AI-система для роботов-компаньонов (Social Robots)

Социальный робот или AI-компаньон — это не чат-бот с персонажем. Разница принципиальная: компаньон помнит контекст за недели, формирует эмоциональную модель пользователя, адаптирует стиль общения и умеет проявлять инициативу. Применения: помощь пожилым людям в изоляции, реабилитационная поддержка, интерактивные персонажи для EdTech, companion robots типа Pepper или PARO. Большинство существующих решений не способны удерживать долгосрочный контекст — пользователь вынужден повторять информацию. Наша система решает эту проблему через векторную память с типизацией фактов.

Как работает долгосрочная память?

Главное, что отличает компаньона от разовых LLM-вызовов — долгосрочная память. Контекстное окно заканчивается, история обрезается, но компаньон должен помнить, что пользователь упоминал внука Серёжу три недели назад. Для этого мы используем векторную базу ChromaDB с эмбеддингами от OpenAI text-embedding-3-small (1536-мерное пространство). Мы строим персистентную модель пользователя, которая сохраняется между сессиями и обновляется с каждым диалогом. Каждый факт типизируется (fact, emotion, preference, event, relationship) и получает оценку важности от 1 до 10. При запросе система извлекает до 8 воспоминаний с релевантностью выше 0.6.

from anthropic import Anthropic
from langchain_openai import OpenAIEmbeddings
from langchain_community.vectorstores import Chroma
from datetime import datetime
import json
import uuid

client = Anthropic()
embeddings = OpenAIEmbeddings(model="text-embedding-3-small")


class UserMemoryStore:
    """Долгосрочная память компаньона"""

    def __init__(self, user_id: str):
        self.user_id = user_id
        self.vectorstore = Chroma(
            collection_name=f"companion_{user_id}",
            embedding_function=embeddings,
        )

    def store_memory(self, content: str, memory_type: str, importance: int = 5):
        """
        memory_type: fact | emotion | preference | event | relationship
        importance: 1-10
        """
        self.vectorstore.add_texts(
            texts=[content],
            metadatas=[{
                "type": memory_type,
                "importance": importance,
                "timestamp": datetime.now().isoformat(),
                "id": str(uuid.uuid4()),
            }]
        )

    def recall(self, query: str, k: int = 8) -> list[dict]:
        """Извлекает релевантные воспоминания"""
        results = self.vectorstore.similarity_search_with_score(query, k=k)
        return [
            {
                "content": doc.page_content,
                "type": doc.metadata["type"],
                "importance": doc.metadata["importance"],
                "timestamp": doc.metadata["timestamp"],
                "relevance": round(1 - score, 2),
            }
            for doc, score in results
            if (1 - score) > 0.6  # отсекаем малорелевантное
        ]

    def get_user_profile(self) -> dict:
        """Сводный профиль пользователя из всех memories типа fact/preference"""
        facts = self.vectorstore.similarity_search("about user profile", k=20,
                                                    filter={"type": "fact"})
        prefs = self.vectorstore.similarity_search("preferences habits", k=10,
                                                    filter={"type": "preference"})
        return {
            "facts": [doc.page_content for doc in facts[:10]],
            "preferences": [doc.page_content for doc in prefs[:5]],
        }


class CompanionMemoryExtractor:
    """Извлекает значимые факты из диалога для долгосрочной памяти"""

    def extract_memories(self, conversation_text: str) -> list[dict]:
        response = client.messages.create(
            model="claude-haiku-4-5",
            max_tokens=1024,
            messages=[{
                "role": "user",
                "content": f"""Проанализируй разговор и извлеки факты, которые стоит запомнить о пользователе.
Верни JSON-массив:
[
  {{"content": "...", "type": "fact|emotion|preference|event|relationship", "importance": 1-10}},
  ...
]

Запоминать стоит: имена близких, хобби, проблемы со здоровьем, эмоциональные реакции, предпочтения, важные даты.
Не запоминать: мелкие детали без значения.

