Искусственный Интеллект

Общая информация

Приложение ИИ

В составе платформы Эра, начиная с версии продуктового слоя от 31.03.2025, доступно приложение ИИ. Данное приложение позволяет использовать большие языковые модели (LLM) в рамках платформы.

На текущий момент, основным применением LLM в рамках платформы является работа с текстовыми данными:

• Чат-боты
• Проверка орфографии
• Перевод текста
• Суммаризация
• Маршрутизация
• Оценка качества / анализ стенограммы.

При этом для каждой из задач в платформе может быть создан отдельный бот. Бот может быть использован как в диалоговом режиме (для внутренних и внешних чатов), так и в режиме исполнения одиночных запросов.

Приложение ИИ предоставляет следующий набор возможностей:

• Подключение различных провайдеров LLM (с форматом API OpenAI и Ollama)
• Создание ботов, которые взаимодействуют с конкретным провайдером
• Создание файловых баз знаний для ботов
• Просмотр диалогов с ботами

Архитектура ИИ

Имеется возможность использовать как облачные решения, так и развернутые во внутреннем контуре модели.

При работе с искусственным интеллектом, платформа использует подход RAG, который позволяет комбинировать информацию, содержащуюся в самой модели (как правило только публичная и общая информация) с информацией из конкретной базы знаний бизнеса. Этот подход позволяет значительно уменьшить количество "расплывчатых" ответов ИИ, а также ограничить его нецелевое использование - пользователям может быть доступен только контекст, определяемый базой знаний.

Все запросы к языковым моделям осуществляются не напрямую из платформы Эра, а через специализированный сервис Era AI Proxy, который предоставляет единый интерфейс для работы с моделями, осуществляя преобразование запросов в необходимый API внутри себя.

В рамках данной статьи будет рассмотрена полная настройка работы приложения ИИ, от развертывания сервисов до настройки ботов.

Установка сервиса AI Proxy

Сервис AI Proxy работает как docker-контейнер и является отдельным микросервисом, не входящим в контур платформы эра. Соответственно, он не управляется доменным центром платформы, не осуществляется автоматическая миграция и сборка логов. Сервис может быть развернут как на одном из серверов, обслуживающем платформу, так и на отдельном сервере (например, отдельном сервере для LLM с GPU).

Сам по себе AI Proxy не запускает модели, но преобразует и маршрутизирует запросы к ним, а также хранит индексы RAG.

Установка контейнера сервиса выполняется несколькими простыми командами:

wget https://download.era-platform.ru/ai/era_ai_proxy_1_1_0.tar.gz
docker load -i era_ai_proxy_1_1_0.tar.gz
docker run --name era_ai_proxy \
           --tmpfs /run:rw,noexec,nosuid,size=4096k \
           --publish 32443:443 --publish 32080:8080 \
           -dit \
           --restart unless-stopped \
           era/ai_proxy:1.1.0

После чего он становится доступен на порту 32080 (HTTP).

Установка адреса прокси в параметрах системы

После запуска сервиса, необходимо в вашем основном (не мастер) домене, в приложении Администратор платформы, раздел Параметры -> Система, задать значение параметра ai.service.address (пример на скриншоте).

На этом настройка прокси заканчивается и можно переходить к установке и подключению моделей.

Подготовка сервера для LLM

Необходимо понимать, что для работы больших моделей требуется достаточно мощный сервер с графическим ускорителем. Для исполнения LLM важными параметрами сервера являются ядра CPU, количество оперативной памяти, архитектура GPU и объем видеопамяти.

Для установки сервисов LLM необходимо использовать отдельный сервер.

Количество необходимой видеопамяти варьируется в зависимости от конкретной модели и её версии. Так, например, для корректной работы модели DeepSeek-R1-Distill-Qwen-32B требуется минимум 56гб видеопамяти, а для DeepSeek-R1-Distill-Qwen-1.5B - 4гб. Каждая из моделей обеспечивает различное качество ответов, а от мощности оборудования напрямую зависит скорость ответов и допустимая параллельная нагрузка.

