نمونه کار Support Assistant RAG دستیار هوشمند

اخیراً پروژه‌ی Support Assistant RAG را توسعه دادم؛ یک چت‌بات هوش مصنوعی فول‌استک که اختصاصاً برای خدمات مشتریان فارسی‌زبان طراحی شده و تمرکز اصلی آن بر دقت بازیابی اطلاعات (Retrieval Accuracy) و امنیت سیستم است. به جای ساخت یک رابط ساده برای LLM، یک خط لوله (Pipeline) کامل برای مدیریت محدودیت‌های دنیای واقعی کسب‌وکار طراحی کردم. برخی از ویژگی‌های فنی برجسته: 🔹 تکنولوژی‌های مورد استفاده: Next.js (فرانت‌اند)، Django DRF (بک‌اند و لاگینگ) و Python (پایپ‌لاین داده و هوش مصنوعی). 🔹 بازیابی ترکیبی (Hybrid Retrieval): ترکیب جستجوی برداری (ChromaDB) با الگوریتم BM25 و ادغام آن‌ها با روش Reciprocal Rank Fusion (RRF) برای رسیدن به بالاترین دقت در تطبیق بافتار زبان فارسی. 🔹 امنیت و گاردریل: یکپارچه‌سازی لایه‌ی Prompt Guard برای مسدودسازی فعال حملات تزریق پرامپت و پرس‌وجوهای ناامن. 🔹 منطق کسب‌وکار: پیاده‌سازی انتقال هوشمند به اپراتور انسانی (Human Handoff) برای پرسش‌های پیچیده و ابزاری اختصاصی برای پاسخ‌دهی آنی به زمان تراکنش‌های کریپتو. ایجاد تعادل بین آماده‌سازی داده‌های با حجم بالا و یک رابط کاربری امن و کاربردی، چالش جذابی بود. خروجی کار، یک سیستم آماده‌ی بهره‌برداری (Production-ready) است که اتوماسیون را با نظارت هوشمند انسانی ترکیب می‌کند 🔗 Source code & architecture details: https://github.com/mahdi-taghi/persian-support-rag