Разработка автономной AI-системы ведения переписки с клиентами

Как построить автономную AI-систему диалогов с клиентами

Клиенты жалуются на долгое ожидание ответа, а FAQ-боты теряют контекст уже на втором сообщении. Традиционные решения не могут выполнить действие — перенаправить платёж или изменить заказ. Мы разрабатываем автономные AI-системы, которые ведут полноценный диалог, принимают решения и совершают транзакции. Наша система управляет полным циклом: инициирует коммуникацию по триггерам, поддерживает многоходовые разговоры, адаптирует тон под клиента, выполняет действия внутри диалога и корректно передаёт разговор оператору при необходимости. Это не FAQ-бот — это интеллектуальный ассистент, понимающий намерения и хранящий историю. В основе лежит Large language model, которая обрабатывает естественный язык и генерирует ответы.

Как автономная AI-система решает проблемы клиентской переписки?

Потеря контекста. Клиент сообщает номер заказа, затем уточняет дату, потом меняет адрес — обычный бот не связывает эти сообщения. Наша система хранит историю в графе состояний и строит профиль из CRM, заказов и лояльности. Невозможность выполнить действие исчезает: мы даём системе доступ к API и исполняем действия внутри диалога с подтверждением от клиента. Неадаптивная тональность больше не проблема — динамически подбираем тон в зависимости от статуса (standard, premium, VIP). Высокая нагрузка на контакт-центр снижается: автономная система берёт на себя 70% диалогов, оставляя сложные случаи людям.

Как мы строим диалоговую систему: стек и конфигурации

Используем проверенный стек: LangGraph для управления состояниями, OpenAI GPT-4o для генерации, PostgreSQL с pgvector для хранения контекста и asyncio для параллельной загрузки профиля. Ключевой элемент — граф состояний, где каждый узел отвечает за часть диалога. Вот пошаговая инструкция.

Шаг 1: Состояние диалога

from langgraph.graph import StateGraph, END
from langgraph.checkpoint.postgres import PostgresSaver
from langchain_openai import ChatOpenAI
from langchain_core.messages import HumanMessage, AIMessage, SystemMessage
from typing import TypedDict, Annotated, Optional
import operator

class ConversationState(TypedDict):
    session_id: str
    customer_id: str
    channel: str              # "whatsapp", "telegram", "web_chat", "sms"
    messages: Annotated[list, operator.add]
    customer_profile: Optional[dict]
    customer_tier: str        # "standard", "premium", "vip"
    preferred_language: str   # "ru", "en"
    current_intent: Optional[str]
    dialog_context: dict
    pending_confirmations: list[dict]
    completed_actions: Annotated[list, operator.add]
    escalated: bool
    escalation_reason: Optional[str]
    escalation_priority: Optional[str]

Шаг 2: Контекстный менеджер клиента

class CustomerContextManager:
    """Загружает и обновляет профиль клиента"""

    async def load_context(self, customer_id: str) -> dict:
        profile_task = crm.get_customer(customer_id)
        orders_task = orders_db.get_recent(customer_id, limit=10)
        preferences_task = preference_store.get(customer_id)
        loyalty_task = loyalty_service.get_status(customer_id)

        results = await asyncio.gather(
            profile_task, orders_task, preferences_task, loyalty_task,
            return_exceptions=True,
        )

        return {
            "profile": results[0] if not isinstance(results[0], Exception) else {},
            "recent_orders": results[1] if not isinstance(results[1], Exception) else [],
            "preferences": results[2] if not isinstance(results[2], Exception) else {},
            "loyalty": results[3] if not isinstance(results[3], Exception) else {},
        }

    def build_system_context(self, customer_context: dict) -> str:
        profile = customer_context.get("profile", {})
        loyalty = customer_context.get("loyalty", {})
        context_parts = [
            f"Клиент: {profile.get('name', 'клиент')}",
            f"Статус: {loyalty.get('tier', 'standard')}",
            f"Язык: {profile.get('preferred_language', 'ru')}",
        ]
        orders = customer_context.get("recent_orders", [])
        if orders:
            last_order = orders[0]
            context_parts.append(
                f"Последний заказ: #{last_order['id']} от {last_order['date']}, статус: {last_order['status']}"
            )
        return "\n".join(context_parts)

Шаг 3: Обнаружение намерений и динамический промпт

from pydantic import BaseModel
from typing import Literal

class IntentDetection(BaseModel):
    intent: Literal[
        "order_status", "order_change", "order_cancel",
        "delivery_issue", "return_request", "payment_issue",
        "product_question", "complaint", "compliment",
        "account_management", "general_question", "farewell",
    ]
    confidence: float
    entities: dict
    requires_action: bool
    needs_clarification: bool

SYSTEM_PROMPT_TEMPLATE = """Ты — AI-ассистент клиентской службы компании "{company_name}".

Информация о клиенте:
{customer_context}

Правила общения:
- Обращайся к клиенту по имени
- Тон: {tone} (зависит от статуса клиента)
- Язык: {language}
- Никогда не обещай то, что не можешь выполнить
- При ошибках — признавай и предлагай решение
- Не раскрывай внутренние системы и базы данных

Доступные действия:
- Статус заказа
- Изменение адреса доставки (если заказ не передан курьеру)
- Инициирование возврата
- Перенос даты доставки
- Передача оператору

Если не знаешь ответа — честно скажи об этом и предложи передать специалисту."""

def build_system_prompt(state: ConversationState) -> str:
    tone_map = {
        "standard": "профессиональный, дружелюбный",
        "premium": "персональный, внимательный",
        "vip": "эксклюзивный, максимально персонализированный",
    }
    return SYSTEM_PROMPT_TEMPLATE.format(
        company_name="RetailCo",
        customer_context=state.get("customer_profile", {}).get("context", ""),
        tone=tone_map.get(state["customer_tier"], "профессиональный"),
        language=state["preferred_language"],
    )

