Отчет по практике: RAG-помощник для абитуриентов

Содержание

ВВЕДЕНИЕ 4
1. АНАЛИЗ ПРОЦЕССА КОНСУЛЬТИРОВАНИЯ АБИТУРИЕНТОВ И ПРОЕКТИРОВАНИЕ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ 7
1.1 Исходные данные для отчета 7
1.2 Анализ структуры и нормативной документации, регламентирующей процесс работы с абитуриентами в университете 7
1.3 Анализ требований пользователей к разрабатываемой системе интеллектуального помощника для абитуриентов 10
1.4 Анализ вычислительных ресурсов и инфраструктуры для реализации интеллектуального помощника 12
1.4.1 Стандарты и регламенты в области ИТ-инфраструктуры ЧОУ ВО «Московский университет им. С.Ю. Витте» 13
1.4.2 Структура информационно-коммуникационной среды в ЧОУ ВО «Московский университет им. С.Ю. Витте» 13
1.5 Перечень служебных поручений и задач при прохождении производственной практики 16
1.6 Техническое задание на разработку автоматизированной системы интеллектуального помощника для абитуриентов 17
1.6.1 Общие сведения 17
1.6.2 Цели и назначение создания автоматизированной системы 17
1.6.3 Характеристика объектов автоматизации 18
1.6.4 Требования к автоматизированной системе 18
1.6.5 Состав и содержание работ по созданию автоматизированной системы 20
1.6.6 Порядок разработки автоматизированной системы 21
1.6.7 Порядок контроля и приемки автоматизированной системы 21
1.6.8 Требования к составу и содержанию работ по подготовке объекта автоматизации к вводу автоматизированной системы в действие 22
1.6.9 Требования к документированию 22
1.6.10 Источники разработки 22
1.7 Выводы по разделу 23
2 ПРОЕКТИРОВАНИЕ АРХИТЕКТУРЫ ИНТЕЛЛЕКТУАЛЬНОГО ПОМОЩНИКА НА ОСНОВЕ СИСТЕМЫ СЕМАНТИЧЕСКОГО ПОИСКА 25
2.1 Разработка предложений по архитектуре интеллектуальной системы консультирования 25
2.2 Архитектурная спецификация компонентов системы, обеспечивающая решение задачи автоматизированного консультирования абитуриентов 29
2.2.1 Уровень представления (Presentation Layer) 29
2.2.2 Уровень бизнес-логики (Business Logic Layer) 30
2.2.3 Уровень искусственного интеллекта (AI/ML Layer) 32
2.2.4 Уровень данных (Data Layer) 34
2.3 Разработка прототипа модели системы семантического поиска 35
2.3.1 Формирование набора данных для обучения и настройки системы 35
2.3.2 Выбор модели и инструментальных средств интеллектуальной обработки запросов 38
2.4 Настройка и оптимизация компонентов системы 39
2.5 Разработка программного модуля интеллектуального помощника 43
2.6 Выводы по разделу 2 47
3 РАЗРАБОТКА ИНТЕРФЕЙСА TELEGRAM-БОТА ДЛЯ ВЗАИМОДЕЙСТВИЯ С АБИТУРИЕНТАМИ 50
3.1 Разработка прототипа и реализация интерфейса Telegram-бота 50
3.2 Разработка логики переходов 53
3.3 Выводы по разделу 56
ЗАКЛЮЧЕНИЕ 59
СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ И ЛИТЕРАТУРЫ 66


ВВЕДЕНИЕ

Основная цель преддипломной практики заключается в сборе и анализе фактического материала для выполнения выпускной квалификационной работы бакалавра. Прохождение практики на кафедре информационных систем позволяет получить практический опыт в проектировании и разработке интеллектуальных систем с элементами искусственного интеллекта для автоматизации бизнес-процессов университета.
В рамках настоящей работы выполнена полномасштабная разработка системы интеллектуального помощника для абитуриентов, основанной на технологии RAG (Retrieval-Augmented Generation). Система представляет собой комплексное решение, включающее многофункционального Telegram-бота с интеллектуальной системой ответов, административную панель управления на базе FastAPI и гибридную поисковую подсистему, способную обрабатывать естественно-языковые запросы о программах обучения, вступительных экзаменах, сроках подачи документов, льготных категориях и других аспектах поступления.
Актуальность разработки интеллектуального помощника обусловлена возрастающим объемом запросов от абитуриентов, необходимостью обеспечения круглосуточной поддержки и повышения эффективности работы приемной комиссии. Современные технологии искусственного интеллекта, в частности технологии глубокого обучения и нейронных сетей, позволяют создать систему, способную обрабатывать типовые запросы, предоставлять актуальную информацию об образовательных программах и помогать абитуриентам в процессе поступления.
Использование технологии RAG представляет собой наиболее современный и эффективный подход к решению поставленных задач. В отличие от стандартных чат-ботов или FAQ-систем, RAG-система:
˗ сочетает точность поиска по документам (retrieval) с гибкостью генерации ответов (generation) на естественном языке;
˗ основана на актуальных данных университета, а не на статическом наборе шаблонных ответов;
˗ объединяет семантический поиск (через векторные эмбеддинги модели Sentence Transformers и FAISS-индекс) с поиском по ключевым словам (BM25), что обеспечивает максимальную релевантность найденной информации;
˗ позволяет мгновенно обновлять базу знаний системы путем добавления новых документов без необходимости переобучения сложных генеративных моделей.
Проектирование и реализация такой системы потребовали проведения комплексного анализа бизнес-процессов взаимодействия с абитуриентами, глубокого изучения нормативной документации университета и формирования детальных требований к функциональности. В процессе работы была решена не только задача автоматизации, но и создана основа для повышения качества обслуживания за счет персонализированного подхода, оперативности и точности предоставляемой информации.
Цель практики – получение практического опыта разработки и обучения модели глубокого обучения для обработки естественного языка для решения прикладных задач в образовательной среде ЧОУ ВО «Московский университет им. С.Ю. Витте».
Задачи практики:
˗ изучение и детальный анализ бизнес-процессов консультирования абитуриентов университета;
˗ сбор, обработка и структурирование данных университета (программы, экзамены, сроки, контакты) для формирования базы знаний системы;
˗ формирование функциональных и нефункциональных требований к интеллектуальному помощнику;
˗ проектирование архитектуры системы, включающей RAG-ядро, базу данных, Telegram-бота и административную панель;
˗ разработка и обучение в среде Google Colab ядра RAG-системы с использованием Sentence Transformers, FAISS и BM25;
˗ реализация полнофункционального Telegram-бота с интерактивным меню, контекстными ответами и системой обратной связи;
˗ создание административной панели на FastAPI для управления пользователями, просмотра диалогов, анализа статистики и обновления базы знаний.
Источниками информации для выполнения работы послужили нормативно-правовые документы и регламенты ЧОУ ВО «Московский университет им. С.Ю. Витте», техническая документация по Telegram Bot API, FastAPI, библиотекам машинного обучения (sentence-transformers, faiss), а также современные научные и практические публикации в области RAG-систем, обработки естественного языка и проектирования программного обеспечения.Показать/скрыть дополнительное описание