R&D / AI-агенты · RAG · ML · NLP

AGENT-AI -
исследовательский
проект компании
AUXO

Фокус на AI-агентах, RAG, ML и NLP.

О проекте

AGENT-AI — инициативы AUXO по исследованию агентных систем и промышленных паттернов RAG. Быстрые прототипы, строгая оценка, наблюдаемость и экономика решений на базе LLM.

R&D
Исследовательский
проект
AI
Искусственный
интеллект
ML
Машинное
обучение
NLP
Обработка
языка

Технологические векторы

Основные направления исследований и разработки.

Agent frameworks

Фреймворки для создания интеллектуальных агентов

RAG pipelines

Retrieval-Augmented Generation системы

Evaluation

Метрики и оценка качества систем

Observability

Мониторинг и наблюдаемость систем

Cost & Latency

Оптимизация затрат и времени отклика

RAG · Steps

Как работает RAG

Визуализация процесса Retrieval-Augmented Generation: от пользовательского запроса до контекстуального ответа.

Query

1. Запрос пользователя

Пользователь формулирует вопрос или запрос. Система получает текстовый ввод и готовится к обработке.

2. Векторизация запроса

Запрос преобразуется в векторное представление с помощью embedding модели (например, text-embedding-ada-002 или русскоязычные модели).

3. Поиск в векторной БД

Векторный запрос сравнивается с embeddings документов в базе знаний (Qdrant, Pinecone, Weaviate). Находятся наиболее релевантные фрагменты.

4. Формирование контекста

Извлеченные релевантные документы объединяются в контекстное промпт, который дополняет исходный запрос пользователя.

5. Генерация ответа LLM

Языковая модель (GPT-4, Claude, локальные модели) генерирует ответ на основе запроса и извлеченного контекста, обеспечивая точность и релевантность.

6. Возврат результата

Пользователь получает точный, контекстуальный ответ, усиленный знаниями из векторной базы данных.

Внутренние системы

Инструменты, которые используем в прототипах и прод-решениях.

Оценка качества поддержки клиентов

Выделенный блок с описанием.

Задача R&D

Задача "Оценка качества поддержки клиентов"

Автоматизировать анализ обращений (чат/почта/звонки) с помощью LLM-агентов: классификация, аспекты, тональность, соответствие SLA, рекомендации улучшений. Поддержать онлайн/оффлайн-метрики и human-in-the-loop.

  • Мультикритериальная рубрика: Accuracy, Helpfulness, Empathy, Policy, Latency
  • RAG-контекст: база знаний, история тикетов
  • Инструменты: векторный ретривер, правила эскалации, отчёты

Агентская система тендеров

Автоматизированная система управления тендерами с использованием AI-агентов. Мониторинг площадок, анализ закупок, подготовка предложений и интеграция с 1С.

AI-Агенты

Система управления тендерами

Интеллектуальная платформа для автоматизации работы с тендерами на различных площадках (ЕИС 44-ФЗ, ЕИС 223-ФЗ, РТС-тендер, B2B-центр). Система использует агентный подход для обработки закупок от получения уведомлений до отправки в 1С.

  • Автоматический мониторинг тендерных площадок
  • Анализ и оценка релевантности закупок
  • Подготовка карточек тендеров и коммерческих предложений
  • Интеграция с 1С:Предприятие
  • Управление агентами и отслеживание статусов

AI‑агент для обогащения кода комментариями

Автоматизация добавления комментариев в унаследованный код для ускорения анализа и поддержки.

AI

AI‑агент комментирования исходного кода

Система анализирует функции и блоки, формирует комментарии и документацию, поддерживает внешние LLM и RAG.

  • AI‑агент и сравнительный анализ фреймворков
  • CLI‑интерфейс и API для интеграции
  • Оптимизация вычислительных ресурсов
  • Поддержка внешних LLM и RAG
  • Экспорт отчётов и диффов

AI-агент для sale-менеджеров

Автоматизирована и структурирована обработка встреч с клиентами.

AI

AI-агент для обработки встреч и коммуникаций

Бот принимает аудио/видео и документы, распознаёт речь, формирует MoM и задачи, возвращает результат в чат и интеграции.

  • Транскрибация голосовых сообщений, аудио, видео и офисных файлов
  • Суммаризация и выделение ключевых тезисов
  • AI-структурирование встреч (MoM, формализация)
  • Сбор недостающей информации и уточнений
  • Анализ истории встреч и выгрузка результатов

Корпоративный AI-ассистент «Элина»

Минимизированы трудозатраты на коммуникацию: ответы на FAQ, onboarding, поиск ЛНА и выполнение рутинных задач.

