K-Food RAG: AI yordamidagi taomlarni kashf etish
Koreys taomlari uchun LLM javoblarini tuzilmaviy oshpazlik maʼlumotlari va barqaror sinxronlash jarayonlari bilan birlashtirgan, qidiruvga tayangan kashfiyot mahsulotini loyihaladim.
- Kalit soʻzga asoslangan qidiruv muammosini kontekstni hisobga oladigan javoblarga ega semantik qidiruv tajribasiga aylantirdim.
- Maʼlumotlarni qabul qilish va vektorlarni sinxronlash yuklama ostida jim ishlamay qolmasligi uchun navbat hamda qayta urinish jarayonlarini qoʻshdim.
- Prototip qidiruvdan ishlab chiqarish darajasidagi AI mahsulotiga rivojlana oladigan tizim arxitekturasini yaratdim.
Bu maxfiy loyiha. Maxfiy amalga oshirish tafsilotlari va manba kodi ommaga ochiq emas.
Kontekst
Bu loyiha taomlarni kashf etish mahsuloti statik filtrlar va kalit soʻz qidiruvidan qanday chiqib keta olishini oʻrgandi. Maqsad foydalanuvchilarga oshpazlikka oid savollarni tabiiy tarzda berib, asoslangan va foydali natijalarni olish imkonini yaratish edi.
Muammo
Soʻrov toifaviy emas, tasviriy boʻlsa, taom qidiruvi tezda samarasiz boʻladi. Odamlar niyat, kayfiyat, masalliq yoki madaniy kontekst orqali qidiradi, anʼanaviy filtrlar esa buni kamdan-kam toʻgʻri qamrab oladi.
Yondashuv
Mahsulotni avvalo maʼlumotlarni topish tamoyili asosida loyihaladim. Tizim embeddinglar, vektor qidiruvi, tuzilmaviy taom yozuvlari va til modeli javobini birlashtirib, natijalarni ham moslashuvchan, ham ishonchli maʼlumotga tayangan holda saqlaydi.
Ishga tushirilgan funksiyalar
- Tabiiy tilda taom qidirish va yoʻnaltirilgan kashfiyot uchun veb-interfeys.
- Embedding, vektor qidiruvi, relyatsion maʼlumot olish va javobni shakllantirish uchun backend servislar.
- Sinxronlash va xatodan keyin xavfsiz qayta urinish uchun navbatga asoslangan ishlov.
- Qidiruv qatlamidagi sinxronlash sifati va operatsion muammolarni koʻrsatadigan monitoring servislar.
Natijalar
- Mahsulot oddiy filtr interfeysiga qaraganda kengroq taom savollariga javob bera oldi va real maʼlumotlarga tayangan holda qoldi.
- Sinxronlash, qayta urinish va kuzatuvchanlik boshidanoq hisobga olingani sababli arxitektura odatiy AI prototipidan ishonchliroq boʻldi.
- Tizim faqat demo emas, isteʼmolchiga moʻljallangan kashfiyot uchun amaliy RAG andozasini isbotladi.
Texnik tafsilotlar
Mahsulot Next.js, NestJS, PostgreSQL, Qdrant, Redis va Google GenAI ni birlashtiradi. Asosiy texnik vazifa AI qatlamining foydaliligini saqlab, uning tuzilmaviy maʼlumot modelidan chetlashishiga yoʻl qoʻymaslik edi.
Davom eting
Bogʻliq maqola: Global Startup Center Hackathon 2025 da birinchi oʻrin
Jamoamiz Netflix dramalaridagi koreys taomlarini aniqlab, tomoshabinni haqiqiy gastronomik tajriba bilan bogʻlaydigan K-Food Chrome kengaytmasi orqali GSC Hackathon 2025 da qanday gʻolib boʻlgani haqida.