ПРОЕКТИРОВАНИЕ ОСНОВНОГО МОДУЛЯ СЕРВИСА НА БАЗЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ПОДДЕРЖКИ ГОСУДАРСТВЕННЫХ СОТРУДНИКОВ

DEVELOPMENT OF A BASIC ARTIFICIAL INTELLIGENCE SERVICE MODULE TO SUPPORT GOVERMENT EMPLOYEES

Malikov Daniel Romanovich

student, Department of Electronic Computing Machines, Vyatka State University,

Russia, Kirov

Krutikov Alexander Konstantinovich

scientific supervisor, senior lecturer, Vyatka State University,

Russia, Kirov

АННОТАЦИЯ

В статье описано проектирование и реализация модуля сервиса на базе искусственного интеллекта, предназначенного для сотрудников государственных организаций Кировской области. Описаны цели автоматизации рабочих процессов, требования к архитектуре и выделены преимущества самостоятельной разработки сервиса.

ABSTRACT

The article describes the design and development of an artificial intelligence-based service module for employees of state organizations in the Kirov region. The article describes the goals of workflow automation, the requirements for the architecture and the advantages of developing the service independently.

Ключевые слова: искусственный интеллект, чат-бот, государственные служащие, автоматизация, архитектура.

Keywords: artificial intelligence, chatbot, public employees, automation, architecture.

Государственные органы все чаще сталкиваются с возникшей необходимостью автоматизации рутинных задач для повышения эффективности труда сотрудников. Использование искусственного интеллекта позволяет ускорить обработку информации, снизить нагрузку на специалистов, а также повысить скорость и качество принятия решений. Однако внедрение подобных решений ограничено с требованиями по информационной безопасности, бюджетными средствами, уровнем доступных мощностей, высоким уровнем конфиденциальности данных.

Изучение работы готовых моделей нейронных сетей позволяет реализовывать требуемые задачи, а использование в разработке веб-интерфейса обеспечивает как максимальную доступность будущего ПО, так и позволяет гибко проектировать итоговый сервис, внедряя постепенно новые функции. В рамках исследования спроектирован и реализован базовый модуль, обеспечивающий стандартный функционал чат-бота на основе языковой модели, который является основой для внедрения последующих функциональных модулей.

Целью разработки является создание программной модели, предназначенной для автоматизации повседневных задач сотрудников государственных организаций Кировской области с учетом требований информационной безопасности. Модуль должен предоставлять удобный интерфейс взаимодействия, обрабатывать запросы пользователей и осуществлять автоматизированную обработку текстовой информации.

Основные задачи разработки:

• Автоматизация поиска, анализа и обработки информации – языковая модель способна обрабатывать запросы пользователя, учитывать контекст диалога и историю чата – это позволяет проводить ускоренный анализ данных и осуществлять работу в ускоренном темпе.
• Обеспечение возможности доработки и масштабирования сервиса – с учетом того, что на текущий момент реализован только базовый модуль – необходимо продолжать разработку сервиса, основываясь на нововведениях и открытиях в сфере искусственного интеллекта – а также учитывать основные потребности в работе офисных сотрудников.

Функциональные возможности разрабатываемого программного продукта включают:

• Работа в локальной сети учреждения
• Интерфейс взаимодействия для сотрудников (чат-бот)
• Логирование и управление чатами/диалогами
• Использование собственной (или интегрируемой) языковой модели
• Возможность администрирования и расширения функционала
• Обработка ключевых запросов: генерация текста, ответы на вопросы
• Соблюдение стандартов безопасности и конфиденциальности

Проектируемая система относится к классу интеллектуальных информационных систем поддержки принятия решений с элементами микро сервисного подхода, адаптированного под локальное развертывание на одном вычислительном узле. Этот подход отражает следующие принципы:

• Модульность – каждый функциональный блок (база знаний, поиск, аналитика, контроль доступа и т.д.) реализуется в виде логически изолированного модуля с четко определенными интерфейсами.
• Расширяемость – архитектура допускает добавление новых модулей, аналитических алгоритмов и интеграций без переработки ядра системы.
• Локальность вычислений – все вычисления выполняются на локальном сервере, без передачи данных во внешние сервисы, что необходимо требованиям безопасности государственных информационных систем.

Для обеспечения возможности грамотной разработки интерфейса можно использовать детализированную контекстную диаграмму. Она позволяет спроектировать и отслеживать каждое действие, выполняемое пользователем и модулем, а также выявляет взаимосвязи и зависимости исходных компонентов сервиса.

Основные этапы работы пользователя с текстовой моделью:

Получение запроса пользователя и команд управления чатами. Необходимо обеспечить удобный и простой веб-интерфейс на основе интерфейсов аналогов сервиса, позволяющий направлять текстовые запросы, получать результаты работы модели, а также управлять уже созданными чатами.

Учёт параметров работы модели. Сервис должен обеспечивать возможность установки базовой конфигурации системы, обеспечения возможности редактирования правил формирования запроса к модели, а также иметь базовое ограничение на длину сообщений.

Обеспечение взаимодействия компонентов. Необходимо грамотная настройка взаимодействия разрабатываемого веб-интерфейса – учитывать особенности работы фронт-энд и бэк-энд разработки, функционирования большой языковой модели, обеспечение взаимодействия сервиса с базой данных.

Контекстная IDEF0 диаграмма демонстрирует особенности интерфейса разработанного модуля взаимодействия с языковой моделью, который необходим для выполнения базового функционала сервиса – обработка текстовой информации (рисунок №1).

Рисунок 1. Диаграмма обеспечения диалогового взаимодействия с LLM

Также, были учтены основные требования заказчика к средствам разработки и архитектуры сервиса. Для реализации интерактивного интерфейса потребовалось использование следующих технологий:

Фронтенд:

• Фреймворк: Next.js (React, App Router)
• Язык: TypeScript
• Отрисовка markdown: react-markdown + remark-gfm
• Взаимодействие с API:
• fetch + чтение ReadableStream для SSE.

         Бэкенд:

• Язык: Python 3.9+
• Фреймворк: FastAPI
• ASGI-сервер: Uvicorn
• Потоковая передача: SSE text/event-stream
• Локальный сервер модели: LM Studio (временная мера)
• Модель: совместимая LLM (например, Mistral 14B reasoning), параметры подбираются экспериментально.
• СУБД: PostgreSQL

В настоящее время, разработка базового модуля полностью завершена, и ведется подготовка к дальнейшему масштабированию сервиса. На рисунке 2 изображен скриншот интерфейса модуля.

Рисунок 2. Интерфейс взаимодействия пользователя с текстовой моделью

В результате выполненной работы был спроектирован и разработан модуль сервиса на основе искусственного интеллекта, а конкретно – базовый модуль, обеспечивающий взаимодействие пользователя с языковой моделью. В продукте реализованы такие функции, как управление несколькими диалогами, сохранение и загрузка истории сообщений, обработку запросов к модели и стабильную передачу ответов в режиме реального времени.

Таким образом, задачи по проектированию и реализации базового диалогового модуля выполнены в полном объёме, а полученные результаты формируют архитектурную и технологическую основу для последующего расширения системы.

Список литературы:

1. Документация Python. URL: https://docs.python.org/3/
2. FastAPI Documentation. URL: https://fastapi.tiangolo.com/
3. React Documentation. URL: https://react.dev/
4. Документация PostgreSQL. URL: https://www.postgresql.org/
5. Перечень открытых LLM: https://huggingface.co/models