طراحی سیستم RAG با GPT برای دستیار هوش مصنوعی در حوزه سلامت

ما در حال اجرای یک پروژه آزمایشی (pilot) هستیم که هدف آن ساخت یک دستیار هوشمند بالینی برای پاسخ‌دهی به سؤالات مربوط به یک بیماری خاص است. در این پروژه، کاربران می‌توانند پرسش‌هایی درباره درمان، علائم، داروها یا توصیه‌های علمی مطرح کنند و پاسخ‌هایی دقیق، مستند و قابل اعتماد دریافت کنند. برای این هدف، قصد داریم از معماری Retrieval-Augmented Generation (RAG) با استفاده از مدل‌های زبانی بزرگ (LLM) مانند GPT-4o بهره ببریم. این پروژه در مرحله‌ی آزمایشی اجرا می‌شود و در آینده امکان توسعه به مقیاس وسیع‌تر وجود دارد. شرح پروژه: به یک توسعه‌دهنده یا تیم مسلط به LLM نیاز داریم که بتواند مراحل زیر را اجرا کند: 🔷 فاز 1: آماده‌سازی منابع استخراج متن از فایل‌های پزشکی (PDF یا HTML) تقسیم‌بندی هوشمند متن‌ها (text chunking) ساخت embedding با مدل‌هایی مثل text-embedding-3-small 🔷 فاز 2: طراحی و راه‌اندازی پایگاه برداری (Vector DB) استفاده از ابزارهایی مانند Pinecone، Weaviate یا FAISS بارگذاری embeddingها و پیکربندی جست‌وجوی مشابهت (semantic retrieval) 🔷 فاز 3: اتصال به LLM برای پاسخ‌دهی طراحی prompt ترکیبی از پرسش و متن بازیابی‌شده تولید پاسخ توسط GPT-4o یا مدل مشابه طراحی API ساده برای ارسال پاسخ به فرانت‌اند