Νικόλαος Λυμπιτάκης, Κατασκευή ενός RAG Chatbot για 
Ξενοδοχειακή Υποστήριξη 

 

 
 

 

29 

Περιγραφή: Το chatbot παρέχει πληροφορίες σχετικά με το ξενοδοχείο, τις παροχές, τις 

πολιτικές  και  τις  συχνές  ερωτήσεις  (FAQs),  αντλώντας  δεδομένα  αποκλειστικά  από 

εσωτερικές πηγές γνώσης μέσω της τεχνικής RAG (Retrieval-Augmented Generation). 

Προϋποθέσεις: Η βάση δεδομένων γνώσης πρέπει να περιέχει ενημερωμένο περιεχόμενο 

για τις παροχές, πολιτικές και πληροφορίες του ξενοδοχείου. Το chatbot πρέπει να είναι 

συνδεδεμένο με το RAG pipeline. 

Βασική ροή: 

i. 

Ο χρήστης υποβάλλει ερώτηση σχετική με το ξενοδοχείο, π.χ. “Τι ώρα είναι το 

check-in;”.  

ii. 

Το chatbot αναλύει το ερώτημα και δημιουργεί embedding του κειμένου. 

iii. 

Εκτελείται αναζήτηση στις εσωτερικές πηγές δεδομένων (Vector Store). 

iv. 

Ανακτώνται τα πιο σχετικά έγγραφα ή αποσπάσματα. 

v. 

Το  LLM  συνθέτει  απάντηση  στηριζόμενο  αποκλειστικά  στο  ανακτηθέν 

περιεχόμενο. 

vi. 

Η απάντηση εμφανίζεται στον χρήστη. 

Εναλλακτικό  σενάριο:  Αν  δεν  εντοπιστεί  σχετικό  περιεχόμενο  στη  βάση  γνώσης,  το 

chatbot απαντά ευγενικά: “Δυστυχώς δεν έχω πληροφορίες γι’ αυτό το θέμα. Μπορώ να 

σας βοηθήσω με κάτι σχετικό με το ξενοδοχείο;” 

 

UC-3: Αναζήτηση διαθεσιμότητας, τιμών και παροχών δωματίων  

Χειριστής: Χρήστης (επισκέπτης ξενοδοχείου) 

Περιγραφή: Το chatbot απαντά σε ερωτήσεις που αφορούν τη διαθεσιμότητα δωματίων, 

τις  τιμές  και  τις  παροχές  τους,  πραγματοποιώντας  αναζήτηση  στη  σχεσιακή  βάση 

δεδομένων του ξενοδοχείου. 

Προϋποθέσεις: Η βάση δεδομένων πρέπει να είναι ενημερωμένη με τα διαθέσιμα δωμάτια, 

τις  ημερομηνίες  και  τις  τιμές.  Το  chatbot  πρέπει  να  έχει  πρόσβαση  σε  αυτή  μέσω  SQL 

queries. 

Βασική ροή: 

i. 

Ο  χρήστης  ρωτά  για  διαθεσιμότητα,  π.χ.  “Υπάρχουν  δωμάτια  για  10–12 

Αυγούστου;”.