Интеграция AI-чат-бота с Jivo, LiveChat и Carrot Quest

Вы запустили live-чат на сайте, клиенты задают одни и те же вопросы, а операторы тонут в рутине. Мы столкнулись с этим в десятках проектов: AI-бот берёт на себя 70-80% первой линии, оставляя сложные задачи людям. Интеграция с Jivo, LiveChat или Carrot Quest — не просто «прикрутить» API, а выстроить конвейер: от приёма сообщения до осмысленного ответа с учётом истории и бизнес-правил. У нас за плечами 5 лет AI-интеграций и более 100 реализованных проектов.

Проблемы, которые решаем

Контекст теряется при передаче оператору

Клиент общался с ботом 10 минут — тот знает всю историю. При эскалации оператору бот отправляет краткий саммари, а не сырой лог. Мы реализуем это через LangChain: ConversationSummaryMemory сжимает диалог в 3-4 предложения. Без этой механики оператор тратит время на чтение лога, и NPS падает на 15-20%.

Latency p99 выше 3 секунд

Если модель отвечает дольше 2.5 с, клиент уходит. Решение — квантизация до INT4 и использование vLLM с continuous batching. На тестах с LLaMA 3 70B p99 опустился с 4.2 с до 1.2 с — vLLM обеспечивает в 3 раза меньшую latency по сравнению со стандартным инференсом. Для Carrot Quest мы дополнительно кешируем частые запросы через Redis (TTL 30 минут) — покрывает 40% диалогов без вызова LLM.

Сложные правила эскалации

Нельзя просто передавать всё. У нас система правил: если пользователь трижды спросил «Где мой заказ?» — эскалация сразу, даже при высокой уверенности. Или если sentiment отрицательный (библиотека cardiffnlp/twitter-roberta-base-sentiment), бот отвечает максимально вежливо и предлагает оператора. Итог — оператор получает только 20% клиентов, причём уже с контекстом.

Как мы интегрируем AI-бота с Jivo, LiveChat и CarrotQuest?

Из нашей практики: для одного интернет-магазина мы развернули бота на FastAPI внутри Kubernetes. Стек:

• Model: OpenAI GPT-4o (temperature 0.3) с системным промптом, описывающим ассортимент
• Embeddings: text-embedding-3-small (1536-dim) для RAG по каталогу (ChromaDB)
• Escalation: правила на базе langchain с порогом уверенности 0.7 и стоп-словами
• Deploy: SageMaker с Triton Inference Server под две модели (LLM + embedding)

Jivo присылает вебхук (см. ниже), FastAPI обрабатывает, вызывает цепочку LangChain. Ответ — JSON с полями event, chat_id, message. Время обработки — 1.8 с в p95.

from fastapi import FastAPI
app = FastAPI()

@app.post("/jivo-webhook")
async def handle_jivo(data: dict):
    event = data.get("event")
    if event == "client_message":
        client_message = data["message"]["text"]
        chat_id = data["chat_id"]

        response = await ai_bot.process(client_message)

        return {
            "event": "bot_message",
            "chat_id": chat_id,
            "message": {"type": "text", "text": response}
        }
    return {"event": "ignore"}

Jivo поддерживает кнопки быстрых ответов, передачу оператору (escalation), статусы «печатает». AI-бот работает до тех пор, пока не сработает условие эскалации.

Carrot Quest API

Carrot Quest — более функциональная платформа с собственным no-code конструктором ботов и Python SDK. Для кастомной логики: Webhook Triggers + API для отправки сообщений.

Особенность Carrot Quest: богатые данные о пользователе — история просмотров, события на сайте. AI-бот может учитывать: «Вы смотрели продукт X несколько раз — хотите задать вопрос?»

Режимы работы AI в live chat

Правило перехода к оператору: explicit request + низкая уверенность AI + отрицательный sentiment + VIP-клиент по тегу в CRM.

Сравнение моделей для live-чата

Выбор модели зависит от ваших приоритетов: максимальное качество или конфиденциальность данных. Для конфиденциальных данных используем open-source модели с локальным развёртыванием.

Как AI-бот определяет, когда передать оператору?

Используется система скоринга: модель возвращает уверенность ответа (logprobs). Если ниже 0.7 — эскалация. Дополнительно: стоп-слова («оператор», «живой человек»), негативный sentiment (модель nlptown/bert-base-multilingual-uncased-sentiment), больше двух повторных вопросов от клиента. Всё настраивается под ваши правила.

Какие модели LLM вы используете и почему?

