15.08.2023

Создаем самообучаемый чат-бот, используя LLM, Vector DB и парсер сайта

Создаем самообучаемый чат-бот, используя LLM, Vector DB и парсер сайта

Самая полезная и моя любимая площадка для DATA специалистов на русском – DataLearn.

Я несколько раз хотел выступить на ней, но каждый раз стеснялся, поскольку очень плохо говорю (инвалид с детства – ДЦП) В этот раз нашёл силы преодолеть себя.

Мы сделали классный проект в котором создаем самообучаемый чат-бот, используя большую языковую модель, Vector DB и парсер сайта.

В итоге получается чат-бот который индексирует сайт и отвечает на вопросы по нему как человек. Все исходники в открытом доступе.

Будем рады вашим лайкам и репостам в любых соц сетях.

IMAGE ALT TEXT HERE

Исходники https://github.com/TomLetoAI/chat-example

Похожие статьи

Понимать и делать: два слоя, из которых строится автоматизация

среда, 27 мая 2026 г.

Понимать и делать: два слоя, из которых строится автоматизация

Рабочая ИИ-автоматизация держится на двух слоях: один отвечает за понимание и принятие решений, второй — за конкретные действия внутри систем. Рассказываем, как этот принцип устроен в Викибот и почему без обоих слоёв ИИ-агент остаётся просто умным чат-ботом.

Сценарные агенты: как повысить качество ответов ИИ-агента, не раздувая бюджет

среда, 25 марта 2026 г.

Сценарные агенты: как повысить качество ответов ИИ-агента, не раздувая бюджет

Когда основной агент начинает «раздуваться», это почти всегда проявляется одинаково: инструкция растёт, логика усложняется, ответы становятся менее предсказуемыми, а стоимость выше. Это естественный этап, если ваш агент начинает закрывать несколько разных задач одновременно.

7 неочевидных проблем собственных ИИ-решений

понедельник, 16 марта 2026 г.

7 неочевидных проблем собственных ИИ-решений

Написать ИИ-агента для поддержки самому или взять готовое решение? Чек-лист из 7 вопросов для продактов и техдиров