معرفی

الوسلام یک دستیار فروش مبتنی بر هوش مصنوعی برای فروشندگان باسلام است که با هدف خودکارسازی پاسخ‌گویی به سوالات مشتریان طراحی و توسعه داده شده است.

این سیستم با استفاده از اطلاعات محصولات، سوالات متداول، پاسخ‌های قبلی فروشنده و معماری RAG تلاش می‌کند پاسخ‌هایی مرتبط و مبتنی بر اطلاعات واقعی فروشنده تولید کند.

هدف اصلی پروژه کاهش زمان موردنیاز فروشندگان برای پاسخ‌گویی به سوالات تکراری و در عین حال جلوگیری از ارائه پاسخ‌های نامعتبر یا بدون پشتوانه توسط هوش مصنوعی است.

امکانات

• پاسخ‌گویی خودکار با هوش مصنوعی به سوالات مشتریان.
• اتصال به اطلاعات محصولات فروشنده برای پاسخ‌گویی دقیق‌تر.
• معماری RAG برای بازیابی اطلاعات مرتبط قبل از تولید پاسخ.
• ایندکس اطلاعات محصولات برای استفاده در سیستم جستجوی دانش.
• یادگیری از پاسخ‌های فروشنده و تبدیل پاسخ‌های دستی به دانش قابل بازیابی.
• مدیریت سوالات متداول (FAQ) و استفاده از آن‌ها در پاسخ‌گویی.
• محاسبه Confidence Score برای ارزیابی میزان اطمینان به پاسخ تولیدشده.
• ارجاع سوالات مهم یا نامطمئن به فروشنده به جای تولید پاسخ احتمالی.
• ارسال اعلان پیامکی در مواقعی که نیاز به دخالت فروشنده وجود دارد.
• معماری Multi-Tenant برای جداسازی اطلاعات، محصولات و تنظیمات هر فروشنده.
• پنل مدیریت برای مشاهده آمار و فعالیت‌های سیستم.
• احراز هویت مبتنی بر JWT برای مدیریت دسترسی کاربران.
• طراحی واکنش‌گرا و موبایل‌محور برای استفاده راحت فروشندگان.

معماری هوش مصنوعی و RAG

یکی از مهم‌ترین بخش‌های الوسلام، سیستم Retrieval-Augmented Generation یا RAG است.

قبل از اینکه مدل هوش مصنوعی پاسخی تولید کند، سیستم ابتدا در دانش مربوط به فروشنده جستجو می‌کند و اطلاعات مرتبط با سوال مشتری را بازیابی می‌کند.

این دانش می‌تواند شامل موارد زیر باشد:

• اطلاعات محصولات.
• پاسخ‌های قبلی فروشنده.
• سوالات متداول.
• اطلاعات و دانش اختصاصی فروشنده.

اگر اطلاعات مرتبط و قابل اعتمادی پیدا نشود، سیستم به‌صورت مستقیم پاسخ حدسی تولید نمی‌کند و سوال را برای بررسی به فروشنده ارجاع می‌دهد.

همچنین برای هر پاسخ تولیدشده اطلاعاتی مانند میزان اطمینان، منابع بازیابی‌شده و زمان تولید پاسخ ثبت می‌شود تا بتوان کیفیت پاسخ‌های هوش مصنوعی را بهتر کنترل کرد.

جزئیات فنی

• فرانت‌اند: Next.js، React و TypeScript
• استایل‌دهی: Tailwind CSS
• بک‌اند: Node.js و NestJS
• پایگاه داده: MongoDB
• هوش مصنوعی: OpenAI API
• معماری هوش مصنوعی: RAG
• احراز هویت: JWT
• اعلان‌ها: پیامک
• معماری داده: Multi-Tenant
• استقرار: سرور Linux و Docker

چالش‌ها

یکی از مهم‌ترین چالش‌های پروژه، ایجاد سیستمی بود که بتواند به سوالات مشتریان پاسخ دقیق بدهد و صرفاً به دانش عمومی مدل هوش مصنوعی متکی نباشد.

برای حل این مسئله، یک pipeline مبتنی بر RAG طراحی شد که ابتدا اطلاعات مرتبط با محصولات و دانش اختصاصی فروشنده را بازیابی می‌کند و تنها در صورت وجود context مناسب، پاسخ هوش مصنوعی تولید می‌شود.

چالش دیگر، طراحی معماری چندمستاجری (Multi-Tenant) بود؛ به‌گونه‌ای که اطلاعات هر فروشنده از جمله محصولات، دانش، تنظیمات، مکالمات و پاسخ‌های هوش مصنوعی به‌صورت مستقل مدیریت شوند.

همچنین سیستم باید در برابر سوالات نامطمئن رفتار ایمنی داشته باشد. به همین دلیل به جای تولید پاسخ احتمالی، از اطلاعات بازیابی‌شده و Confidence Score برای تشخیص پاسخ‌های قابل اعتماد و ارجاع سوالات حساس به فروشنده استفاده می‌شود.

نتیجه

الوسلام ترکیبی از توسعه فول‌استک مدرن و فناوری‌های هوش مصنوعی و RAG است که با هدف خودکارسازی فرآیند پاسخ‌گویی فروشندگان باسلام توسعه داده شده است.

این پروژه تجربه توسعه یک محصول واقعی مبتنی بر هوش مصنوعی را نشان می‌دهد و شامل طراحی سیستم RAG، پردازش و بازیابی دانش، معماری Multi-Tenant، توسعه API، احراز هویت، طراحی پایگاه داده، اتصال به سرویس‌های هوش مصنوعی و استقرار Production با Docker است.