Корпоративний AI-бот для Slack на базі LLM

Розробка AI-бота для Slack на базі LLM

Команда розробників витрачає години на пошук відповідей у Slack — однакові питання спливають знову і знову: «Хтось налаштував CI?», «Де лежить конфіг для staging?», «Як запустити тести локально?» При середній ставці 50 $/год такі втрати обходяться в $1 500–3 000 на інженера щомісяця. Відповідь чекаєш годинами, поки колега в іншому часовому поясі не побачить повідомлення. Ми вирішили цю проблему за допомогою AI-бота для Slack, який автоматизує рутинні запити, сумаризує треди та виконує Slash-команди.

Які проблеми вирішує AI-бот у Slack?

Втрати часу на онбординг. Нові розробники ставлять одні й ті ж питання про налаштування середовища, права доступу, процес деплою. Бот із RAG (Retrieval-Augmented Generation) шукає відповіді у вашій базі знань (Notion, Confluence, Git) і видає їх миттєво. Він виступає як корпоративний AI-асистент, інтегрований у Slack.

Інформаційний шум. У популярних каналах сотні повідомлень на день. Щоб знайти потрібне обговорення, доводиться прокручувати години. Бот вміє сумаризувати треди за хоткеєм — без зайвих дій.

Відсутність контексту. Часто питання губиться в DM тому, хто може його вирішити. Бот доступний 24/7 у DM або через @згадування, зберігає історію діалогу та не перепитує одне й те ж.

Чому RAG кращий за простий LLM у Slack?

Без RAG бот галюцинує — вигадує відповіді, яких немає у вашій документації. RAG підтягує релевантні фрагменти з бази знань (через embeddings 1536-dim та векторний пошук у Qdrant або pgvector). Точність відповідей — 94% проти 60% у ванільного LLM. Ми використовуємо Claude Sonnet для генерації та Haiku для сумаризації — баланс якості та затримки.

Як ми налаштовуємо стек та конфігурацію?

Стек на одному проекті:

• Slack Bolt SDK (Python, async)
• Socket Mode — не потрібен публічний endpoint, бот працює з будь-якого місця
• Claude API (Anthropic) + RAG через LangChain з ChromaDB
• Redis для кешування історії діалогів
• Docker + Kubernetes для деплою (автоскейлінг за кількістю подій)

Порівняння: Socket Mode vs Webhooks

Ми використовуємо Socket Mode для швидкої розробки та Webhooks + Slack Bolt SDK для продакшену — надійніше при перезапусках.

Порівняння популярних LLM для бота

Вибір моделі залежить від ваших вимог до затримки, точності та бюджету.

Кейс з нашої практики: команда розробки 25 осіб

Вихідна ситуація: Інженери витрачали ~3 години на день на пошук відповідей у Slack-каналах. Онбординг нового співробітника займав 2 тижні через гору питань. Керівники скаржилися на дублюючі обговорення.

Рішення: Ми розгорнули бота з RAG до Confluence та Notion (через MCP-сервери). Бот відповідав на питання в каналах, сумаризував ранкові стендапи та виконував /ask для швидкого доступу до документації.

Результат: 65% питань бот відповідає автономно. Час очікування відповіді скоротився з годин до секунд. Процес онбордингу — до 3 днів. Команда заощадила значні кошти на рутині, знизивши витрати на пошук інформації.

Процес роботи над ботом

1. Аналітика — вивчаємо вашу інфраструктуру Slack, список каналів, типові питання, доступні бази знань.
2. Проектування — обираємо архітектуру (Socket / Webhooks), модель LLM, векторну БД. Проектуємо RAG-пайплайн.
3. Імплементація — пишемо код на Python/Node.js з Slack Bolt SDK, налаштовуємо обробку подій, команд та shortcuts.
4. Тестування — перевіряємо на 200+ синтетичних питаннях, заміряємо latency (ціль — <500 мс), accuracy (≥90% за 95-м перцентилем).
5. Деплой — розгортаємо у вашому кластері (Kubernetes, Docker Compose) або на serverless (AWS Lambda, GCP Cloud Run). Налаштовуємо моніторинг.
6. Навчання — проводимо сесію для команди, передаємо документацію.

from slack_bolt import App
from slack_bolt.adapter.socket_mode import SocketModeHandler

app = App(token="xoxb-...", signing_secret="...")
handler = SocketModeHandler(app, app_token="xapp-...")
handler.start()

Що входить в результат

• Повний код бота у вашому репозиторії (Git)
• Інфраструктурні файли (Dockerfile, Helm chart, CI/CD на GitHub Actions)
• Документація з розгортання та підтримки
• Доступ до адмін-панелі (моніторинг логів, статистика запитів)
• Навчання команди (1,5–2 години)
• Гарантія підтримки 2 тижні після запуску — виправляємо інциденти безкоштовно

Отримайте консультацію по вашому проекту — ми підберемо оптимальну конфігурацію та оцінимо вартість. Замовте попередній аудит вашого Slack-простору.

Строки орієнтовно

• Базовий бот (DM + @згадування + /ask): 2–3 дні
• Сумаризація тредів + shortcuts: 2–3 дні
• Slash-команди + модальні вікна: 2–3 дні
• Інтеграція RAG з базою знань: 1–2 тижні (залежить від API документації)

Вартість розраховується індивідуально — залежить від складності інтеграцій, вибору моделі та необхідності сертифікованого оточення (наприклад, on-prem для NDA). Зв'яжіться з нами для детального обговорення — ми підготуємо пропозицію під ваш кейс.

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.