Система базы знаний RAG - Интеллектуальная интеграция чат-бота

Вопросы и ответы на базе RAG с интеграцией документов, FAQ и новостей

2025-2026 Personal Project

Этот проект реализует комплексную систему базы знаний с использованием технологии Retrieval-Augmented Generation (RAG) для интеллектуальных вопросов и ответов в чат-боте. Система интегрирует документы, FAQ и новостные статьи для предоставления контекстных ответов с использованием моделей OpenAI. Включает гибридный retrieval, агентный оркестратор, выделенный vector store с MCP-инструментами, формат TOON для эффективного форматирования контекста, автоматическое хранение вопросов без ответа и бесшовную интеграцию с системой управления документами.

Генерация ответов на базе RAG

Модели OpenAI со структурированными JSON-ответами

Векторный поиск

Поиск сходства документов на основе эмбеддингов

Интеграция документов

Автоматическая индексация и векторизация документов

Интеграция FAQ

Поиск FAQ на основе ключевых слов со скорингом

Интеграция новостей

Поиск новостных статей как резервный источник информации

Управление вопросами

Автоматическое хранение и управление вопросами без ответа

Агентный оркестратор

Многошаговый чат-агент, планирующий retrieval и использование инструментов

Гибридный retrieval

Объединяет keyword- и векторные сигналы для лучшего обоснования

Vector store и MCP-инструменты

Постоянный векторный индекс с инструментами retrieval через MCP

Backend-фреймворк

Laravel 11

PHP 8.2+

MySQL

ИИ & ML

OpenAI GPT-4o-mini

Векторные эмбеддинги

Технология RAG

Frontend

Livewire

Alpine.js

Bootstrap

Управление данными

Vector Store

Формат TOON

JSON Schema

Запрос пользователя: Пользователь задает вопрос в чат-боте
Поиск FAQ: Система ищет в файлах FAQ с сопоставлением ключевых слов и скорингом
Поиск в базе знаний: Если оценка FAQ низкая, система ищет в векторизованных документах
Форматирование контекста: Результаты поиска форматируются как TOON (Token-Oriented Object Notation)
Генерация ответа: OpenAI GPT-4o-mini генерирует ответ на основе контекста с JSON-схемой
Отображение источников: Соответствующие источники документов отображаются с информацией о чанках
Хранение вопросов: Если ответ не найден, вопрос автоматически сохраняется для проверки
Резервные новости: Если нет совпадения документов, система ищет в новостных статьях
Агентный путь: Оркестратор выбирает инструменты, гибридный retrieval и обращения к vector store