ИИ-помощники: подбор оборудования по каталогу, вопросы к документу и сводки чатов по расписанию

Описание

Три сервиса, где языковая модель — часть обычной программы с проверками, а не «чат с ИИ».

Задача у всех одна: ответу должно быть можно верить. Менеджеру нужен артикул и страница каталога, а не правдоподобная выдумка. Человеку с договором — ответ из текста договора, а не общие слова. Руководителю — пять пунктов из сотни сообщений со ссылками на исходные.

Решение

CatalogRag подбирает оборудование по техническому каталогу производителя. Запрос обычными словами («УЗО 40 А 30 мА», «аналог, но помощнее») — в ответ позиции с артикулом, кодом заказа и страницей каталога. Числа берутся из базы, извлечённой из PDF с проверкой, а не из модели; модель разбирает запрос и пишет комментарий. Нет номинала — покажет ближайшие с пометкой, параметра не бывает — откажет.

«Выжималка» — бот для MAX: присылаете PDF, DOCX или фото документа и выбираете действие — краткая выжимка, пересказ, список важного, сроки и даты, объяснение простым языком или вопрос по тексту. На вопросы отвечает только по найденным фрагментам, с номером страницы; если уверенного ответа нет, так и говорит.

«Чатовыжималка» — Telegram-бот, который по расписанию присылает сводку выбранных чатов и каналов: 5–8 пунктов со ссылками на исходные сообщения. Аккаунт подключается по QR-коду, бот только читает; период, тип сводки и время доставки настраиваются кнопками. Пользуюсь им сама.

Стек: Python, Go, PostgreSQL с векторным поиском, OCR, языковые модели через API.

Результат

CatalogRag: 1 120 позиций из двух открытых каталогов; на наборе из 73 контрольных запросов верно отвечены 72. Оба бота работают на собственном сервере.

Всё это собственная разработка, а не конструктор. Под задачу заказчика: ответы по регламентам и каталогам компании, разбор входящих документов, сводки из потока сообщений. Код и доступы — у заказчика, после запуска сопровождаю.

В оформлении обложки использованы изображения, созданные нейросетью; экраны на снимках — из самих проектов.