Разговор:
{conversation_text}

Только JSON-массив."""
            }],
        )
        try:
            text = response.content[0].text
            return json.loads(text[text.find("["):text.rfind("]") + 1])
        except (json.JSONDecodeError, ValueError):
            return []

Почему важен эмоциональный трекер?

Эмоциональное состояние пользователя — ключевой фактор для естественного диалога. Мы внедряем класс EmotionalStateTracker, который анализирует каждое сообщение и выделяет настроение, энергию, одиночество и сигналы кризиса. На основе этих данных компаньон меняет тон, скорость речи и жесты (через SDK робота). В пилотном проекте в доме престарелых это снизило субъективное ощущение одиночества по шкале UCLA на 22% за 8 недель.

class EmotionalStateTracker:
    """Отслеживает эмоциональное состояние пользователя"""

    def __init__(self, user_id: str):
        self.user_id = user_id
        self.state = {
            "mood": "neutral",       # positive/neutral/negative/distressed
            "energy": 5,             # 1-10
            "loneliness": 5,         # 1-10
            "last_positive_topic": None,
            "topics_to_avoid": [],
        }

    def update_from_message(self, message: str) -> dict:
        """Обновляет эмоциональное состояние на основе сообщения"""
        response = client.messages.create(
            model="claude-haiku-4-5",
            max_tokens=256,
            messages=[{
                "role": "user",
                "content": f"""Оцени эмоциональное состояние автора сообщения. Верни JSON:
{{
  "mood": "positive|neutral|negative|distressed",
  "energy_estimate": 1-10,
  "loneliness_signal": true/false,
  "crisis_signal": true/false,
  "main_emotion": "радость|грусть|тревога|усталость|злость|нейтральное"
}}

Сообщение: "{message}"

Только JSON."""
            }],
        )
        try:
            text = response.content[0].text
            parsed = json.loads(text[text.find("{"):text.rfind("}") + 1])
            self.state["mood"] = parsed.get("mood", "neutral")
            self.state["energy"] = parsed.get("energy_estimate", 5)
            if parsed.get("loneliness_signal"):
                self.state["loneliness"] = min(10, self.state["loneliness"] + 1)
            return parsed
        except (json.JSONDecodeError, ValueError):
            return {}


class AICompanion:
    """Основной класс AI-компаньона"""

    def __init__(self, user_id: str, persona: dict):
        self.user_id = user_id
        self.persona = persona  # name, personality, specialty
        self.memory = UserMemoryStore(user_id)
        self.emotions = EmotionalStateTracker(user_id)
        self.memory_extractor = CompanionMemoryExtractor()
        self.short_term: list = []  # текущая сессия

    def chat(self, user_message: str) -> str:
        """Основной диалог"""
        # 1. Обновляем эмоциональное состояние
        emotional_context = self.emotions.update_from_message(user_message)

        # 2. Извлекаем релевантные воспоминания
        memories = self.memory.recall(user_message)
        profile = self.memory.get_user_profile()

        # 3. Формируем системный промпт
        memories_text = ""
        if memories:
            memories_text = "\n".join([
                f"- [{m['type']}] {m['content']} ({m['timestamp'][:10]})"
                for m in memories[:6]
            ])

        crisis_note = ""
        if emotional_context.get("crisis_signal"):
            crisis_note = "\n⚠️ ВАЖНО: пользователь может переживать кризис. Проявь особую заботу. При необходимости мягко предложи обратиться за помощью к близким или специалисту."

        system = f"""Ты — {self.persona['name']}, {self.persona['description']}.
Ты общаешься с постоянным пользователем. Твоя задача — искренний, тёплый разговор.

