AI-система для роботів-компаньйонів

Соціальний робот або AI-компаньйон — це не чат-бот з персонажем. Різниця принципова: компаньйон пам'ятає контекст за тижні, формує емоційну модель користувача, адаптує стиль спілкування та вміє проявляти ініціативу. Застосування: допомога літнім людям в ізоляції, реабілітаційна підтримка, інтерактивні персонажі для EdTech, companion robots типу Pepper або PARO. Більшість існуючих рішень не здатні утримувати довгостроковий контекст — користувач змушений повторювати інформацію. Наша система вирішує цю проблему через векторну пам'ять з типізацією фактів.

Як працює довгострокова пам'ять?

Головне, що відрізняє компаньйона від разових LLM-викликів — довгострокова пам'ять. Контекстне вікно закінчується, історія обрізається, але компаньйон повинен пам'ятати, що користувач згадував онука Сергія три тижні тому. Для цього ми використовуємо векторну базу ChromaDB з ембедінгами від OpenAI text-embedding-3-small (1536-вимірний простір). Ми будуємо персистентну модель користувача, яка зберігається між сесіями та оновлюється з кожним діалогом. Кожен факт типізується (fact, emotion, preference, event, relationship) та отримує оцінку важливості від 1 до 10. При запиті система витягує до 8 спогадів з релевантністю вище 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 []

Чому важливий емоційний трекер?

Емоційний стан користувача — ключовий фактор для природного діалогу. Ми впроваджуємо клас EmotionalStateTracker, який аналізує кожне повідомлення та виділяє настрій, енергію, самотність та сигнали кризи. На основі цих даних компаньйон змінює тон, швидкість мовлення та жести (через SDK робота). У пілотному проєкті в будинку для літніх людей це знизило суб'єктивне відчуття самотності за шкалою UCLA на 22% за 8 тижнів.

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

Інтеграція з фізичним 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)

Застосування та обмеження

Обмеження: crisis detection недосконалий — хибні спрацьовування 8–12%. Система повинна мати явний ескалаційний шлях до живої людини. Зберігання персональних даних вимагає відповідності 152-ФЗ/GDPR.

Чому важлива персистентна модель?

Без неї компаньйон щоразу починає спілкування з нуля. Ми використовуємо типізацію фактів та фільтрацію шуму: зберігаємо лише значущі події, що знижує обсяг векторної бази на 40%.

Типові помилки при розробці компаньйонів

1. Зберігання всього підряд без фільтрації — забиває векторний простір шумом.
2. Відсутність ескалації для кризових сигналів — ризик для користувача.
3. Ігнорування вимог data privacy (152-ФЗ/GDPR) — штрафи до 4% обороту.
4. Неправильний вибір моделі: для роботів краще локальні (менше latency), для хмарних — Claude 3.5 або GPT-4o.

Хочете уникнути цих помилок? Замовте консультацію нашого інженера.

Що входить в роботу

• Архітектура RAG-пам'яті (ChromaDB або Qdrant)
• Емоційний трекер з класифікацією через LLM
• Fine-tuning моделі під персонажа (LoRA)
• Інтеграція з SDK робота (Pepper/NAO/будь-який)
• Голосовий інтерфейс (STT + TTS)
• Моніторинг безпеки та кризових сигналів
• Документація та код з model card

Строки орієнтовно

Вартість розраховується індивідуально. Оцінимо проєкт безкоштовно — зв'яжіться для консультації. Наш досвід включає десятки успішних впроваджень у соціальній робототехніці, гарантуємо відповідність стандартам безпеки.

Додатково: як ми покращуємо якість діалогу

Ключова перевага нашої системи — адаптивність. Довгострокова пам'ять з RAG підвищує релевантність відповідей на 60% порівняно з чистим LLM-контекстом. Емоційний трекер знижує кількість небажаних тем на 30%. Для підвищення швидкості роботи використовуємо квантизацію INT4 (зниження latency p99 на 40%) та префіксне кешування embeddings.

Замовте впровадження AI-компаньйона для вашого продукту — отримайте консультацію інженера.

Практичний розбір LLM: fine-tuning, RAG, агенти, деплой

Модель GPT‑4 або Claude 3.5 Sonnet через публічне API — не рішення, а просто інструмент. Коли приходить вимога «зробити як ChatGPT, але на наших даних», за нею стоїть реальна інженерна задача: від налаштування промптів до навчання 70B‑моделі на власній інфраструктурі. LLM розробка під ключ — це складний стек, і ми займаємося цим понад 5 років. За цей час реалізовано понад 20 проєктів у галузі генеративного AI: від RAG‑систем для юридичних департаментів до кастомних агентів для техпідтримки. Де саме знаходиться ваша задача — залежить від даних, latency‑вимог, бюджету та того, наскільки критична конфіденційність.

Типова ситуація: клієнт уже спробував ChatGPT, але результати нестабільні — то відповідає точно, то галюцинує. Або потрібна інтеграція в корпоративний портал з дотриманням політик безпеки. Розберемо кожен шар стеку в деталях — від RAG до production‑деплою.

Чому RAG‑системи ламаються і як це виправити?

RAG (Retrieval‑Augmented Generation) виглядає просто: знайшли релевантні документи, поклали в контекст, модель відповіла. На практиці збоїть у кількох місцях.

Chunking без перекриття. Класична помилка: chunk_size=512, overlap=0. Якщо відповідь лежить на межі двох чанків, retrieval не знайде жодного з достатньою впевненістю. Рішення: overlap 15–25% від chunk_size, а краще sentence‑aware splitting через spaCy або NLTK, а не наївне розбиття за символами.

