачи:
Проектирование и разработка бэкенд-части приложения на Java с использованием Spring Boot 4.0.0 для создания REST API, обработки запросов пользователей, управления сессиями и интеграции с базой данных.
Интеграция локальной LLM (Ollama с моделью llama3.2:3b) для генерации осмысленных ответов на вопросы пользователей с учётом системного промпта, задающего роль ассистента РЖД.
Разработка фронтенд-части на HTML5, CSS3 и JavaScript с поддержкой голосового ввода через Web Speech API, обеспечивающего удобный и интуитивно понятный интерфейс для взаимодействия с ассистентом.
Реализация системы регистрации и авторизации с использованием Spring Security 7.0.0 и BCrypt-хеширования паролей, а также сохранение истории диалогов в PostgreSQL для последующего анализа и улучшения качества обслуживания.
Контейнеризация приложения с помощью Docker и развёртывание на облачной платформе Render.com для обеспечения доступности проекта в интернете и демонстрации его работы в реальных условиях.
Документирование проекта, подготовка презентации и статьи для публикации в сборнике трудов конференции ПривГУПС, а также защита результатов перед руководством кафедры и профильной организации ООО «ОЦРВ».
Таким образом, проект был направлен не только на создание работающего программного продукта, но и на получение практических навыков в области разработки веб-приложений, интеграции AI-технологий, применения современных языков и фреймворков, а также на формирование понимания того, как интеллектуальные системы могут улучшать взаимодействие пассажиров с РЖД. В ходе работы были учтены как технические требования (производительность, безопасность, масштабируемость), так и пользовательские (удобство интерфейса, доступность, понятность ответов).
Для решения поставленной задачи был выбран и реализован комплексный подход, охватывающий все этапы разработки — от проектирования архитектуры до финального деплоя. Проект строился на базе современных технологий с акцентом на автономность, безопасность и удобство для конечного пользователя.
На первом этапе была спроектирована трёхуровневая архитектура: презентационный уровень (фронтенд), уровень бизнес-логики (бэкенд) и уровень данных (база данных). Такой подход обеспечил чёткое разделение ответственности между компонентами, упростил разработку и тестирование, а также заложил основу для дальнейшего масштабирования.
Бэкенд был разработан на Java с использованием Spring Boot 4.0.0. В рамках реализации были созданы контроллеры, обрабатывающие HTTP-запросы и предоставляющие REST API для взаимодействия с фронтендом. Сервисы содержат бизнес-логику приложения: формирование запросов к Ollama, сохранение и извлечение истории сообщений, регистрацию и аутентификацию пользователей. Репозитории на основе JPA/Hibernate обеспечивают работу с базой данных PostgreSQL. Для безопасности использован Spring Security 7.0.0 с BCrypt-хешированием паролей, ролевой моделью и поддержкой входа как по username, так и по email.
Для интеграции с AI выбрана локальная LLM llama3.2:3b от Ollama, которая обеспечивает конфиденциальность данных, автономность и низкую задержку. Весь процесс включал установку Ollama, создание системного промпта, настройку WebClient в Spring Boot для отправки запросов и получения ответов. В качестве резервного решения для деплоя на хостинг был использован OpenRouter API.
Фронтенд разработан на HTML5, CSS3 и JavaScript с адаптивным дизайном в стиле РЖД, поддержкой голосового ввода через Web Speech API и быстрых подсказок для типовых вопросов. Код разбит на модули для упрощения поддержки.
Для хранения данных спроектирована и развёрнута база данных PostgreSQL с таблицами пользователей, ролей, связей и истории сообщений. Созданы индексы для оптимизации производительности.
Проект контейнеризирован с помощью Docker, настроен CI/CD через GitHub Actions для автоматической проверки синтаксиса и сборки при каждом пуше. Приложение успешно развёрнуто на Render.com и доступно по ссылке.
В ходе тестирования были выявлены и устранены проблемы: ошибка подключения к PostgreSQL (использован внутренний URL), ошибка входа по email (добавлен поиск сначала по username, затем по email), проблема с загрузкой partials на фронтенде (очистка кэша). Таким образом, создан стабильно работающий прототип, полностью соответствующий поставленной задаче.
Результатом выполнения индивидуального задания стала разработка полнофункционального веб-приложения «РЖД Помощник» — голосового ИИ-ассистента для пассажиров РЖД. Приложение представляет собой работающий прототип, который включает интеллектуальный чат на основе локальной LLM (Ollama) с поддержкой голосового ввода через Web Speech API, систему регистрации и авторизации пользователей с использованием Spring Security и BCrypt-хеширования паролей, а также сохранение истории диалогов в базе данных PostgreSQL. Весь проект упакован в Docker-контейнеры и развёрнут на облачной платформе Render.com, что обеспечивает его доступность в интернете по адресу https://voice-assistant-6ry2.onrender.com.
Приложение решает проблему оперативного получения информации о расписании поездов, стоимости и покупке билетов, статусе поездов, условиях возврата и программе лояльности «РЖД Бонус». Ассистент доступен круглосуточно, отвечает на вопросы в вежливой форме на русском языке, а благодаря голосовому вводу сервис становится доступным для людей с ограниченными возможностями и для использования в условиях, где набор текста затруднён. Система регистрации и авторизации позволяет сохранять историю диалогов для каждого пользователя, что даёт возможность анализировать частоту и тематику обращений и улучшать качество ответов ассистента на основе реальных запросов.
Практическое применение результатов
Результаты работы могут быть применены в нескольких направлениях. Во-первых, разработанный прототип может быть использован как основа для создания промышленного решения, интегрированного с официальными сервисами РЖД. Для этого необходимо добавить подключение к реальным API РЖД для получения актуального расписания, цен и статуса поездов, а также внедрить механизм RAG (Retrieval-Augmented Generation) для доступа к внешним источникам данных.
Во-вторых, проект демонстрирует возможности использования локальных LLM в задачах информирования пассажиров, что особенно актуально в условиях требований к конфиденциальности данных и необходимости работы в офлайн-режиме. Подход, реализованный в проекте, может быть масштабирован на другие направления информационной поддержки клиентов РЖД.
В-третьих, разработанное приложение может быть интегрировано в мобильное приложение РЖД, системы бронирования и оплаты, а также дополнено функционалом прогнозирования задержек поездов на основе данных ГЛОНАСС. Архитектура проекта спроектирована с учётом возможности дальнейшего расширения, что позволяет подключать новые модули и сервисы без необходимости полной переработки существующего кода.
Перспективы развития
В ходе работы были определены следующие направления дальнейшего развития проекта:
Интеграция с реальными API РЖД для предоставления актуального расписания, цен и статуса поездов.
Внедрение механизма RAG для доступа к внешним базам знаний, что позволит ассистенту отвечать на более сложные вопросы с использованием актуальных данных.
Создание мобильного приложения на базе Flutter или React Native для расширения аудитории пользователей.
Разработка административной панели для анализа частоты и тематики запросов, а также для доработки ответов ассистента.
Дообучение модели на специфических для РЖД вопросах для повышения качества и точности ответов.
Интеграция с системами бронирования и оплаты для реализации полноценного сценария покупки билетов через ассистента.
Таким образом, разработанный прототип может рассматриваться как первый модуль будущей интеллектуальной системы поддержки пассажиров РЖД, способной значительно упростить взаимодействие пассажиров с компанией, повысить доступность информации и разгрузить контакт-центры. Проект демонстрирует, что использование современных технологий и AI позволяет создавать эффективные инструменты для улучшения качества обслуживания в транспортной отрасли.