Проприетарные (GPT-4o, Claude 3.5) — для максимального качества. Open-source (LLaMA 3 70B, Mistral Large) — для конфиденциальных данных или снижения стоимости. В production ставим через vLLM с INT4-квантизацией: latency p99 ниже 1.5 с на 70B модели. Если нужен fine-tuning под конкретную доменную область — используем LoRA на 2-3 эпохах. На практике GPT-4o справляется с 90% запросов без эскалации, в то время как LLaMA 3 — только с 75%.

Процесс работы

1. Аналитика и архитектура — разбираем вашу базу знаний, настраиваем RAG, проектируем цепочки LangChain.
2. Разработка — пишем код интеграции, настраиваем модели (fine-tuning или LoRA, если надо), тестируем на исторических диалогах.
3. Тестирование — A/B тест AI против операторов (метрики: разрешённые диалоги, CSAT, среднее время).
4. Деплой — на ваш сервер или наш облачный кластер, настройка CI/CD pipeline через GitHub Actions.
5. Обучение — инструкция для операторов, как перехватывать чат и как AI меняет стандартные ответы.

Сроки ориентировочно

Базовая интеграция (один канал, одна модель) — от 2 недель. Если нужен RAG по каталогу, две модели, несколько каналов — до 4 недель. Стоимость рассчитывается индивидуально, исходя из сложности и объёма данных. Мы даём гарантию на код (30 дней бесплатной поддержки) и сертификат на используемые решения, а также гарантируем SLA (время ответа p99 < 2 с, доступность 99.9%).

Что входит в работу

• Архитектурная схема решения (PDF)
• Исходный код бота с комментариями
• Инструкция по развёртыванию (Docker Compose, Kubernetes)
• Дашборд метрик (Grafana + Prometheus) — обработано/эскалировано/среднее время
• 30 дней поддержки после запуска

Хотите автоматизировать поддержку? Свяжитесь с нами — получите консультацию и примерную оценку вашего проекта. Закажите пилот на одном канале за 2 недели.

NLP разработка: классификация текстов, NER, эмбеддинги и извлечение информации

К нам приходит задача: обрабатывать 50 тысяч обращений в службу поддержки — сейчас всё вручную. Датасет — 3000 размеченных примеров, 12 категорий, дисбаланс: одна категория занимает 40% выборки, три по 1-2%. Baseline accuracy — 78%. Звучит неплохо, пока не смотришь на recall по редким классам: 0.31, 0.44, 0.28. Именно эти классы — жалобы и угрозы оттока — важнее всего бизнесу.

Это типичный проект NLP разработки. Проблема не в алгоритме, а в том, что accuracy — не та метрика. Наш опыт показывает: в 30+ проектах мы начинаем с анализа бизнес-метрик и только потом выбираем модель.

Почему accuracy — не та метрика для редких классов?

Accuracy игнорирует дисбаланс. Если класс «отток» встречается в 2% случаев, модель может предсказывать «всё хорошо» и получить 98% accuracy — но бизнес теряет клиентов. Решение: F1 macro (усреднение по всем классам) или weighted F1. Для NER — strict entity F1 (только точные совпадения). Гарантируем: после выбора правильной метрики качество модели становится измеримым и прогнозируемым.

Классификация текста: от BERT до дистилляции

BERT-подобные модели — стандарт для классификации. ruBERT-base или ruBERT-large от DeepPavlov для русского языка. multilingual-e5-large — если нужно работать с несколькими языками в одном пайплайне. XLM-RoBERTa-large — сильный multilingual backbone.

Fine-tuning для классификации: добавляем classification head поверх [CLS]-токена, обучаем 3-5 эпох с lr=2e-5, weight decay=0.01. При дисбалансе — weighted CrossEntropyLoss или focal loss с gamma=2.0. Пишите — покажем code snippet.

Кейс с дисбалансом. Датасет — 3000 примеров, дисбаланс 1:20. Решение: class_weight через sklearn + CrossEntropyLoss. Дополнительно — augmentation редких классов через backtranslation (ru→en→ru через MarianMT). Recall по редким классам вырос с 0.31 до 0.67 при незначительном падении accuracy (76%→74%). Полная NLP разработка под ключ заняла 3 недели.

Дистилляция для production. BERT-large даёт F1 0.89, но inference на CPU — 180ms. Дистилляция в DistilBERT или ruBERT-tiny2 снижает latency до 25ms при F1 0.84. Экспорт в ONNX Runtime даёт дополнительный 1.5-2x. Оценим проект — рассчитаем экономию на инфраструктуре.

NER: распознавание именованных сущностей

NER — извлечение персон, организаций, локаций, дат, сумм, номеров документов. Для общих категорий (PER, ORG, LOC) предобученные модели работают хорошо. Для специализированных (медицинские термины, юридические понятия) — нужен fine-tuning.