Поганий embedder. Текст‑embedding‑ada‑002 — хороший для загального випадку, але на юридичних або медичних текстах програє спеціалізованим моделям: E5‑large‑v2, BGE‑M3 або fine‑tuned sentence‑transformers на доменних даних. Різниця в Recall@5 може становити 15–25%.

Відсутність re‑ranking. Векторний пошук оптимізований за швидкістю, не за релевантністю. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) після первинного retrieval піднімає точність топ‑3 при прийнятній затримці (+50–150 ms). Це часто важливіше за покращення embedding‑моделі.

Гібридний пошук. Тільки dense вектори погано працюють на точних запитах: імена, артикули, коди. BM25 (sparse) добре знаходить точні збіги, але не розуміє семантику. Гібрид через RRF (Reciprocal Rank Fusion) — оптимальний компроміс. Qdrant, Weaviate та pgvector 0.7+ підтримують гібридний пошук нативно.

Коли варто fine‑tune, а не промпт‑інжиніринг?

Промпт‑інжиніринг вирішує ~70% завдань адаптації LLM під домен. Решта 30% вимагають донавчання. Три ознаки: модель ігнорує специфічний формат виведення навіть при детальному описі в промпті; задача вимагає глибокого знання спеціалізованої лексики (медицина, право); потрібно значно знизити витрати на токени, замінивши велику модель меншою спеціалізованою.

LoRA та QLoRA — стандарт для SFT. LoRA додає trainable low‑rank матриці до attention‑шарів. Типова конфігурація для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — параметрів, що навчаються, ~0.8%, навчання на одній A100 40GB. QLoRA додає 4‑бітну квантизацію (NF4) і дозволяє fine‑tune 70B модель на двох A100 40GB, хоча швидкість падає вдвічі порівняно з bf16.

DPO замість RLHF. Direct Preference Optimization вимагає лише пари (chosen, rejected), а не скалярні reward‑сигнали. DPOTrainer з бібліотеки trl (Hugging Face) реалізує це кількома десятками рядків.

Типова помилка. Датасет з 500 прикладів, 5 епох, validation loss 0.8 — здається норм. Але на тесті модель деградувала на загальних інструкціях. Причина: catastrophic forgetting. Рішення — додати 10–20% загальних instruction‑following прикладів (Alpaca, FLAN) у навчальну вибірку, щоб не зруйнувати вихідні здібності.

Як обрати базову модель: 8B чи 70B?

Для більшості задач fine‑tuning 8B моделі достатньо. 70B потрібен, коли потрібне глибоке міркування або baseline 8B не досягає потрібної якості навіть після донавчання. Вартість інференсу Llama‑3 8B через vLLM на A100 значно нижча, ніж у GPT‑4, що робить його економічно вигідним.

Що дає PagedAttention в production?

vLLM — перший вибір для serving open‑source моделей. PagedAttention — ключове технічне рішення: KV‑cache керується як virtual memory в ОС, без фрагментації. Це дає throughput у 2–4 рази вище порівняно з наївним HuggingFace Transformers inference. Документація vLLM підтверджує: continuous batching та PagedAttention — стандарт для високонавантажених LLM‑сервісів.

Типові 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 двох A100 з tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизація AWQ або GPTQ знижує споживання пам'яті в 2 рази при втраті якості в межах 1–3%.

Мультиагентні системи

Агенти — LLM з доступом до інструментів: пошук, виконання коду, запити до API, робота з БД. Основні патерни:

• ReAct (Reason + Act): модель розмірковує → обирає інструмент → спостерігає результат → знову розмірковує. LangChain та LlamaIndex реалізують з коробки.
• Multi‑agent orchestration: кілька спеціалізованих агентів з координатором зверху. Приклад: coordinator → researcher (пошук + summarization) → coder (генерація та виконання коду) → critic (перевірка). Інструменти: AutoGen (Microsoft), CrewAI, кастомна реалізація на LangGraph.

В продакшені агентні системи недетерміновані. Обов'язкові guardrails, ліміти кроків, логування кожного кроку, human‑in‑the‑loop для критичних дій.

Як ми гарантуємо якість LLM рішення?

Ми використовуємо RAGAS для автоматичної оцінки відповідей: faithfulness, answer relevancy, context precision. Система трекінгу експериментів на базі MLflow фіксує всі метрики, датасети та конфіги. Це дозволяє порівнювати різні гіпотези та доводити покращення з цифрами. Гарантію стабільної роботи забезпечує continuous integration з тестами на специфічних сценаріях (prompt injection, edge‑cases).

Як почати LLM розробку: наступні кроки

Ми передаємо:

• Технічну документацію (model card, конфіги, інструкції з розгортання)
• Доступ до інфраструктури (репозиторій з кодом, навчені ваги)
• 1 місяць підтримки після деплою (консультації, виправлення багів)
• Навчання команди замовника (2–3 заняття з експлуатації системи)

Терміни: базовий RAG‑прототип — 1–2 тижні. Fine‑tuning з даними замовника — 3–6 тижнів (з урахуванням підготовки даних). Production‑система з моніторингом та перенавчанням — 2–4 місяці.

Вартість розраховується індивідуально і залежить від обсягу даних, складності моделі та вимог до інфраструктури. Хочете оцінити свій проєкт? Зв'яжіться з нами — ми підготуємо попереднє резюме за 1–2 робочі дні. Або замовте консультацію фахівця з вибору підходу: RAG, fine‑tuning або гібрид — розповімо, що підійде саме вам.