DocentPro در حال ساخت یک پلتفرم سفر مبتنی بر هوش مصنوعی است که به مسافران کمک میکند تا بفهمند کجا بروند، چه کارهایی انجام دهند و چگونه برنامهریزی کنند.
مردم عاشق استفاده از ChatGPT و Perplexity برای تحقیق در مورد سفر هستند و این ابزارها در ارائه ایدهها عالی هستند. اما به عقیده DocentPro، سفر فقط تحقیق نیست – بلکه ایجاد تجربهای یکپارچه از کشف تا برنامهریزی و رزرو است. این ابزارها اغلب در میانه راه متوقف میشوند. شما همچنان برای انجام همه چیز مجبورید مسیرها را ترسیم کنید، رتبهبندیها را مقایسه کنید، نظرات را بررسی کنید و بین برنامهها جابجا شوید.
برای حل این مشکل، آنها یک سیستم چند عاملی مدولار با استفاده از LangGraph و LangSmith ساختند، که خلاقیت مدلهای زبان بزرگ (LLMs) را با دقت منطق قطعی ترکیب میکند و عوامل قابل استفاده مجددی را طراحی میکند که در برنامهریزی سفر و مکالمه در زمان واقعی کار میکنند.
ساخت عوامل مدولار که در کل پشته کار میکنند
DocentPro عامل برنامهریزی سفر را به چهار حوزه تقسیم کرد: جاذبهها، رستورانها، هتلها و فعالیتها. هر یک از این حوزهها توسط عامل خاص خود مدیریت میشود و هر عامل به گونهای طراحی شده است که مدولار و قابل استفاده مجدد باشد. این بدان معنی است که عامل تحقیق رستوران، برای مثال، فقط در برنامهریز سفر آنها برای پیشنهاد وعدههای غذایی برای هر روز استفاده نمیشود. همین عامل نیز توسط دستیار چت آنها فراخوانی میشود وقتی کاربر میپرسد: "یک جای خوب برای غذا خوردن در نزدیکی کجاست؟"
این رویکرد به تیم DocentPro کمک میکند تا از تکرار منطق جلوگیری کنند، همه چیز را سازگار نگه دارند و آزمایش و بهبود عوامل خود را آسانتر کنند. با LangGraph، هر بخش از سیستم به عنوان یک گره شفاف و قابل ردیابی ساخته شده است - و با LangSmith، آنها میتوانند رفتار را گام به گام اشکالزدایی و بهبود بخشند. DocentPro این را گامی کوچک اما مهم در جهت هوش مصنوعی همکارتر میداند - جایی که عوامل فقط در انزوا عمل نمیکنند، بلکه در جریانهای کاری مختلف با هم همکاری میکنند.
تعادل بین انعطافپذیری LLM و کنترل قطعی
در حالی که LLMها در ارائه ایدههای جالب - مانند پیشنهاد مکانهای محلی محبوب - عالی هستند، همیشه به واقعیت پایبند نیستند. علاوه بر این، در حالی که LLMها در پیشنهاد مکانهای جالب، به خصوص مکانهای شناخته شده، عالی هستند، اغلب برنامههای سفر را صرفاً بر اساس آنچه "میدانند" میسازند، نه نحوه واقعی حرکت مردم. نتیجه؟ برنامههایی که بدون در نظر گرفتن مسیرهای واقعبینانه، در طول روز در مناطق مختلف زیگزاگ میکنند.
به همین دلیل DocentPro در سیستم محافظهایی برای حفظ خروجیها بر پایه واقعیت ساخته است. این شامل موارد زیر است:
- خوشهبندی K-Means برای گروهبندی نقاط مورد علاقه بر اساس جغرافیا
- ترتیب مجدد مسیر برای به حداقل رساندن سفرهای غیرضروری
- فیلتر کردن مکانهای توهمی یا بسته شده
- توضیحات تولید شده توسط LLM برای هر توصیه
این رویکرد ترکیبی به DocentPro کمک میکند تا تعادل مناسبی بین پیشنهادات مفید و برنامههای عملی که کاربران واقعاً میتوانند دنبال کنند، برقرار کند.
قابلیت مشاهده و اشکالزدایی با LangSmith
LangSmith در کمک به DocentPro برای قابل اعتماد کردن سیستمشان ضروری بوده است. آنها از آن برای:
- ردیابی و نظارت بر هر اجرا LangGraph
- به سرعت بررسی جایی که اشتباه پیش میرود (یا درست)
- درک چگونگی تعامل کاربران با عوامل ما
- تکرار جلسات برای تکرار سریعتر و بهبود رفتار
این به خصوص در یک سیستم چند عاملی مفید است، جایی که به راحتی میتوان از اینکه چه کسی چه کاری انجام میدهد، غافل شد. با LangSmith، تیم DocentPro همیشه دید کاملی از فرآیند تصمیمگیری دارد.
اضافه کردن پشتیبانی از راهنماهای صوتی در 12 زبان
یکی از ویژگیهای اولیهای که DocentPro ساخت، سیستم راهنمای صوتی درخواستی برای جاذبههای جهانی بود. آنها ابتدا آن را با یک خط لوله RAG سفارشی پیادهسازی کردند - اما با اضافه کردن پشتیبانی برای 12 زبان و مکانهای بیشتر، نگهداری و مقیاسبندی سیستم دردناک شد.
در نتیجه، DocentPro تصمیم گرفت معماری خود را در عرض دو روز به LangGraph منتقل کند، با استفاده از جریان کاری به سبک نقشه-کاهش (map-reduce) که برای تولید محتوا طراحی شده بود. این بدان معناست که:
- برای هر نقطه مورد علاقه، آن را به چند موضوع تقسیم میکنند (مثلاً تاریخ، معماری، حقایق جالب)
- هر موضوع از طریق زنجیرهای از عوامل عبور میکند: تحقیق ? تولید روایت (RAG) ? ترجمه ? TTS (تبدیل متن به گفتار)
- خروجیهای نهایی سپس در لیستهای پخش صوتی ساختاریافته و برای هر زبان جمعآوری میشوند.
LangSmith به DocentPro در ردیابی و اشکالزدایی اجراهای اولیه کمک کرد، و اکنون سیستم با حداقل سربار در سطح جهانی مقیاس میشود.
نتیجه
سیستم فعلی DocentPro:
- از عوامل مدولار و خاص دامنه در سراسر برنامهریزی سفر و چت استفاده میکند.
- الگوریتمهای قطعی را با استدلال مبتنی بر LLM ترکیب میکند.
- از طریق LangSmith کاملاً قابل ردیابی و بهبود است.
- برنامههای سفر هوش مصنوعی و راهنماهای صوتی چند زبانه را برای مسافران در سراسر جهان ارائه میدهد.
DocentPro در حال بهبود چگونگی تعامل عوامل خود و چگونگی ساختار دادن به سفرهای انعطافپذیر است - یک برنامه سفر در هر زمان.