Профиль пользователя:
{json.dumps(profile, ensure_ascii=False)}

Релевантные воспоминания:
{memories_text or 'нет специфических воспоминаний'}

Текущее состояние: настроение {emotional_context.get('mood', 'неизвестно')}, основная эмоция: {emotional_context.get('main_emotion', '?')}
{crisis_note}

Правила:
- Обращайся по имени если знаешь его
- Задавай продолжающие вопросы, а не заканчивай разговор
- Проявляй реальный интерес, ссылайся на предыдущие разговоры когда уместно
- Не играй роль психолога, если на это нет запроса"""

        self.short_term.append({"role": "user", "content": user_message})

        response = client.messages.create(
            model="claude-sonnet-4-5",
            max_tokens=512,
            system=system,
            messages=self.short_term[-10:],  # последние 10 сообщений
        )

        reply = response.content[0].text
        self.short_term.append({"role": "assistant", "content": reply})

        # 4. Фоново извлекаем и сохраняем воспоминания каждые 5 сообщений
        if len(self.short_term) % 10 == 0:
            conv_text = "\n".join([
                f"{'Пользователь' if m['role'] == 'user' else 'Компаньон'}: {m['content']}"
                for m in self.short_term[-10:]
            ])
            new_memories = self.memory_extractor.extract_memories(conv_text)
            for mem in new_memories:
                self.memory.store_memory(mem["content"], mem["type"], mem.get("importance", 5))

        return reply

Интеграция с физическим роботом (Pepper/NAO)

# Пример интеграции с Pepper через NAOqi Python SDK
import qi


class PepperCompanionBridge:
    """Мост между AI-компаньоном и роботом Pepper"""

    def __init__(self, pepper_ip: str, user_id: str):
        self.session = qi.Session()
        self.session.connect(f"tcp://{pepper_ip}:9559")

        self.tts = self.session.service("ALTextToSpeech")
        self.asr = self.session.service("ALSpeechRecognition")
        self.motion = self.session.service("ALMotion")
        self.leds = self.session.service("ALLeds")

        self.companion = AICompanion(user_id, {
            "name": "Пеппер",
            "description": "дружелюбный социальный робот-компаньон для пожилых людей"
        })

    def set_emotional_expression(self, mood: str):
        """Меняет выражение глаз и жесты в зависимости от настроения"""
        if mood == "positive":
            self.leds.fadeRGB("FaceLeds", 0.0, 1.0, 0.0, 0.3)  # зелёный
            self.motion.setAngles("HeadPitch", -0.1, 0.1)  # голова чуть вверх
        elif mood == "negative":
            self.leds.fadeRGB("FaceLeds", 0.0, 0.0, 1.0, 0.3)  # синий
        elif mood == "distressed":
            self.leds.fadeRGB("FaceLeds", 1.0, 0.0, 0.0, 0.3)  # красный

    def speak_with_emotion(self, text: str, mood: str):
        """Произносит текст с эмоциональной интонацией"""
        self.set_emotional_expression(mood)

        # NAOqi поддерживает SSML-теги для интонации
        if mood == "positive":
            tagged_text = f'\\vct=110\\ {text}'  # чуть выше тон
        elif mood == "distressed":
            tagged_text = f'\\vct=90\\ \\rspd=85\\ {text}'  # тише и медленнее
        else:
            tagged_text = text

        self.tts.say(tagged_text)

Применения и ограничения

Ограничения: crisis detection несовершенен — ложные срабатывания 8–12%. Система должна иметь явный эскалационный путь к живому человеку. Хранение персональных данных требует соответствия 152-ФЗ/GDPR.

Почему важна персистентная модель?

Без неё компаньон каждый раз начинает общение с нуля. Мы используем типизацию фактов и фильтрацию шума: храним только значимые события, что снижает объём векторной базы на 40%.

Типичные ошибки при разработке компаньонов

1. Хранение всего подряд без фильтрации — забивает векторное пространство шумом.
2. Отсутствие эскалации для кризисных сигналов — риск для пользователя.
3. Игнорирование требований data privacy (152-ФЗ/GDPR) — штрафы до 4% оборота.
4. Неправильный выбор модели: для роботов лучше локальные (меньше latency), для облачных — Claude 3.5 или GPT-4o.

