Νικόλαος Λυμπιτάκης, Κατασκευή ενός RAG Chatbot για 
Ξενοδοχειακή Υποστήριξη 

 

 
 

 

74 

για περαιτέρω αναβάθμιση. Οι προτεινόμενες μελλοντικές βελτιώσεις εστιάζουν στους εξής 

άξονες: 

•  Μείωση του Latency με Streaming: Μια σημαντική βελτίωση για την εμπειρία του 

χρήστη θα ήταν η υλοποίηση "Streaming" αποκρίσεων. Αντί ο χρήστης να περιμένει 

την  ολοκλήρωση  της  "σκέψης"  του  μοντέλου  (ReAct  steps),  η  απάντηση  θα 

εμφανίζεται σταδιακά στην οθόνη, μειώνοντας τον αντιληπτό χρόνο αναμονής. 

•  Υιοθέτηση Τοπικών Μοντέλων (Local LLMs): Για την ενίσχυση της προστασίας 

των προσωπικών δεδομένων και τη μείωση του κόστους των APIs, θα μπορούσε να 

εξεταστεί η χρήση τοπικών μοντέλων (π.χ. Llama 3 ή Mistral). Αυτό θα επέτρεπε 

την εκτέλεση του chatbot σε ιδιόκτητους servers του ξενοδοχείου. 

•  Αυτοματοποιημένη  Ενημέρωση:  Η  δημιουργία  ενός  αυτοματοποιημένου 

συστήματος με UI που θα αντλεί δεδομένα (π.χ από νέα reviews) και θα ενημερώνει 

αυτόματα τα Vector Stores, διασφαλίζοντας ότι η γνώση του chatbot είναι πάντα 

επίκαιρη χωρίς χειροκίνητη παρέμβαση μέσω scripts που γίνεται στη συγκεκριμένη 

υλοποίηση. 

6.3  Συμπεράσματα 

 

Η παρούσα πτυχιακή εργασία ολοκληρώθηκε με την επιτυχή σχεδίαση, ανάπτυξη 

και  αξιολόγηση  ενός  ευφυούς  συστήματος  συνομιλίας  (chatbot)  βασισμένου  στην 

αρχιτεκτονική  Retrieval-Augmented  Generation  (RAG),  προσαρμοσμένου  στις  ανάγκες 

του  ξενοδοχειακού  κλάδου.  Μέσα  από  τη  διαδικασία  υλοποίησης  και  τις  δοκιμές  που 

ακολούθησαν, προέκυψαν ορισμένα συμπεράσματα: 

  

Πρώτον,  η  αρχιτεκτονική  RAG  αποδείχθηκε  η  πλέον  ενδεδειγμένη  λύση  για 

επιχειρησιακές εφαρμογές όπου η ακρίβεια της πληροφορίας είναι κρίσιμη. Ο συνδυασμός 

της  δημιουργικής  ικανότητας  του  μοντέλου  DeepSeek  με  την  αυστηρή  ανάκτηση 

δεδομένων  από  τις  διανυσματικές  βάσεις  (FAISS)  και  τη  σχεσιακή  βάση  (SQLite), 

επέτρεψε  τη  δημιουργία  ενός  συστήματος  που  παρέχει  έγκυρες  και  τεκμηριωμένες 

απαντήσεις,  εξαλείφοντας  σχεδόν  πλήρως  τις  "παραισθήσεις"  των  παραδοσιακών 

γλωσσικών μοντέλων. 

 

Δεύτερον,  η  αξιολόγηση  έδειξε  ότι  το  σύστημα  δεν  περιορίζεται  σε  μια  απλή 

παράθεση  πληροφοριών,  αλλά  υιοθετεί  ένα  πειστικό  και  φιλόξενο  ύφος  (Persuasiveness 

5/5), το οποίο προσομοιάζει την ανθρώπινη εξυπηρέτηση υψηλού επιπέδου.