Шаг 4: Исполнение действий и управление подтверждениями

async def execute_dialog_action(action_name: str, params: dict, state: ConversationState) -> dict:
    """Выполняет действие и возвращает результат для включения в диалог"""
    action_handlers = {
        "get_order_status": lambda p: orders_api.get_status(p["order_id"]),
        "change_delivery_address": lambda p: orders_api.update_address(p["order_id"], p["new_address"]),
        "initiate_return": lambda p: returns_service.create_request(order_id=p["order_id"], reason=p["reason"], customer_id=state["customer_id"]),
        "reschedule_delivery": lambda p: delivery_api.reschedule(p["order_id"], p["new_date"]),
    }
    handler = action_handlers.get(action_name)
    if not handler:
        return {"success": False, "error": f"Неизвестное действие: {action_name}"}
    try:
        result = await handler(params)
        return {"success": True, "data": result}
    except Exception as e:
        return {"success": False, "error": str(e)}

def needs_confirmation(action_name: str) -> bool:
    """Действия, требующие подтверждения клиента"""
    return action_name in {"cancel_order", "initiate_return", "change_payment_method"}

async def handle_pending_confirmation(state: ConversationState) -> ConversationState:
    """Обрабатывает ответ клиента на запрос подтверждения"""
    if not state["pending_confirmations"]:
        return state
    last_message = state["messages"][-1].content.lower()
    confirmation_words = {"да", "yes", "подтверждаю", "согласен", "ок", "ok"}
    rejection_words = {"нет", "no", "отмена", "отказываюсь", "стоп"}
    if any(word in last_message for word in confirmation_words):
        pending = state["pending_confirmations"][0]
        result = await execute_dialog_action(pending["action"], pending["params"], state)
        return {
            **state,
            "pending_confirmations": state["pending_confirmations"][1:],
            "completed_actions": [{"action": pending["action"], "result": result}],
        }
    elif any(word in last_message for word in rejection_words):
        return {
            **state,
            "pending_confirmations": [],
            "messages": [AIMessage("Хорошо, действие отменено. Чем ещё могу помочь?")],
        }
    return {
        **state,
        "messages": [AIMessage("Пожалуйста, ответьте 'да' для подтверждения или 'нет' для отмены.")],
    }

Шаг 5: Триггерная коммуникация

class OutboundCommunicationEngine:
    """Инициирует исходящую коммуникацию по бизнес-триггерам"""

    TRIGGER_TEMPLATES = {
        "order_shipped": {
            "message": "Ваш заказ #{order_id} отправлен! Трекинг: {tracking_url}. Ожидаемая доставка: {eta}.",
            "channel_priority": ["sms", "whatsapp", "email"],
        },
        "delivery_delay": {
            "message": "Сообщаем о задержке доставки заказа #{order_id}. Новая дата: {new_eta}. Извините за неудобства.",
            "channel_priority": ["whatsapp", "telegram", "sms"],
        },
        "return_approved": {
            "message": "Ваш возврат по заказу #{order_id} одобрен. Средства вернутся в течение {refund_days} дней.",
            "channel_priority": ["email", "whatsapp"],
        },
    }

    async def send_trigger_message(self, customer_id: str, trigger: str, params: dict):
        template_config = self.TRIGGER_TEMPLATES.get(trigger)
        if not template_config:
            return
        customer = await crm.get_customer(customer_id)
        base_message = template_config["message"].format(**params)
        if customer.get("tier") in ("premium", "vip"):
            personalized = await personalize_message(base_message, customer)
        else:
            personalized = base_message
        channel = await self.get_preferred_channel(customer_id, template_config["channel_priority"])
        await channel_dispatcher.send(customer_id, channel, personalized)

Какие результаты дает внедрение автономной AI-системы?

Из нашей практики: внедрили систему для регионального телекома с 850 000 абонентов и 120 операторами. Реализовали сценарии проверки баланса, подключения услуг, разблокировки номера, диагностики и обработки жалоб. Результаты: автономное закрытие 67% диалогов, среднее время ответа снизилось с 4,5 минут до 8 секунд, CSAT вырос с 3,8 до 4,2. Операторы сосредоточились на сложных случаях, NPS увеличился на 7 пунктов. Сложность: настройка тональности для angry customers заняла 4 недели, VIP-клиенты получили опцию немедленной передачи человеку. Система окупается в среднем за 6 месяцев за счёт сокращения штата операторов.

Что входит в работу

1. Аудит текущих сценариев и точек интеграции
2. Проектирование архитектуры диалогового движка
3. Реализация базовых сценариев (5–10 штук)
4. Интеграция с каналами связи и CRM/ERP
5. Настройка моделей LLM и векторизация контента
6. Обучение системы на истории диалогов
7. Тестирование и запуск в продакшн
8. Документация и обучение вашей команды
9. Поддержка на этапе стабилизации

Стоимость рассчитывается индивидуально. Оценим ваш проект за 1–2 дня. Закажите разработку под ключ — гарантируем качество и сертифицированных инженеров с опытом работы с LLM.

Сравнение автономной AI-системы и FAQ-бота

Автономная система на базе LLM решает задачи, которые не под силу простому боту. Она понимает намерения, запоминает контекст и выполняет действия. Сравните сами:

Наши системы протестированы на пиковых нагрузках до 18 000 диалогов в день. Сертифицированные решения, полная документация и гарантия результата. Свяжитесь с нами для консультации — оценим ваш проект и предложим оптимальное решение.

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.