Sémantické vyhledávání v Telegram botovi pro komunity

Telegram bot s semantickým vyhledáváním pro automatizaci business komunit

V komunitě se 120 podnikateli trvalo ruční hledání expertů hodiny, zápis na akce vyžadoval koordinaci přes soukromé zprávy a hodnocení aktivity se vedlo v tabulkách. Telegramová aplikace na bázi AI odstranila tyto úzká hrdla: vektorový vyhledávač podle profilů členů najde specialisty podle smyslu dotazu během sekund, hodnocení se načítají automaticky, zápis na eventy – jedním kliknutím. Systém využívá FAISS pro ukládání vektorů a GPT pro strukturování textů, což zajišťuje relevanci bez klíčových slov.

Problémy růstu: tři klíčová úzká hrdla

Při rozšiřování komunity se projevila systémová omezení:

• Hledání expertů: Není možné zapamatovat si 100+ specializací. Dotazy v chatu typu „kdo se vyznaje v logistice?“ se topily, potřebný člověk nereagoval.
• Organizace akcí: 5–7 hodin týdně na seznamy, připomínky, úpravy. Není škálovatelné.
• Sledování aktivity: Ruční tabulky zachycovaly jen zjevné „díky“, ignorovaly skutečný přínos.

Tyto problémy jsou typické pro chatově orientované komunity. Řešení – přechod od textového vyhledávání k vektorovému zobrazení profilů.

Architektura AI vyhledávání: od textu k vektorům

Vyplňování a strukturování profilů

Každý člen vyplní volný text: zkušenosti, kompetence, případy. Model GPT (na bázi OpenAI) ho rozloží do tří vrstev:

• Krátké jádro (10–15 slov, 55 % váhy): Hlavní charakteristiky.
• Podrobný popis (30 % váhy): Kompletní sada dovedností.
• Kontext (15 % váhy): Koníčky, zájmy.

To umožňuje zohlednit různé styly popisu. Např. „pomoc s vízy“ najde profil s „přestěhováním firmy“.

Vektorizace a ukládání

Každá vrstva se převede do vektoru (∼3000 dimenzí) pomocí embedding modelu. Vektory se ukládají do FAISS – knihovny pro rychlé hledání nejbližších sousedů (approximate nearest neighbors).

Algoritmus:

• Dotaz uživatele („Jádro: víza do Itálie“) se vektorizuje.
• FAISS najde 10–15 nejbližších profilů.
• Model „auditor“ ověří relevanci, seřadí s ohledem na rating aktivity.

Výsledek: top-3 kandidáti s vysokou semantickou podobností, i bez přesných shod.

Automatický rating přes Telethon a PostgreSQL

Bot monitoruje chat přes Telethon:

• „Díky“ +1 bod.
• Organizace mastermindu: +100.
• Účast na akci: +30.

Data se agregují v PostgreSQL. Rating ovlivňuje:

• Prioritu ve vyhledávání.
• Přístup k limitovaným akcím.

To vytváří transparentní reputaci: aktivní členové stoupají v výsledcích.

# Příklad pseudokódu monitoringu (Python + Telethon)
from telethon import TelegramClient

async def monitor_thanks(client, chat_id):
    async for message in client.iter_messages(chat_id):
        if 'díky' in message.text.lower():
            add_karma(message.reply_to_msg_id, 1)

Kalendář akcí: od ručních seznamů k self-service

Integrace kalendáře do bota: oznámení → tlačítko „zapsat se“ → automatické přidání do PostgreSQL. Žádná korespondence, připomínky generuje bot. Škáluje se na stovky členů bez dodatečné práce.

Co je důležité

• Semantické vyhledávání na FAISS + GPT zajišťuje přesnost 80–90 % bez klíčových slov.
• Vektorový popis profilů (3 vrstvy s váhami) se adaptuje na nestrukturované texty.
• Automatizace ratingu přes Telethon snižuje ruční práci o 100 %.
• Integrace kalendáře zjednodušuje organizaci akcí 10×.
• Přístup lze aplikovat na jakékoli Telegram komunity: od IT týmů po business kluby.

— Editorial Team