НЕОШТАТ — SaaS-платформа цифровых ИИ-сотрудников для бизнеса

Основной задачей было создать систему, в которой бизнес сможет самостоятельно развернуть цифрового сотрудника без разработки отдельного AI-проекта с нуля.

Необходимо было решить несколько задач одновременно:

 — предоставить компании личный кабинет;

 — реализовать создание нескольких цифровых сотрудников;

 — разделить знания и историю разных компаний и сотрудников;

 — позволить загружать собственные материалы для обучения;

 — реализовать поиск ответа не только в знаниях языковой модели, но и в документах конкретной компании;

 — создать RAG-архитектуру;

 — обеспечить сохранение истории диалогов;

 — реализовать передачу разговора человеку, когда ИИ не должен отвечать самостоятельно; — предусмотреть последующее обучение на реальных обращениях;

 — подключать сотрудников к сайтам и внешним каналам;

 — реализовать самостоятельные задания для цифрового сотрудника;

 — сделать архитектуру расширяемой, чтобы новые профессии и интеграции можно было добавлять без создания отдельного приложения.

 Отдельное внимание уделялось изоляции данных: знания одной организации или одного цифрового сотрудника не должны попадать в ответы другого.

Проект построен как отдельная SaaS-платформа.

Backend

Основная серверная логика реализована на PHP и Laravel 12.

Backend отвечает за организации, пользователей, цифровых сотрудников, настройки, знания, диалоги, задания, обучение и интеграции.

Архитектура предусматривает одновременную работу нескольких организаций и нескольких цифровых сотрудников внутри каждой организации.

Frontend

Интерфейс реализован на Vue.js 3 с использованием Inertia.js.

Пользователь получает единый web-интерфейс для создания сотрудников, загрузки материалов, тестирования ответов, просмотра диалогов и управления работами.

AI и RAG

Для генерации ответов используются модели OpenAI.

Для работы с корпоративными знаниями реализована RAG-архитектура.

Документы преобразуются в embeddings и помещаются в векторную базу Qdrant.

При поступлении вопроса система находит релевантные фрагменты корпоративных материалов и передаёт их модели вместе с инструкциями конкретного цифрового сотрудника.

Данные разделены по организации и сотруднику, чтобы сохранить изоляцию знаний.

Хранение данных

PostgreSQL используется как основная реляционная база данных.

Redis используется для фоновых и служебных операций.

Qdrant отвечает за хранение и поиск векторных представлений документов.

Обучение

Цифровому сотруднику можно предоставлять собственные материалы и реальную историю общения.

В системе предусмотрены механизмы обратной связи, корректировки ответа и последующего улучшения поведения сотрудника.

Интеграции

Архитектура создавалась с расчётом на работу не только через собственный интерфейс.

В проект заложены и развиваются подключения к сайтам, Telegram, Bitrix24 и другим каналам.

Отдельный AI-сотрудник поддержки уже использовался с Bitrix Open Lines и собственной изолированной базой знаний.

Самостоятельные работы

Кроме диалогового режима цифровой сотрудник может выполнять отдельные задачи.

Для таких работ предусмотрены запуск, этапы выполнения, прогресс, материалы, результаты, замечания пользователя, повторная обработка и версии результата.

Инфраструктура

Проект контейнеризирован с помощью Docker.

Отдельными сервисами работают приложение, workers, scheduler, frontend, Nginx, PostgreSQL, Redis и Qdrant.

Это позволяет независимо обслуживать компоненты системы и масштабировать архитектуру по мере роста нагрузки.

В результате создано работающее ядро SaaS-платформы цифровых сотрудников.

Реализованы:

— организации и пользователи;

— отдельные цифровые сотрудники;

— несколько типов профессий;

— персональные инструкции сотрудников;

— загрузка базы знаний;

— RAG-поиск по корпоративным материалам;

— изоляция данных разных организаций и сотрудников;

— тестовый и рабочий чат;

— история взаимодействий;

— механизмы обучения и обратной связи;

— передача обращения человеку;

— самостоятельные работы цифрового сотрудника;

— версии результатов и согласование;

— внешние интеграции;

— контейнеризированная production-инфраструктура.

Главный результат проекта — переход от идеи «чат-бота с ИИ» к архитектуре полноценного цифрового сотрудника, который имеет профессию, инструкции, корпоративные знания, историю работы и способен выполнять не только ответы в чате, но и отдельные бизнес-задачи.