Разметка данных. Основная стоимость NER-проекта. Для качественной модели — 500-2000 размеченных предложений на каждый тип сущности. Инструменты: Label Studio (open source) или Prodigy (от создателей spaCy). Формат IOB2 — стандарт.

Архитектура. Token classification поверх BERT: каждому токену метка (B-PER, I-PER, O). spaCy 3.x с transformer pipeline — удобный production-выбор.

Вложенные сущности. Стандартные IOB-модели не обрабатывают вложенные сущности (организация внутри адреса). Для таких задач — span-based NER: SpanBERT или SpERT. Сложнее, но правильно.

Постобработка обязательна. Модель предсказывает токены — нужны нормализованные сущности. Дата — dateparser. Суммы — regex + валидация. Имена — дедупликация через rapidfuzz. Входит в нашу стандартную поставку.

Sentiment Analysis и opinion mining

Бинарная классификация positive/negative работает с BERT из коробки. Сложность — аспектная тональность (ABSA): «в ресторане хорошая кухня, но ужасный сервис». Для ABSA: aspect extraction (NER) + sentiment по каждому аспекту. Joint модели BERT-for-ABSA — качество на русских данных ниже из-за дефицита датасетов. RuSentiment, SentiRuEval — основные ресурсы.

Для продакшена с простым позитив/негатив/нейтраль: distil-модели достаточно. Три класса, balanced датасет, 2000+ примеров — F1 macro 0.82-0.87 за 1-2 дня.

Суммаризация текста

Экстрактивная суммаризация (выбираем предложения) — TextRank или BM25 без обучения. Быстро, не галлюцинирует. Хорошо для длинных документов.

Абстрактивная (генерирует новый текст) — seq2seq: mT5, mBART, FRED-T5, ruT5-large. Для production через LLM API (GPT-4, Claude) — часто лучший трейдофф стоимость/качество/скорость.

Эмбеддинги: векторные представления текста

Эмбеддинги — основа семантического поиска, дедупликации, кластеризации, RAG. Качество критически влияет на downstream задачи.

Модели. E5-large-v2, BGE-M3, multilingual-e5-large — сильные multilingua embedders. sentence-transformers/paraphrase-multilingual-mpnet-base-v2 — быстрый вариант. Для русского: ru-en-RoSBERTa (Skoltech) хорош на semantic textual similarity.

Как оценить качество эмбеддингов? MTEB benchmark — стандарт. Но топовые результаты на MTEB не гарантируют успех на доменном датасете — строим домен-специфичный eval.

Fine-tuning эмбеддингов. Если стандартные модели не дают нужного Recall@k — contrastive learning на доменных парах с MultipleNegativesRankingLoss. 500-2000 пар, 1-3 эпохи — 5-15% прирост Recall@k.

Размерность и хранение. E5-large: 1024 dim, float32 — 4KB на вектор. При 10M документов — 40GB. Квантизация int8 снижает до 10GB. FAISS IVF_PQ — ещё компактнее, но с потерями. Входит в наши рекомендации по деплою.

Извлечение информации

Структурированное извлечение — одна из частых задач. Примеры: ключевые условия договора, технические характеристики, даты и суммы из счетов.

1. Regex + rule-based. Для ИНН, ОГРН, сумм, дат — надёжнее нейросети. Не требует данных.
2. NER + постобработка. Для вариативных форматов.
3. LLM с structured output. GPT-4 / Claude с JSON schema — для сложных документов. Стоимость: ~$0.001-0.01 на документ. Для 10k+ документов/день — считаем экономику.

Гарантируем гибрид: regex/NER для типовых полей + LLM для edge cases. Сертификат доверия: 5 лет на рынке, >30 проектов.

Этапы работы

Прототип на существующих данных — 1-3 недели. Production-система с CI/CD — 1.5-2.5 месяца. Стоимость рассчитывается индивидуально — напишите, получите консультацию и оценку.

Что входит в работу

• Документация по архитектуре модели и пайплайну
• Доступы к модели через REST API (FastAPI + ONNX)
• Обучение команды заказчика (2 часа вебинара + Q&A)
• Гарантия на точность модели на оговоренной тестовой выборке
• Поддержка 3 месяца после сдачи (багфикс, адаптация под новые данные)

Наш опыт

Более 5 лет в NLP, 30+ проектов от классификации до RAG-систем. Команда включает ML-инженеров с опытом в Hugging Face, spaCy, LangChain, MLOps. Используем vLLM, Kubeflow, Weights & Biases — продакшен-стек, а не игрушки. Пишите — оценим проект за 2 дня.