Σχεδιασμός και Υλοποίηση εξειδικευμένου chatbot για διαδικτυακές πλατφόρμες
28
Ο τρίτος στόχος είναι η αξιολόγηση. Δεν φτάνει να φτιάξει κανείς ένα chatbot. Πρέπει να
μπορεί να μετρήσει αν δουλεύει καλά, σε ποιες περιπτώσεις αποτυγχάνει και πώς συγκρίνεται
με εναλλακτικές προσεγγίσεις. Η αξιολόγηση συστημάτων RAG δεν είναι τετριμμένο
πρόβλημα, γιατί τα παραδοσιακά μέτρα ανάκτησης πληροφορίας δεν αρκούν όταν στο τέλος
υπάρχει ένα παραγωγικό μοντέλο που παράγει ελεύθερο κείμενο. Χρειάζεται, λοιπόν,
συνδυασμός διαφορετικών μετρικών που να εξετάζουν τόσο την ποιότητα της ανάκτησης όσο
και την αξιοπιστία της τελικής απάντησης σε σχέση με τα ανακτημένα έγγραφα [11].
1.4 Συνεισφορά
Η συνεισφορά της εργασίας μπορεί να συνοψιστεί σε τέσσερα σημεία. Σχεδιάστηκε και
υλοποιήθηκε ένα ολοκληρωμένο σύστημα RAG δοκιμασμένο στο περιεχόμενο του
ece.uowm.gr, με δίγλωσση υποστήριξη και αρχιτεκτονική όπου οι αποφάσεις του LLM
καθοδηγούνται μέσω μηχανικής προτροπών (prompt engineering). Παράλληλα, αναπτύχθηκε
ένας ασύγχρονος μηχανισμός σάρωσης ιστού (web crawler) και ένας αγωγός επεξεργασίας και
ευρετηρίασης δεδομένων (indexing pipeline) που διαχειρίζεται τις ιδιαιτερότητες των
ιστοσελίδων WordPress [36] του τμήματος, μαζί με έναν μηχανισμό προσωρινής μνήμης με
κατάσταση, ο οποίος επιτρέπει σταδιακές ενημερώσεις της βάσης γνώσης χωρίς να
επαναλαμβάνεται ολόκληρος ο αγωγός. Ενσωματώθηκε επίσης ένα σύστημα μνήμης
ερωτήσεων απαντήσεων με βρόχο ανατροφοδότησης από τους χρήστες, ώστε το σύστημα να
βελτιώνεται με τη χρήση. Τέλος, η αρχιτεκτονική του συστήματος σχεδιάστηκε με γνώμονα
την ευελιξία και την προσαρμοστικότητα. Μέσω ενός κεντρικού αρχείου παραμετροποίησης,
επιτρέπεται τόσο η προσαρμογή του συστήματος σε διαφορετικούς ιστοτόπους όσο και η
άμεση εναλλαγή του LLM παραγωγής κειμένου χωρίς να απαιτείται καμία τροποποίηση στον
πηγαίο κώδικα. Η προσέγγιση αυτή καθιστά τη λύση άμεσα επαναχρησιμοποιήσιμη και
διευκολύνει τη μελλοντική μεταφορά της σε άλλα πανεπιστημιακά τμήματα ή ιδρύματα.