Abstract  

This diploma thesis presents the design and implementation of a specialized chatbot for web 

platforms and describes and analyzes the services available at the local level. The approach 

relies on the use of large language models (LLMs) and mechanisms for knowledge retrieval 

and training, with the goal of producing documented answers that draw content from the web 

platform hosting the system. The study examines the concept of the chatbot, the ways in which 

training of the language model is conducted, as well as the ROCm platform used to accelerate 

computation.  In  the  context  of  the  experimental  evaluation,  multiple  language  models  were 

tested using core criteria: answer accuracy, response time, and system resource requirements at 

the  consumer  level.  The  proposed  system  is  organized  in  architecture  comprising  a  web 

interface for user interaction, a preprocessing pipeline, and a large language-generation module 

that composes the final answer with explicit citations. By combining live updating, language 

generation  and optimal  user interaction, the  chatbot aims to facilitate users in searching  for 

information and resolving questions based on the files of the web platform on which it operates.  

Keywords: 

Chatbot, conversational systems, language models (LLMs), web platforms, 

artificial intelligence, Python.