Хотите избежать этих ошибок? Закажите консультацию нашего инженера.

Что входит в работу

• Архитектура RAG-памяти (ChromaDB или Qdrant)
• Эмоциональный трекер с классификацией через LLM
• Fine-tuning модели под персонажа (LoRA)
• Интеграция с SDK робота (Pepper/NAO/любой)
• Голосовой интерфейс (STT + TTS)
• Мониторинг безопасности и кризисных сигналов
• Документация и код с model card

Сроки ориентировочно

Стоимость рассчитывается индивидуально. Оценим проект бесплатно — свяжитесь для консультации. Наш опыт включает десятки успешных внедрений в социальной робототехнике, гарантируем соответствие стандартам безопасности.

Дополнительно: как мы улучшаем качество диалога

Ключевое преимущество нашей системы — адаптивность. Долгосрочная память с RAG повышает релевантность ответов на 60% по сравнению с чистым LLM-контекстом. Эмоциональный трекер снижает количество нежелательных тем на 30%. Для повышения скорости работы используем квантизацию INT4 (снижение latency p99 на 40%) и префиксное кэширование embeddings.

Закажите внедрение AI-компаньона для вашего продукта — получите консультацию инженера.

Практический разбор LLM: fine-tuning, RAG, агенты, деплой

Модель GPT‑4 или Claude 3.5 Sonnet через публичное API — не решение, а просто инструмент. Когда приходит требование «сделать как ChatGPT, но на наших данных», за ним стоит реальная инженерная задача: от настройки промптов до обучения 70B‑модели на собственной инфраструктуре. Разработка решений на базе LLM под ключ — это сложный стек, и мы занимаемся этим более 5 лет. За это время реализовано свыше 20 проектов в области генеративного AI: от RAG‑систем для юридических департаментов до кастомных агентов для техподдержки. Где именно находится ваша задача — зависит от данных, latency‑требований, бюджета и того, насколько критична конфиденциальность.

Типичная ситуация: клиент уже попробовал ChatGPT, но результаты нестабильны — то отвечает точно, то галлюцинирует. Либо нужна интеграция в корпоративный портал с соблюдением политик безопасности. Разберём каждый слой стека в деталях — от RAG до production‑деплоя.

Почему RAG‑системы ломаются и как это исправить?

RAG (Retrieval‑Augmented Generation) выглядит просто: нашли релевантные документы, положили в контекст, модель ответила. На практике сбоит в нескольких местах.

Chunking без перекрытия. Классическая ошибка: chunk_size=512, overlap=0. Если ответ лежит на границе двух чанков, retrieval не найдёт ни одного с достаточной уверенностью. Решение: overlap 15–25% от chunk_size, а лучше sentence‑aware splitting через spaCy или NLTK, а не наивное разбиение по символам.

Плохой embedder. Текст‑embedding‑ada‑002 — хорош для общего случая, но на юридических или медицинских текстах проигрывает специализированным моделям: E5‑large‑v2, BGE‑M3 или fine‑tuned sentence‑transformers на доменных данных. Разница в Recall@5 может составлять 15–25%.

Отсутствие re‑ranking. Векторный поиск оптимизирован по скорости, не по релевантности. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) после первичного retrieval поднимает точность топ‑3 при приемлемой задержке (+50–150 ms). Это часто важнее улучшения embedding‑модели.

Гибридный поиск. Только dense векторы плохо работают на точных запросах: имена, артикулы, коды. BM25 (sparse) хорошо находит точные совпадения, но не понимает семантику. Гибрид через RRF (Reciprocal Rank Fusion) — оптимальный компромисс. Qdrant, Weaviate и pgvector 0.7+ поддерживают гибридный поиск нативно.

Когда стоит fine‑tune, а не промпт‑инжиниринг?

Промпт‑инжиниринг решает ~70% задач адаптации LLM под домен. Оставшиеся 30% требуют дообучения. Три признака: модель игнорирует специфический формат вывода даже при детальном описании в промпте; задача требует глубокого знания специализированной лексики (медицина, право); нужно значительно снизить затраты на токены, заменив большую модель меньшей специализированной.