Пример конфигурации оборудования:

• Видеокарта Nvidia RTX 4000 SFF ADA 20 GB
• Intel Core i5-13500
• 64 GB RAM

Пример скорости работы на оборудовании:

• LLM: 7 GB, 230/5 токенов – 0.3 сек
• LLM+RAG: 7+5 GB, 1700/100 токенов – 3 сек
• TTS: 4 GB, RTF 0.16 (1 сек. для 6 сек.)
• ASR: 11 GB, RTF 0.16 (до 150 часов в сутки)

Конкретные требования к серверу сформировать очень сложно, так как постоянно выходят новые модели и их версии, выпускаются новые поколения оборудования. Желательно опираться на требования той модели, которая планируется к использованию.

Перед установкой любых контейнеров, использующих видеокарты, как правило, необходимо:

• обновить ядро Linux
• установить драйвер NVidia
• установить nvidia-container-toolkit
• проверить доступность видеокарт утилитой nvidia-smi

Обновление любого контейнера - это удаление и установка:

docker stop container_name

docker rm container_name

docker run --name container_name ...

Установка языковых моделей

Так как платформа Эра использует подход RAG, в каждой инсталляции присутствует как минимум две модели - RAG (embedding) и LLM (chat completion).

Embedding-модель позволяет трансформировать текстовые данные (например, данные из базы знаний) в понятные для ИИ числовые векторы, которые уже будут использоваться при обращении к языковой модели.

Далее, рассмотрим два примера установки локальных моделей.

Установка LocalAI

LocalAI - это проект с открытым исходным кодом, который предоставляет возможность локального развертываниябольшого числа моделей и предоставляет для использования OpenAI-like API. Также он поддерживает загрузку моделей через web-интерфейс. Контейнер загружается из сети Интернет и при первом запуске автоматически скачивает стандартный набор моделей).

Работает на GPU.

Установка выполняется одной командой:

docker run --gpus all --name era_ai_llm_localai --publish 32081:8080 -dit --restart unless-stopped localai/localai:latest-aio-gpu-nvidia-cuda-12

Подключение LocalAI

Модели, используемые по умолчанию:

• LLM: hermes-2-pro-mistral (псевдоним - gpt-4)
• embedding (RAG): all-MiniLM-L6-v2 (псевдоним - text-embedding-ada-002)

Для установки новых моделей используется web-интерфейс http://server_address:32081

Каталог моделей доступен на официальном сайте.

После установки контейнера, необходимо добавить новый сервис в приложении ИИ (в разделе Сервисы GPT). Пример настройки представлен на скриншоте. В сохранения настроек и нажатия на кнопку "Запросить модели", в интерфейсе должен появиться список доступных моделей.

Установка Ollama

Ollama это ещё один открытый проект для удобного запуска локальных LLM, поддерживающий различные модели и их версии.

В отличии от LocalAI, установка моделей работает через командную строку (хотя есть и GUI-версия для desktop-установки).

Установка также выполняется с помощью docker-контейнера:

wget https://download.era-platform.ru/ai/era_ai_llm_ollama_1_0_0.tar.gz
docker load -i era_ai_llm_ollama_1_0_0.tar.gz

docker run --name era_ai_llm_ollama \
           --gpus=all \
           -v ollama:/root/.ollama \
           --publish 32082:11434 \
           -dit \
           --restart unless-stopped \
           era/ai_llm_ollama:1.0.0

По умолчанию, установлены следующие модели:

• LLM: llama3.1, hermes3, deepseek-llm
• embedding (RAG): nomic-embed-text, zylonai/multilingual-e5-large

Подключение к Ollama

Для установки новых моделей, необходимо выполнить команду внутри контейнера.

Запускаем bash внутри контейнера в интерактивном режиме:

docker exec -it era_ai_llm_ollama bash

Выполняем команду загрузки:

ollama pull <name>

Каталог доступных моделей доступен на официальном сайте

URL для API: http://server_address:32082

При добавлении сервиса в приложение ИИ, необходимо выбрать тип API - Ollama (пример на скриншоте).

Создание баз знаний

Файлы базы знаний

В приложении ИИ доступен раздел Базы знаний GPT. В этом разделе можно формировать базы знаний, которые в дальнейшем могут использоваться ботами для ответов.

