Νικόλαος Λυμπιτάκης, Κατασκευή ενός RAG Chatbot για
Ξενοδοχειακή Υποστήριξη
36
• την παροχή μηχανισμού ανατροφοδότησης (feedback), μέσω του οποίου ο χρήστης
αξιολογεί την ποιότητα της απάντησης.
Η συλλογή feedback σε αυτό το στάδιο είναι απαραίτητη για τη μελλοντική
ανάλυση της απόδοσης του συστήματος και τη βελτίωση των παραμέτρων ανάκτησης και
παραγωγής απαντήσεων.
Επίπεδο Λογικής Εφαρμογής (Application Logic Layer)
Στον πυρήνα της αρχιτεκτονικής βρίσκεται ένας ReAct Agent (Reasoning and
Acting)
, υλοποιημένος μέσω του framework LangChain. Ο Agent λειτουργεί ως
το κεντρικό στοιχείο λήψης αποφάσεων και διαμεσολαβεί μεταξύ του χρήστη, του
γλωσσικού μοντέλου και των διαθέσιμων πηγών δεδομένων. Η λογική ReAct διαχωρίζει
ρητά τον συλλογισμό από την εκτέλεση ενεργειών, γεγονός που επιτρέπει:
•
την επιλογή της κατάλληλης πηγής πληροφορίας,
•
την αποφυγή άσκοπων ή λανθασμένων αναζητήσεων
•
και τη συνδυαστική χρήση δομημένων και αδόμητων δεδομένων.
Η ροή εκτέλεσης στο επίπεδο αυτό ακολουθεί τα παρακάτω στάδια:
1. Reasoning (Συλλογισμός): Ο Agent λαμβάνει το ερώτημα του χρήστη και
αξιοποιώντας το γλωσσικό μοντέλο DeepSeek, αποφασίζει τη βέλτιστη στρατηγική
για την απάντηση.
2. Tool Selection (Επιλογή Εργαλείου): Ο Agent επιλέγει δυναμικά το κατάλληλο
εργαλείο, είτε για αναζήτηση στη διανυσματική βάση (π.χ. Συχνές Ερωτήσεις,
κριτικές χρηστών, σημεία ενδιαφέροντος), είτε για πρόσβαση στη σχεσιακή βάση
δεδομένων (π.χ. έλεγχος διαθεσιμότητας δωματίων).
3. Acting (Ενέργεια): Πραγματοποιείται η εκτέλεση της επιλεγμένης ενέργειας και η
ανάκτηση των σχετικών δεδομένων.
4. Generation (Παραγωγή Απάντησης): Τα ανακτηθέντα δεδομένα ενσωματώνονται
στο γλωσσικό μοντέλο, το οποίο συνθέτει την τελική απάντηση, προσαρμοσμένη
τόσο στο ύφος της εφαρμογής όσο και στη γλώσσα του χρήστη.