Детальная информация

Цель работы: Разработка персонализированного ассистента-секретаря на базе открытой большой языковой модели. Методы исследования: системный анализ, объектно-ориентированное программирование, асинхронное программирование, промпт-инжиниринг, функциональное тестирование. Результаты работы: разработан программный комплекс, включающий шесть модулей, функционирующий на CPU без GPU. Реализована система распознавания намерений с динамическим контекстом и few-shot prompting, обеспечивающая точность 94%. Проведено функциональное тестирование. Область применения: персональная автоматизация управления расписанием и коммуникациями, локальное развёртывание на ПК с ограниченными ресурсами. В работе использованы следующие информационные технологии: язык программирования Python 3.11, фреймворк asyncio, платформа Ollama для локального инференса LLM, модель Qwen 2.5 3B, библиотеки python-telegram-bot, google-api-python-client, pydantic-settings, OpenAI Whisper для распознавания речи, Google Calendar API и Gmail API для интеграции с сервисами Google.

Objective: To develop a personalized assistant-secretary based on an open large language model. Research methods: system analysis, object-oriented programming, asynchronous programming, prompt engineering, functional testing. Results: A software suite comprising six modules was developed, running on a CPU without a GPU. An intent recognition system with dynamic context and few-shot prompting was implemented, achieving 94% accuracy. Functional testing was conducted. Scope of application: personal automation of schedule and communication management; local deployment on PCs with limited resources. The following information technologies were used in this work: Python 3.11 programming language, asyncio framework, Ollama platform for local LLM inference, Qwen 2.5 3B model, python-telegram-bot, google-api-python-client, and pydantic-settings libraries, OpenAI Whisper for speech recognition, Google Calendar API, and Gmail API for integration with Google services.