Каждая база знаний привязывается к конкретному сервису ИИ и определяется набором файлов, также база может переопределять конкретную модель ИИ (из доступных в сервисе), которая будет с ней использоваться.

В базу знаний можно загрузить файлы следующих форматов:

• txt
• csv
• pdf
• html
• docx
• json
• md

  

  Список баз знаний

После индексации, содержимое файлов будет помещено в файловое хранилище, по которому будет осуществляться поиск ботом.

После создания базы знаний, необходимо выбрать её в списке и выполнить индексацию с помощью соответствующего действия.

Настройка и использование ботов

Боты создаются в приложении ИИ, и используются в функционале чатов. В рамках платформы может быть создано неограниченное количество ботов, каждый из которых может консультировать по особенному типу вопросов, области знаний, или используя различные модели.

Настройки ИИ-бота

Поведение бота определяется следующим набором параметров:

Параметры бота

Параметр	Комментарий
Сервис GPT	Сервис-поставщик LLM, определяющий доступные для использования модели. Установка различных сервисов LLM была рассмотрена выше в рамках данной статьи.
База знаний	Файловая база знаний, определяющая контекст информации, по которой бот будет осуществлять поиск. Позволяет дополнить публичную языковую модель специфичной бизнес-информацией. Данная настройка является опциональной, в случае если база знаний не используется - бот будет оперировать только информацией, доступной в модели.
Системный и пользовательский промпт	Инструкции для языковой модели, определяющие её поведение. Самые важные параметры бота, они определяют всё от стиля общения, до ограничений в использовании бота клиентом (например, можно запретить боту отвечать на запросы, не связанные с конкретной бизнес-областью). В зависимости от используемых моделей, используются разные подходы к заполнению системного и пользовательского промпта. Пользовательский промпт отправляется в сервис ИИ первым сообщением от лица "пользователя". Пример использования: system: ты умный помощник user: твоя задача... верни ответ в формате... user: сколько времени?
Модель	Если сервис GPT предоставляет несколько моделей для использования, позволяет переопределить модель, выбранную в сервисе.
Температура	Значение от 0 до 1, определяющее "случайность" генерируемых ответов. Более низкая температура делает ответы более предсказуемыми и консервативными, в то время как более высокая температура способствует большей креативности и разнообразию ответов, но также может увеличить вероятность появления "шума" или "галлюцинаций".

Использование бота во внутренних чатах

Кнопка создания чата с ИИ

Если бот является публичным (значение настройки Публичный=true), то пользователи могут использовать его в разделе Внутренние чаты своего рабочего места (оператора или супервизора).

Для того, чтобы создать чат с ботом, необходимо нажать на соответствующую кнопку в списке внутренних чатов (пример на скриншоте).

Создание ИИ-ассистента

После нажатия на кнопку, появится диалоговое окно, позволяющее задать ассистенту имя и выбрать бота, из списка доступных (публичных)

Использование бота в сценариях чатов

В сценариях чатов доступны для использования 3 новых компонента, позволяющих использовать ИИ-бота в рамках сценария:

ИИ-компоненты сценария чата

• ИИ-ассистент старт - создает новый диалог с ИИ ботом и передает в него первый вопрос
• ИИ-ассистент продолжение - продолжает существующий диалог с ИИ и передает в него новый вопрос
• Ответ на вопрос - разовый запрос к ИИ-боту, не предусматривающий ведение дальнейшего диалога

Концепция использования ИИ-ботов в сценариях чата не предусматривает полноценный "перевод" чата на бота, как на сотрудника. Вместо этого, подразумевается встраивание цикла запросов к боту в рамках алгоритма сценария чата. Такой подход позволяет создавать как сценарии для полноценного диалогового общения с ботом (используя компоненты взаимодействия с ботом в цикле), так и для разовых запросов, для получения какой-либо информации (или, например, валидации данных).

Пример сценария чата с ИИ

Компонент ИИ-ассистент старт создаст новый диалог и сохранит его идентификаторв переменную, а также вернет ответ бота. Если необходимо этот диалог продолжить, то необходимо использовать компонент ИИ-ассистент продолжение с сохраненным идентификатором диалога.

В данной статье рассмотрен пример реализации ИИ-бота с возможностью перевода на оператора.