Мы используем файлы cookie для быстрой и удобной работы сайта. Выберите, какие файлы cookie вы разрешаете нам использовать. Подробнее в Политике конфиденциальности.
Send a request and our specialists will contact you within 1 hour.
By clicking the "Send" button, you give your unambiguous consent to the processing of your personal data to the extent and for the purposes defined in the Personal Data Processing Policy.
Get development
Submit a request and gain access to a training manual from a leading company expert!
By clicking the "Send" button, you give your unambiguous consent to the processing of your personal data to the extent and for the purposes defined in the Personal Data Processing Policy.
Умный чат-бот помощник выбора оптимального вклада в банке
E-commerce
чат-боты на базе ИИ и LLM-модели
10
70%
увеличилась скорость обработки запросов
в
составила точность ответов
раз
Заказчик
Крупный банк РФ
ВЫЗОВЫ/ОСОБЕННОСТИ
Высокие требования к точности ответов из-за имиджевых рисков для компании
Склонность LLM к генерации неверной информации (галлюцинациям)
Сложность поиска релевантной информации в обширной базе знаний
Маршрутизация сложных обращений пользователей
Разработка чат-бота, который помогает выбрать оптимальный вклад. Бот должен выдавать информацию по доступным в банке вкладам, задавать уточняющие встречные вопросы пользователю для отслеживания контекста, помочь в выборе наиболее оптимального вклада для конкретного случая (срок, сумма и т. д.), а также способен быстро реагировать на изменения в списке или параметров вкладов путём загрузки обновлённого перечня вкладов в виде pdf-документа
Задача
решение
Техническое решение
Для реализации чат-бота, помогающего пользователям выбирать оптимальный банковский вклад, было принято следующее технологическое решение:
1. Диалоговая платформа: Чат-бот построен на библиотеке Aiogram для взаимодействия через мессенджер Telegram, поддерживая контекст диалога. 2. Обработка PDF: Актуальные данные о вкладах загружаются из PDF-документов с помощью библиотеки Python-docx. 3. Серверная часть: Серверная логика написана на Python с использованием FastAPI для высокопроизводительной обработки запросов и Uvicorn для запуска сервера. 4. Данные и логика: Информация о вкладах хранится в формате JSON, что упрощает обновление данных. Подбор вклада осуществляется с помощью NumPy и Pandas для анализа параметров. 5. Мониторинг и отладка: Используется модуль Logging для записи событий и ошибок, а также Typing для проверки типов в коде. 6. Взаимодействие с внешними сервисами: Библиотека Requests применена для отправки HTTP-запросов к внешним API.