Асистент FAQ на практиці: повний цикл

Управління зростаючою технічною спільнотою означає відповісти на сотні повторюваних запитань через різні канали кожного дня. У цій сесії ми розглянемо практичну архітектуру за AI асистентом FAQ DataTalks.Club, виробничим конвеєром, створеним для автоматизації підтримки спільноти та надання точних відповідей безпосередньо там, де студенти ставлять запитання. ​Ми пройдемо через весь життєвий цикл системи, починаючи з сирих джерел знань спільноти до асистента Slack, що працює в реальному часі. Ви побачите точні кроки інженерії даних, використані для збору неструктурованих вхідних даних спільноти та перетворення їх на шуканий векторний індекс, за яким слідує демонстрація бота, що працює від початку до кінця всередині Slack. ​ Ми розглянемо * ​Збір запитів студентів та внески до набору даних FAQ * ​Витяг даних з кількох джерел по темах Slack і транскриптах YouTube * ​Індексування векторних баз даних та робочі процеси пошуку * ​Архітектура системи RAG та генерація відповідей LLM * ​Інтеграція Slack API та автоматизоване розгортання бота * ​Демонстрація в реальному часі всередині активної Slack спільноти ​ Наприкінці цієї сесії ви зрозумієте, як створити та розгорнути готовий до виробництва, багатоджерельний конвеєр RAG, що перетворює неструктуровані теми Slack і транскрипти YouTube на чутливого, автоматизованого асистента Slack. ​Ми також задокументували весь технічний налаштування та покрокову реалізацію в цій статті. ​ ## ​Про спікера ​Олексей Григор’єв є засновником DataTalks.Club та творцем серії Zoomcamp. ​Олексей — програміст і інженер ML з понад 10-річним стажем у інженерії та понад 6 років у машинному навчанні. Він розгортав великомасштабні системи ML в компаніях, таких як OLX Group та Simplaex, написав кілька технічних книг, включаючи Machine Learning Bookcamp, та є майстром Kaggle з першим місцем у NIPS'17 Criteo Challenge. Приєднуйтесь до нашого Slack: https://datatalks.club/slack.html ​