Інтеграція NLP-двигуна (Rasa) у мобільного чат-бота

Стандартний конфіг Rasa для української мови дає точність близько 50 % — на коротких фразах це означає, що кожен другий запит невірно розпізнається. Клієнти з високими вимогами до конфіденційності (медицина, фінанси) не можуть використовувати хмарні NLP-сервіси на кшталт Dialogflow або Google NL. Для них Rasa — єдиний варіант, але його потрібно правильно налаштувати. Ми робимо це понад 5 років: більше 20 проєктів, середнє підвищення точності з 50 % до 85 % за рахунок кастомного пайплайну та якісного датасету.

Чому Rasa краще Dialogflow для чутливих даних?

Rasa — self-hosted, Dialogflow — хмарний. Для компаній, де дані не повинні залишати сервер, різниця принципова. Rasa дає повний контроль над пайплайном: ви можете замінити будь-який компонент, додати свій токенізатор, використовувати кастомні моделі. Dialogflow ж обмежує вас вбудованими механізмами. При масштабуванні на 10 000+ діалогів на день Rasa обходиться дешевше в 3–4 рази за рахунок відсутності плати за запити.

Як ми налаштовуємо Rasa для української мови?

Основна проблема — стандартний WhitespaceTokenizer погано працює з українською морфологією. Ми замінюємо його на SpacyNLP з моделлю uk_core_news_md та додаємо char n-gram фічі через CountVectorsFeaturizer. Ось продакшн-конфіг, який ми використовуємо:

language: uk

pipeline:
  - name: SpacyNLP
    model: uk_core_news_md
  - name: SpacyTokenizer
  - name: SpacyFeaturizer
  - name: RegexFeaturizer
  - name: LexicalSyntacticFeaturizer
  - name: CountVectorsFeaturizer
  - name: CountVectorsFeaturizer
    analyzer: char_wb
    min_ngram: 1
    max_ngram: 4
  - name: DIETClassifier
    epochs: 150
  - name: EntitySynonymMapper
  - name: ResponseSelector
    epochs: 100
  - name: FallbackClassifier
    threshold: 0.7
    ambiguity_threshold: 0.1

Цей пайплайн дає 85 % точності на наборі з 20–50 інтентів. DIETClassifier з 150 епохами навчається за 5–10 хвилин на VPS з 4 ГБ RAM.

Як Rasa Core керує діалогом?

Rasa розділяє NLU (розуміння намірів) та Core (керування діалогом). Core працює на основі правил (rules.yml) та історій (stories.yml). Найчастіша помилка — намагатися описати всі сценарії через rules та отримати крихку систему, яка ламається на нестандартному порядку реплік.

Правило: жорсткі команди (скасувати, допомога, почати заново) — у rules. Багатокрокові сценарії з варіативністю — у stories. Rasa Core навчається на історіях та узагальнює сценарії, яких явно не бачив — це його головна перевага перед деревами рішень.

Custom Actions. Динамічні відповіді (статус замовлення, доступні слоти) реалізуються через action_server — окремий Python-сервіс, який Rasa викликає через HTTP. Мобільний додаток з цим не взаємодіє напряму:

class ActionCheckOrderStatus(Action):
    def name(self) -> str:
        return "action_check_order_status"

    async def run(self, dispatcher, tracker, domain) -> list:
        order_id = tracker.get_slot("order_id")
        status = await order_service.get_status(order_id)
        dispatcher.utter_message(text=f"Ваше замовлення #{order_id}: {status}")
        return [SlotSet("order_status", status)]

Як інтегрувати Rasa з мобільним додатком?

Rasa Server надає REST-канал на /webhooks/rest/webhook. Мобільний додаток відправляє POST-запит:

{
  "sender": "user_device_id_or_session_uuid",
  "message": "текст повідомлення"
}

Відповідь — масив повідомлень, кожне з яких може бути текстом, зображенням, кнопками або кастомним payload.

На Android це стандартний Retrofit-виклик. Важливий момент: sender має бути стабільним ідентифікатором сесії — Rasa зберігає слоти (slots) між запитами в рамках одного sender. Якщо генерувати новий ID щоразу, контекст діалогу буде втрачатися.

Для продакшну Rasa не варто відкривати напряму в інтернет — перед ним ставимо nginx з rate limiting та аутентифікацією по токену.

Розгортання

Rasa Server + Action Server зручно запускати в Docker Compose. Модель навчається командою rasa train та монтується в контейнер. На слабкому VPS навчання 50 інтентів займає 5–10 хвилин — цілком прийнятно для CI/CD.

Rasa Enterprise (комерційна версія) додає аналітику та A/B тестування діалогів, але для більшості завдань достатньо open-source версії.

Що входить в роботу

• Аудит предметної області та збір прикладів реплік для NLU-датасету.
• Налаштування pipeline, навчання базової моделі, оцінка точності через rasa test.
• Розробка діалогових сценаріїв (rules + stories), custom actions.
• Інтеграція REST-каналу з мобільним клієнтом, налаштування інфраструктури.
• Документація та навчання вашої команди.
• Гарантійна підтримка 30 днів.

Орієнтири за термінами

Інтеграція з готовим Rasa-сервером — 3–4 дні. Повний цикл, включаючи навчання моделі з нуля, написання сценаріїв та розгортання — 2–4 тижні в залежності від кількості інтентів.

Зв'яжіться з нами для оцінки вашого проєкту. Отримайте консультацію з налаштування Rasa під вашу задачу.

