Интеллектуальный поиск с поддержкой ИИ
- использование RAG подхода
О проекте
Поиск товаров по смыслу, контексту и неполному описанию - с использованием GPT и Meilisearch
Задача
На проекте с большим каталогом мототоваров (десятки тысяч позиций) требовалось реализовать интеллектуальный поиск, который:
- Понимает смысловые запросы, включая модели, годы выпуска и детали,
- Учитывает неточные формулировки, транслитерацию, синонимы и обрывки описания,
- Возвращает релевантные товары даже при отсутствии точного совпадения,
- Работает быстро, масштабируется и легко обновляется.
Задача
На проекте с большим каталогом мототоваров (десятки тысяч позиций) требовалось реализовать интеллектуальный поиск, который:
- Понимает смысловые запросы, включая модели, годы выпуска и детали,
- Учитывает неточные формулировки, транслитерацию, синонимы и обрывки описания,
- Возвращает релевантные товары даже при отсутствии точного совпадения,
- Работает быстро, масштабируется и легко обновляется.
Задачи
Схема работы RAG-подхода
- Пользовательский запрос → Meilisearch (keyword + semantic)
- Полученные по ключевым словам результаты из Meilisearch передаются в GPT в качестве дополнительного контекста.
- Подготовка RAG‑контекста (топ-N релевантных товаров + метаданные)
- GPT генерирует ответ, основанный на полученном контексте
- Ответ отображается в чат-боте или на сайте
- Запрос, выбор результатов и ответ логируются
Связали GPT и поисковый движок Meilisearch
В первую очередь запрос обрабатывается GPT: анализируется модель мотоцикла, год, тип детали и контекст. Ассистент формирует уточнённый запрос и извлекает ключевые параметры (например: «поршень на KTM EXC 300 2022» → OEM‑код, тип двигателя, объём).
Контекстный поиск по базе данных
Используем Meilisearch для молниеносного поиска по ключевым полям: названию, описанию, бренду, артикулу, тегам. Результаты обогащаются дополнительной информацией, включая остатки, цену, рекомендации.
Гибкая архитектура
Запросы логируются, рейтинг товаров может регулироваться. Запущен fallback‑механизм: если Meilisearch ничего не нашёл, GPT предлагает альтернативные товары или переадресует на уточнение.
Форматированный вывод результатов
Для Telegram-бота и сайта подготовлены компактные карточки с товарами, изображениями, ссылками и кнопками для перехода или заказа. В Telegram также работает быстрый подбор по переписке с пользователем.
Результаты
- Повышена точность поиска - пользователи быстрее находят нужный товар, даже при неточном запросе
- Снижен процент отказов на страницах поиска
- Повышена конверсия из Telegram‑бота
- Расширена глубина сессий - благодаря пояснениям от GPT и рекомендациям
Технологии
- OpenAI GPT-4 - для разбора и уточнения пользовательских запросов
- Meilisearch - быстрый полнотекстовый поиск
- PostgreSQL - хранение товарной информации и связанных полей
- Python + FastAPI - API-интеграции
- Telegram Bot API - для диалога с пользователем
- Логика fallback и генерации ответа - кастомные шаблоны и стратегия подмены
Итог: реализована гибкая система поиска, которая понимает пользователей, предлагает подходящие товары и работает как на сайте, так и в чат-ботах.
- Пользовательский запрос → Meilisearch (keyword + semantic)
- Полученные по ключевым словам результаты из Meilisearch передаются в GPT в качестве дополнительного контекста.
- Подготовка RAG‑контекста (топ-N релевантных товаров + метаданные)
- GPT генерирует ответ, основанный на полученном контексте
- Ответ отображается в чат-боте или на сайте
- Запрос, выбор результатов и ответ логируются
Связали GPT и поисковый движок Meilisearch
В первую очередь запрос обрабатывается GPT: анализируется модель мотоцикла, год, тип детали и контекст. Ассистент формирует уточнённый запрос и извлекает ключевые параметры (например: «поршень на KTM EXC 300 2022» → OEM‑код, тип двигателя, объём).
Контекстный поиск по базе данных
Используем Meilisearch для молниеносного поиска по ключевым полям: названию, описанию, бренду, артикулу, тегам. Результаты обогащаются дополнительной информацией, включая остатки, цену, рекомендации.
Гибкая архитектура
Запросы логируются, рейтинг товаров может регулироваться. Запущен fallback‑механизм: если Meilisearch ничего не нашёл, GPT предлагает альтернативные товары или переадресует на уточнение.
Форматированный вывод результатов
Для Telegram-бота и сайта подготовлены компактные карточки с товарами, изображениями, ссылками и кнопками для перехода или заказа. В Telegram также работает быстрый подбор по переписке с пользователем.
Результаты
- Повышена точность поиска - пользователи быстрее находят нужный товар, даже при неточном запросе
- Снижен процент отказов на страницах поиска
- Повышена конверсия из Telegram‑бота
- Расширена глубина сессий - благодаря пояснениям от GPT и рекомендациям
Технологии
- OpenAI GPT-4 - для разбора и уточнения пользовательских запросов
- Meilisearch - быстрый полнотекстовый поиск
- PostgreSQL - хранение товарной информации и связанных полей
- Python + FastAPI - API-интеграции
- Telegram Bot API - для диалога с пользователем
- Логика fallback и генерации ответа - кастомные шаблоны и стратегия подмены
Итог: реализована гибкая система поиска, которая понимает пользователей, предлагает подходящие товары и работает как на сайте, так и в чат-ботах.