تجربه: 1

سن: 18 الی 30

محدوده حقوق و دستمزد: قابل مذاکره

جای خالی: 1

طبیعت شغلی : پیمانی

تاریخ ارسال : 2025.12.14

آخرین تاریخ : 2026.02.27

شرح کلی تسک

پیاده‌سازی یک سیستم پرسش و پاسخ تخصصی (Knowledge-Based Q&A) در محیط چت گروهی تلگرام، به‌منظور پاسخگویی دقیق به سوالات پیمانکاران بر اساس منابع رسمی پروژه که در NotebookLM نگهداری می‌شوند.
این سیستم به‌صورت یک RAG Agent فعال‌شونده توسط انسان (Human-Activated Agent) طراحی می‌شود و با استفاده از n8n، معماری بازیابی افزوده (RAG)، مدل زبانی (LLM) و حافظه گفتگو پیاده‌سازی خواهد شد.

---

فاز ۱: دریافت ورودی و فعال‌سازی ایجنت (Perception)

1. دریافت سوال از گروه تلگرامی

   • استفاده از نود Telegram Trigger یا Chat Trigger برای پایش گروه کاری مشخص.

   • دریافت تمامی پیام‌های متنی به‌عنوان سوال ورودی پیمانکاران.

   • ارسال مستقیم متن سوال به هسته ایجنت.

2. هسته تصمیم‌گیرنده ایجنت (AI Agent Node)

   • استفاده از AI Agent Node به‌عنوان مغز سیستم.

   • مسئول تصمیم‌گیری در مورد استفاده از ابزار RAG برای پاسخ‌دهی.

   • مدیریت جریان داده بین ابزار بازیابی، مدل زبانی و حافظه.

---

فاز ۲: اتصال به NotebookLM و پیاده‌سازی RAG

1. ایجاد پایگاه دانش (Knowledge Base)

   • استخراج محتوای تخصصی پروژه از NotebookLM.

   • تبدیل داده‌های متنی به وکتور (Embedding).

   • ذخیره وکتورها در Vector Database (مانند Pinecone، Qdrant یا Supabase).

2. بازیابی افزوده (Retrieval-Augmented Generation)

   • اتصال Vector Store Question Answer Tool به AI Agent.

   • در زمان دریافت سوال:

     • جستجوی معنایی در پایگاه دانش وکتوری.

     • بازیابی بخش‌های مرتبط از مستندات NotebookLM.

   • ارسال متون بازیابی‌شده به‌عنوان Context همراه با سوال اصلی به LLM.

3. مدل زبانی (LLM)

   • اتصال یک Chat Model (مانند OpenAI GPT یا Google Gemini).

   • تولید پاسخ نهایی صرفاً بر اساس Context بازیابی‌شده.

   • جلوگیری از استفاده از دانش عمومی خارج از منابع پروژه.

---

فاز ۳: کنترل رفتار ایجنت و مدیریت حافظه (Governance & Memory)

1. تعریف System Prompt

   • تعیین نقش ایجنت به‌عنوان «پاسخ‌دهنده تخصصی پروژه».

   • الزام استفاده انحصاری از داده‌های NotebookLM.

   • جلوگیری از Hallucination و پاسخ‌های غیرمستند.

2. حفظ زمینه مکالمه (Conversation Memory)

   • اتصال Memory Sub-node (مانند Simple Memory یا Postgres Chat Memory).

   • ذخیره و بازیابی ۵ تا ۲۰ پیام آخر گفتگو.

   • پشتیبانی از سوالات دنباله‌دار و مکالمات چندمرحله‌ای.

---

فاز ۴: ارائه پاسخ به تلگرام (Action)

1. ارسال پاسخ نهایی

   • ارسال پاسخ تولیدشده توسط ایجنت از طریق نود Telegram Send Message.

   • انتشار پاسخ در همان گروه و همان بستر مکالمه.

   • حفظ پیوستگی گفتگو برای کاربران.

---

خروجی مورد انتظار

• ایجنت پرسش و پاسخ تخصصی فعال در تلگرام

• پاسخ‌دهی دقیق و مستند بر اساس NotebookLM

• عدم تولید پاسخ خارج از دانش پروژه

• پشتیبانی از مکالمات دنباله‌دار با حفظ Context

• کاهش بار پاسخگویی انسانی و افزایش سرعت دسترسی به دانش پروژه

----------------------------------------------------------------------------

منابع تسک:

لینک سایت رسمی پروژه :

https://rgb.irpsc.com/fa

دسترسی به سامانه مدیریت بر مدیران :

https://crm.irpsc.com