ჭორიკანა

ინსპირაცია რაზეც გვქონდა ინსპირაცია დაგვიწუნეთ და ახლა რაღა ვთქვათ?

მოკლედ თავიდან იმით დაიწყო, რომ ფაილებში სემანტიკური ძებნა გვინდოდა შეგვძლებოდა, თუმცა ვერ ვასწრებდით.
Რადგანაც ჩვენი ინსპირაცია ყოველთვის ჩვენი პრობლემებია, რომლებიც ნამდვილად არ გვაკლია 😊 სხვა მოვიფიქრეთ და დავიტოვეთ სემანტიკ სერჩის იდეა, რომელიც ძალიან მოგვწონდა და გადავწყვიტეთ ჩატებში ‘’ინფორმაციული გაფანტულობის” გადასაჭრელად გამოგვეყენებინა. ხშირად კონკრეტული ინფორმაციის ძებნის დროს ცუდი სერჩის გამო შევყოლილვართ ძველი მესიჯების სქროლვას და ბევრი დრო დაგვიკარგავს, რომელიც იდეაში მუშაობისთვის უნდა გამოგვეყენებინა😊. ასევე, როდესაც თასქზე ბევრი ადამიანი მუშაობს და ინტერაქციის პროცესში თანხმდებიან სხვადასხვა დეტალსა და საბოლოო ვერსიაზე, ბოლო აბდეითების ავტომატური სინქრონიზაცია რთულდება და სისტემაში(თიქეთებში) ისევ ძველი ვერსია გვრჩება,ამიტომ ამ ინფორმაციის up-to-date ასახვაც ვცადეთ.

რას აკეთებს ჩვენი პროექტი: ჩვენი პროექტი უზრუნველყოფს გაუმჯობესებულ ინფორმაციის მოძებნის პროცესს სხვადასხვა ჩატებში ერთდროულად.ასევე, ის ბევრად ეფექტურია ვიდრე “საკვანძო სიტყვებით” ძიება, რადგან ჩვენ შეგვიძლია ავუხსნათ კონტექსტი, რის მიხედვითაც მოგვიძებნის სასურველ ინფრომაციას და მიგვითითებს სად წერია ის. ამ ეტაპზე გვაქვს ჩატის ტიპის ვებ აპლიკაცია ჩაშენებული AI აგენტით, რომელიც გამოძახების შემთხვევაში ასრულებს ზემოთ ნახსენებ ფუნქციას და ამავდროულად კონტექსტზე დაყრდნობით შეუძლია თასქების დააბდეითება იუზერის თანხმობის შემთხვევაში.

როგორ ავაწყვეთ: გვაქვს Next.js-ზე აგებული ბექენდი, რომელიც უკავშირდება Supabase-ს, სადაც განთავსებულია ჩვენ მიერ შექმნილი რელაციური მონაცემთა ბაზა. ფრონტენდის ნაწილიც ასევე Next.js-ზე ავაგეთ, რათა ბექენდსა და ფრონტენდს შორის ინტეგრაცია მაქსიმალურად გაგვემარტივებინა.

რაც შეეხება სემანტიკური ძიების მექანიზმს, ვიყენებთ text-embedding-004 მოდელს, რომლის საშუალებით ტექსტი გარდაიქმნება ვექტორულ ემბედინგებად და თითოეული მათგანი ინახება მონაცემთა ბაზაში. მსგავსების შესაფასებლად ვიყენებთ cosine similarity მეტრიკას, რომელიც კონტექსტების სიახლოვეს განსაზღვრავს. შერჩეული შედეგები იგზავნება gemini-1.5-flash მოდელთან, რომელიც არჩევს საუკეთესო პასუხებს და ასევე გვეხმარება თასქების დამატებისთვის შესაბამისი სჯესტიების გენერირებაში.

რა გამოწვევებს წავაწყდით 😊 დროის მენეჯმენტი და მოულოდნელი ერორები, ასვე იდეაზე უფრო მეტი დრო დავხარჯეთ, ვიდრე იმპლემენტაციაზე.

როგორ ვაპირებთ ჭორიკანას განვითარებას:

ამ ეტაპზე „ჭორიკანა“ წარმოდგენილია ჩატის ტიპის ვებ-აპლიკაციის სახით, თუმცა ჩვენი მთავარი მიზანია მისი ინტეგრაცია უკვე არსებულ ჩათზე დაფუძნებულ სამუშაო გარემოებში, როგორიცაა Slack, Microsoft Teams და მსგავსი პლატფორმები. ეს საშუალებას მისცემს გუნდებს, უშუალოდ სამუშაო პროცესში, კონტექსტის დაკარგვის გარეშე, სწრაფად იპოვონ საჭირო ინფორმაცია და მნიშვნელოვნად გაზარდონ ყოველდღიური პროდუქტიულობა.

ფუნქციონალის მხრივ ვგეგმავთ სემანტიკური ძიების კიდევ უფრო გაუმჯობესებას — როგორც ოპტიმიზაციის, ისე უფრო თანამედროვე და ეფექტური მეთოდების გამოყენებით, რათა ინფორმაციის მოძებნა გახდეს მაქსიმალურად სწრაფი, ზუსტი და კონტექსტზე მორგებული. პარალელურად დავხვეწავთ ვიზუალურ ნაწილსაც (UI/UX), რათა მომხმარებელმა მინიმალური ძალისხმევით მიიღოს მაქსიმალური შედეგი.

მომავალში ასევე ვაპირებთ:

ჩატებში ინფორმაციის ავტომატურ სტრუქტურირებას (შეჯამებები, მნიშვნელოვანი გადაწყვეტილებების გამოყოფა), რაც შეამცირებს დროის კარგვას;

თასქების მართვის სისტემებთან უფრო ღრმა ინტეგრაციას, რათა გადაწყვეტილებები და შეთანხმებები ავტომატურად აისახოს სამუშაო პროცესში;

კონტექსტზე დაფუძნებული ნოტიფიკაციებისა და შეხსენებების დამატებას, რაც ხელს შეუწყობს ფოკუსის შენარჩუნებას;

პერსონალიზებულ გამოცდილებას, რომელიც მორგებული იქნება გუნდის მუშაობის სტილსა და საჭიროებებზე.

ჰაკათონის თემატიკიდან გამომდინარე, ჩვენი მთავარი მიზანია პროდუქტიულობის გაზრდა — ინფორმაციული გაფანტულობის შემცირებით, დროის ეფექტური გამოყენებით და გუნდური კომუნიკაციის უფრო ჭკვიანურად ორგანიზებით. „ჭორიკანა“ სწორედ ამ პრობლემების პრაქტიკულ გადაწყვეტას ისახავს მიზნად.

Built With

• gemini
• next.js
• postgresql
• supabase
• typescript
• vercel