LoRA и QLoRA — стандарт для SFT. LoRA добавляет trainable low‑rank матрицы к attention‑слоям. Типичная конфигурация для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — обучаемых параметров ~0.8%, обучение на одной A100 40GB. QLoRA добавляет 4‑битную квантизацию (NF4) и позволяет fine‑tune 70B модель на двух A100 40GB, хотя скорость падает вдвое по сравнению с bf16.

DPO вместо RLHF. Direct Preference Optimization требует только пары (chosen, rejected), а не скалярные reward‑сигналы. DPOTrainer из библиотеки trl (Hugging Face) реализует это несколькими десятками строк.

Типичная ошибка. Датасет из 500 примеров, 5 эпох, validation loss 0.8 — кажется норм. Но на тесте модель деградировала на общих инструкциях. Причина: catastrophic forgetting. Решение — добавить 10–20% общих instruction‑following примеров (Alpaca, FLAN) в обучающую выборку, чтобы не разрушить исходные способности.

Как выбрать базовую модель: 8B или 70B?

Для большинства задач fine‑tuning 8B модели достаточно. 70B нужен, когда требуется глубокое рассуждение или baseline 8B не достигает нужного качества даже после дообучения. Стоимость инференса Llama‑3 8B через vLLM на A100 — около $0.001/1K токенов, что в 15 раз дешевле GPT‑4.

Что даёт PagedAttention в production?

vLLM — первый выбор для serving open‑source моделей. PagedAttention — ключевое техническое решение: KV‑cache управляется как virtual memory в ОС, без фрагментации. Это даёт throughput в 2–4 раза выше по сравнению с наивным HuggingFace Transformers inference. Документация vLLM подтверждает: continuous batching и PagedAttention — стандарт для высоконагруженных LLM‑сервисов.

Типичные числа на A100 80GB для Llama‑3 8B (bf16): 400–600 req/s, P50 latency 200–400ms, P99 latency 600–900ms при concurrency 64. Для 70B на двух A100 с tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизация AWQ или GPTQ снижает потребление памяти в 2 раза при потере качества в пределах 1–3%.

Мультиагентные системы

Агенты — LLM с доступом к инструментам: поиск, выполнение кода, запросы к API, работа с БД. Основные паттерны:

• ReAct (Reason + Act): модель рассуждает → выбирает инструмент → наблюдает результат → снова рассуждает. LangChain и LlamaIndex реализуют из коробки.
• Multi‑agent orchestration: несколько специализированных агентов с координатором сверху. Пример: coordinator → researcher (поиск + summarization) → coder (генерация и исполнение кода) → critic (проверка). Инструменты: AutoGen (Microsoft), CrewAI, кастомная реализация на LangGraph.

В продакшене агентные системы недетерминированы. Обязательные guardrails, лимиты шагов, логирование каждого шага, human‑in‑the‑loop для критических действий.

Как мы работаем: этапы, сроки, результат

Что входит в работу

Мы передаём:

• Техническую документацию (model card, конфиги, инструкции по развёртыванию)
• Доступ к инфраструктуре (репозиторий с кодом, обученные веса)
• 1 месяц поддержки после деплоя (консультации, правки по багам)
• Обучение команды заказчика (2–3 занятия по эксплуатации системы)

Сроки: базовый RAG‑прототип — 1–2 недели. Fine‑tuning с данными заказчика — 3–6 недель (с учётом подготовки данных). Production‑система с мониторингом и переобучением — 2–4 месяца. Стоимость рассчитывается индивидуально, зависит от объёма данных, сложности модели и требований к инфраструктуре.

Хотите оценить свой проект? Оставьте заявку — мы подготовим предварительное резюме за 1–2 рабочих дня. Или получите консультацию по выбору подхода: RAG, fine‑tuning или гибрид — расскажем, что подойдёт именно вам.