RAG-based AI Assistant

Прототип корпоративного AI-ассистента на основе RAG-системы для дипломной работы магистерской программы "Искусственный интеллект" НИУ ВШЭ "Разработка ИИ-ассистента на основе RAG-системы".

Сервис отвечает на вопросы по изолированной технической документации, шаблонам кода и структуре реляционной базы данных. Основной пользовательский интерфейс — Telegram-бот, backend реализован на FastAPI.

Основной пользовательский интерфейс доступен по ссылке: https://t.me/rag_based_ai_bot

Доступ открыт до окончания сдачи дипломной работы - 01.07.2026

Основные сценарии прототипа

• поиск ответов по официальной документации Spark, Trino и Hive;
• ответы на вопросы по Python/code corpus шаблонам;
• генерация PostgreSQL-запросов по естественно-языковому описанию аналитической задачи;
• проверка релевантности SQL-ответа через статическую валидацию таблиц/колонок и PostgreSQL команды EXPLAIN;
• загрузка артефактов retriever из S3-хранилища.

Архитектура

Telegram Bot / HTTP client
        |
        v
FastAPI API
        |
        +-- RouterService
        |      +-- rag_docs
        |      +-- rag_code
        |      +-- sql
        |
        +-- RetrieverLoader
        |      +-- corpus.joblib
        |      +-- corpus_emb.npy
        |      +-- retriever_model/
        |
        +-- RAGService
        |      +-- context retrieval
        |      +-- LLM answer generation
        |
        +-- SQLService
               +-- schema-only retrieval
               +-- SQL generation
               +-- static validation
               +-- PostgreSQL EXPLAIN validation

Структура проекта

app/api/              FastAPI backend
app/api/routes/       HTTP endpoints
app/api/services/     RAG, SQL, LLM and artifact services
app/bot/              Telegram bot
tests/                Unit tests
infra/                Dockerfiles for API and bot
notebooks/            Retriever training/tuning and upload to S3
render.yaml           Render deployment config

Локальный запуск

poetry install --with bot,dev
cp .env.example .env

Необходимо заполнить .env необходимыми ключами для GeminiAI, S3, Telegram и Postgres.

Запуск API

make run-api-reload

Проверка состояния:

curl http://127.0.0.1:8000/health
curl http://127.0.0.1:8000/ready

Проверка запросов к API

Вопрос по текстовой документации:

curl -X POST http://127.0.0.1:8000/ask \
  -H "Content-Type: application/json" \
  -d '{"question":"What is Apache Spark?"}'

Вопрос по шаблону кода:

curl -X POST http://127.0.0.1:8000/ask \
  -H "Content-Type: application/json" \
  -d '{"question":"How to sort list in Python?"}'

Вопрос по актуальному SQL-коду:

curl -X POST http://127.0.0.1:8000/ask \
  -H "Content-Type: application/json" \
  -d '{"question":"Convert daily order revenue from EUR to USD","mode":"sql","top_k":10}'

Запуск Telegram-бота

make run-bot

Для локального запуска в .env используйте:

API_BASE_URL=http://127.0.0.1:8000   # вместо 127.0.0.1 можно также localhost

Для Docker Compose внутри контейнерной сети:

API_BASE_URL=http://api:8000

В render.com используется сгенерированный при деплое адрес API-сервиса. На текущий момент API_BASE_URL от render: https://rag-ai-assistant-api.onrender.com, соответственно использовать сервис можно также по этой ссылке.

Docker Compose вариант запуска

make up     # Поднять композицию Docker-контейнеров
make down   # Отключить композицию Docker-контейнеров

Render

Проект адаптирован для деплоя на сайте Render.com. Для этого в render.yaml описаны два сервиса:

• rag-ai-assistant-api — FastAPI backend;
• rag-ai-assistant-bot — Telegram worker.

Все секреты задаются через Environment Variables проекта на платформе. На момент создания прототипа в публичном доступе доступны следующие ссылки:

1. Основной пользовательский интерфейс ассистента (Telegram-бот): https://t.me/rag_based_ai_bot
2. Публичный API base URL: https://rag-ai-assistant-api.onrender.com

Перечисленные ссылки станут недоступными после 01.07.2026

Примечания

В проекте также встроены проверки качества кода и тесты

make fmt
make lint
make test