Rasa Documentation | Wikipedia: Rasa

Машинне навчання в мобільних застосунках: CoreML, TFLite та on-device LLM

Ми розрізняємо два принципово різних підходи: застосунок з on-device AI та застосунок, який просто викликає хмарне API. Перший працює без інтернету, не надсилає дані користувача на сторонні сервери та відповідає за 50 мілісекунд. Другий залежить від затримки мережі та тарифного плану. Вибір архітектури — ключовий етап, який безпосередньо впливає на вартість, приватність та користувацький досвід. Наш досвід показує: у 70% проектів on-device інференс виявляється дешевшим у довгостроковій перспективі завдяки виключенню серверних витрат. Економія може сягати 40% щомісячних витрат — отримайте консультацію, ми порахуємо для вашого кейсу.

Як вибрати між CoreML та TFLite для on-device інференсу?

CoreML — нативний фреймворк Apple для запуску ML-моделей на пристрої, описаний у документації Apple. Підтримує Neural Engine (A11 Bionic та новіші), GPU та CPU як fallback. Моделі конвертуються у формат .mlmodel через coremltools з PyTorch, ONNX або TensorFlow. Конвертація — не завжди тривіальна: кастомні шари вимагають реалізації MLCustomLayer, а квантизація до INT8 іноді помітно знижує точність на специфічних даних. Ми гарантуємо, що підсумкова модель проходить валідацію на реальних даних до та після конвертації.

TensorFlow Lite — крос-платформна альтернатива для Android та Flutter відповідно до специфікації Google. На Android використовує NNAPI (Neural Networks API) для апаратного прискорення — з Android 10+ NNAPI стабільніший, до цього краще явно використовувати GPU delegate через GpuDelegate. Типова помилка: модель навчена на нормалізованих даних у діапазоні [0,1], а в застосунку на вхід подається [0,255] — інференс працює, але з безглуздими результатами без помилки. Ми включаємо модуль автоматичної валідації вхідних даних у SDK.

Для задач класифікації зображень, детекції об'єктів та сегментації доступні готові оптимізовані моделі. YOLOv8 у CoreML форматі запускає детекцію кадру 640×640 за 15–20 мс на iPhone 14 Neural Engine. MobileNetV3 на TFLite з GPU delegate — близько 8 мс на Pixel 7 при класифікації.

Що робити, якщо потрібна генерація тексту на пристрої?

Запуск невеликих мовних моделей на пристрої став реальністю за останні роки. Apple Intelligence використовує власні моделі через Private Cloud Compute, але для сторонніх розробників доступні інші шляхи.

llama.cpp з Metal backend на iOS — робочий підхід для phi-3-mini (3.8B параметрів, 4-bit квантизація, ~2.3 ГБ). Інференс: 15–25 токенів/секунду на iPhone 15 Pro. Для інтеграції в Swift використовуємо Swift Package llama.swift або обгортку через C-інтерфейс llama.h. Бінарник до застосунку не додаємо — модель завантажується при першому запуску та зберігається в Application Support. Наші сертифіковані розробники налаштовують інкрементальне завантаження, щоб не блокувати перший запуск.

На Android аналог — Google AI Edge (колишній MediaPipe LLM Inference API) з підтримкою Gemma-2B. Працює через GPU delegate, на Tensor G3 чіпі Pixel 8 Pro — близько 20 токенів/секунду.

Інтеграція OpenAI API та інших хмарних моделей

Для сценаріїв, де cloud inference допустимий, інтеграція OpenAI, Anthropic або Google Gemini — це HTTP клієнт + streaming SSE. У Swift зручно через AsyncThrowingStream для стрімінгових відповідей. У Kotlin — через Flow.

Критично важливо: API-ключі ніколи не зберігаються в бандлі застосунку. Навіть обфускований ключ витягується з IPA за 10 хвилин через strings або frida. Правильна архітектура: мобільний застосунок → власний backend → OpenAI API. Backend контролює rate limiting, логує запити, захищає ключ.

Що входить у роботу (результати)

• Навчена та квантизована модель під цільовий пристрій (документація за метриками)
• SDK для інтеграції (Swift/Kotlin/Flutter) з прикладами виклику
• Тести продуктивності на 3–5 реальних пристроях
• Інструкція з оновлення моделі OTA
• Підтримка при проходженні модерації App Store / Google Play (перевірка відповідності Guidelines 4.2, 5.1)
• 2 тижні технічної підтримки після релізу

Типовий пайплайн проекту

1. Аналіз завдання — вимірюємо latency, privacy, size, підтримувані пристрої.
2. Прототипування моделі — в Python, оцінка accuracy на цільових даних.
3. Конвертація та квантизація — під CoreML/TFLite з валідацією.
4. Інтеграція в застосунок — модель обгортається в сервісний шар (легко замінювати CoreML → TFLite → хмара).
5. Тестування — на реальних пристроях, вимір FPS, RAM, батареї.
6. Деплой — через TestFlight / Firebase App Distribution, моніторинг метрик.

Терміни: інтеграція готової CoreML/TFLite моделі — 1–2 тижні, розробка кастомної моделі з мобільною оптимізацією — від 6 тижнів, on-device LLM чат з персоналізацією — 4–8 тижнів.

Чому ми беремося за складні кейси?

10+ років досвіду в мобільній розробці, 50+ впроваджених AI/ML рішень, гарантія сумісності з актуальними версіями iOS та Android. Всі проекти проходять code review та навантажувальне тестування. У вартість вже входить підготовка документації для модерації та навчання вашої команди.

Зв'яжіться з нами — ми допоможемо вибрати архітектуру та впровадити ML у ваш застосунок під ключ. Замовте аудит наявного рішення — безкоштовно оцінимо потенціал економії серверних витрат. Отримайте консультацію експерта — напишіть нам сьогодні.