AI

Корпоративный ассистент для сотрудников

Единый AI-ассистент для корпоративных каналов: помощь по регламентам, HR и IT, запуск RPA и интеграции с SAP.

  • 150+ навыков (FAQ, HR, сайты, УЦ, IT)
  • Интеграции с мессенджерами и ассистентами
  • RPA-сценарии для рутинных операций
  • Поддержка устройств и каналов: web, mobile, voice
  • Интеграции с SAP BTP и корпоративными сервисами

Анализ рынка труда

Автоматизирован анализ рынка труда для выявления и приоритезации ключевых технологий на основе публичных сайтов вакансий.

Анализ

Платформа анализа рынка труда

Сервис собирает вакансии, нормализует требования, строит карты навыков и статистику по ролям.

  • Облачное масштабируемое решение с микросервисной архитектурой
  • Интеграция с несколькими сайтами вакансий (отечественными и зарубежными)
  • Собрана статистика, построены карты обучения
  • Приоритизация технологий по типовым ролям
  • Дашборды и экспорт отчётов

ПАК AntiCOVID

Обеспечение безопасности сотрудников за счёт выявления нарушений COVID‑мер на основе видео‑аналитики.

CV · OCR

Комплекс контроля соблюдения мер безопасности

ПАК на базе видеопотоков выявляет отсутствие масок, нарушение дистанции и скопления людей, формирует отчёты и статистику.

  • Детекция масок, дистанции и скоплений
  • Рабочее место оператора для верификации
  • Автоматические отчёты и статистика
  • Интеграция с CCTV и внешними системами
  • Экспорт в Excel и ежедневные уведомления

Многофакторное сравнение макетов

Сравнение версий макетов PDF/DOC/JPG/PNG, анализ штрих-кодов и визуальный дифф для ускоренного согласования изменений.

CV · OCR

Сравнение макетов печатной продукции

Платформа, которая анализирует версии макетов, выделяет отличия, проверяет штрих-коды и готовит результаты в едином окне согласования.

  • Сравнение PDF, DOC, JPEG, PNG с визуальным диффом
  • Детекция и проверка штрих-кодов
  • Формализация процесса согласования макетов
  • OCR и извлечение ключевых полей
  • Интеграция с пайплайнами QC и архивом версий

Массовая обработка сканов договоров

OCR-пайплайн для извлечения данных контрагентов из PDF-сканов договоров с проверкой и выгрузкой в ERP.

CV · OCR

OCR-пайплайн для договоров и контрагентов

Автоматизированная обработка сканов договоров: поиск страницы с реквизитами, OCR, парсинг ИНН/БИК/р/счета и верификация перед выгрузкой в ERP.

  • OCR-анализ изображений в PDF-файлах
  • Поиск страницы с реквизитами контрагента
  • Парсинг ИНН, БИК и расчетного счета
  • Верификация данных и флаги спорных случаев
  • JSON-выгрузка и отправка в ERP

Телеграм-боты

Быстрые ссылки на прототипы и утилиты.

Видеоаналитика

Решения на базе нейросетей для автоматизации мониторинга и контроля в ритейле и логистике.

Кейс: Склад

Мониторинг ячеек и операций комплектации

Мы предлагаем on‑premise решение видеоаналитики на базе нейросетей (YOLO/PyTorch) для мониторинга ячеек и операций комплектации/приёмки/отгрузки. Система обрабатывает видеопотоки с существующих камер и генерирует события о «пустых ячейках», несоответствиях количеств и иных аномалиях.

Перед началом работы выполняется ручная разметка границ ячеек и SKU в них, с отметкой в веб интерфейсе на виртуальной карте склада. Итоги передаются в WMS по REST/OpenAPI, а подтверждающие фрагменты сохраняются в облачный архив (холодное хранилище опционально).

Кейс: Дикси

Автоматическое выявление неактуальных ценников

Мы предлагаем решение для автоматического мониторинга актуальности ценников на базе робота-уборщика с установленным смартфоном и мобильным приложением для сбора видеопотока. Система обеспечивает точность распознавания ценников не ниже 90% и корректное сопоставление цен с эталонной базой SET в не менее чем 80% случаев.

Система включает мобильное и веб приложение для сбора изображений ценников с помощью смартфона и последующей обработки данных на сервере. Мониторинг актуальности ценников осуществляется путём сравнения изображений из эталонной базы данных цен SET с изображениями ценников из видеопотока. При обнаружении расхождений система автоматически формирует задачи на печать новых ценников для своевременной замены некорректных ценников на торговых полках.

Презентация проекта

Подробный обзор исследовательских направлений и прототипов.

Слайд 1 из 25
Загрузка презентации...

Связаться с нами

Оставьте сообщение или задайте вопрос по проекту AGENT-AI.