Итоговая работа по буткемпу "AI-ARROW" трек senior
Разработать Telegram бот, который будет ассистентом команды для хакатона. Бот должен с помощью LLM помогать команде формировать продукт, описывать задачи, подсказывать варианты решений, изучать неизвестные темы, помогать писать код, помогать готовиться к защите проект.
main.py - сам бот.
config.py - апи тг-бота и гигачата
TELEGRAM_TOKEN = 'token'
GIGACHAT_TOKEN = 'token(base64)'
/start — Запуск взаимодействия с ботом и получение приветственного сообщения.
/clear — Очистка истории сообщений в группе (доступно только администратору).
/ai [промт] — Использование гигачата для генерации ответов. Пример: /ai Напиши шаблон для Telegram-бота.
/anket [текст] — Добавление новой анкеты. Пример: /anket Привет, я знаю ML.
/edit [текст] — Редактирование существующей анкеты. Пример: /anket Привет, я не знаю ML.
/delete — Удаление анкеты.
/show — Показ всех анкет.
/task [задача] — Добавление новой задачи. Пример: /task Написать модель.
/edit_task [номер задачи] [новый текст] — Редактирование существующей задачи. Пример: /edit_task 1 Обучить модель.
/delete_task — Удаление задачи. Бот предложит выбрать задачу для удаления.
/show_task — Показ всех задач.
- Поддержка мультимодальных запросов: Гигачат может работать не только с текстом, но и с изображениями и голосовыми сообщениями. Это делает его более универсальным и удобным для пользователей.
- Интерактивность и контекстуальность: Гигачат способен поддерживать длительные диалоги, сохраняя контекст беседы. Это особенно полезно для сложных задач, требующих последовательного общения.
- Поддержка русского языка: Гигачат отлично понимает и отвечает на русском языке, что делает его идеальным выбором для русскоязычных пользователей.
- Безопасность и конфиденциальность: Все данные пользователей защищены, и Гигачат соблюдает высокие стандарты конфиденциальности.
Метрика SBS
Чтобы посчитать эту метрику, мы выбираем заранее фиксированный набор вопросов и генерируем на них ответы двумя моделями. После этого наши сотрудники выбирают, какая модель ответила лучше на каждый вопрос. Результатов у каждого сравнения может быть 4:
- Лучше ответила 1-ая модель (всего таких ответов good_a);
- Лучше ответила 2-ая модель (всего таких ответов good_b);
- Обе модели ответили хорошо (всего таких ответов both);
- Обе модели ответили плохо (всего таких ответов none).
Информация была взята с Habr SberDevices