Документы
Материалы клуба и методическая база знаний.
От RAG-MVP к полноценной AI-платформе для управления стоматологической практикой.
Мы проанализировали текущую архитектуру AI-ассистента и нашли направления, которые раскроют его потенциал как ключевого продукта Global Dent.
Базовая RAG-архитектура уже связывает знания, модель и пользовательские интерфейсы.
Материалы клуба и методическая база знаний.
Семантический поиск подходящих фрагментов.
Формирование ответа на основе найденного контекста.
Два интерфейса для общения с ассистентом.
Сессии, хранение данных и стабильная работа сервисов.
Текущая версия уверенно решает задачу поиска по документам. Для масштабирования ей нужны память, маршрутизация, мультимодальность, аналитика и контроль затрат.
Сейчас ассистент в основном работает как система поиска отдельных ответов по документам.
История общения не передаётся в промпт. SQLite хранит сессии, но ассистент не удерживает контекст и не задаёт осмысленные уточняющие вопросы.
LLM отвечает на все вопросы напрямую. Нет слоя, который отделяет медицинские запросы от бизнес-контекста клуба.
При работе с несколькими документами DeepSeek может терять связи, галлюцинировать или давать неточный ответ.
При загрузке не извлекаются сущности и связи: врач, клиника, пациент, выручка и отношения между ними.
Часть ежемесячных затрат можно снизить за счёт оптимизации архитектуры и кэширования ответов LLM.
Владелец клиники не может отправить протокол, снимок или файл и получить обратную связь.
Изображения, схемы и блок-схемы не извлекаются из документов и не попадают в ответы.
Краткосрочная и долгосрочная память сохранят историю общения пользователя.
Отделит медицинские вопросы и сохранит бизнес-контекст клуба.
Извлечение сущностей и связей создаст структурированную базу знаний.
Переход из Telegram в Web без повторной авторизации.
Web App, диплинки и одноразовые токены автоматизируют вход.
Кэширование снизит нагрузку на модель и стоимость эксплуатации.
Три технических улучшения формируют надёжный пользовательский контур.
Парсер извлекает картинки, схемы и визуальные материалы. Файлы хранятся в Nginx, ссылки сохраняются в базе, а LLM прикладывает изображения к ответам в Telegram и Web.
Одноразовые токены обеспечат безопасный переход между Telegram и Web.
Статус оплаты автоматически синхронизируется с доступом к системе.
AI учитывает историю и задаёт уточняющие вопросы.
Несколько источников и лучшее понимание контекста.
База знаний становится связанной и структурированной.
Ассистент показывает схемы, диаграммы и таблицы.
Система готова к росту количества пользователей.
Кэширование уменьшает нагрузку на LLM и поддержку.
AI-куратор отвечает на вопросы студентов в реальном времени: в формате личного бота или в групповом чате.
Персональный ответ с учётом контекста и уточняющими вопросами.


Куратор подключается к обсуждению, отвечает по материалам курса и разбирает изображения.


Каждый диалог становится источником данных для развития клуба и улучшения AI-продукта.




Он объединит знания клуба, поддержку решений и аналитику в одном цифровом продукте для участников.