Dịch vụ tìm kiếm AI cho lễ hội/sự kiện trên toàn quốc

Xin chào!
Gần đây mình bắt đầu quan tâm đến phát triển ứng dụng LLM và phát triển dịch vụ RAG, nên muốn chia sẻ một dịch vụ mình đã tự phát triển.

Ban đầu mình bắt đầu với mục tiêu nhận gợi ý từ AI về các điểm du lịch quanh mình phù hợp với sở thích cá nhân,
nhưng do giới hạn về dữ liệu và chi phí, mình đã tạo ra một dịch vụ cho phép tìm kiếm đơn giản thông tin về các lễ hội/sự kiện theo khu vực.

Mình đang chuẩn bị các tính năng gợi ý và cung cấp nội dung dựa trên cá nhân hóa thông qua đăng nhập.

Để ra mắt trên cả nền tảng web và app, mình đã triển khai bằng Flutter,
và RAG được xây dựng dựa trên tìm kiếm vector của Neo4j + tìm kiếm tạo truy vấn bằng LLM.

Dữ liệu cơ bản về lễ hội/sự kiện được cung cấp từ TourAPI của Tổng cục Du lịch Hàn Quốc,
và các tài liệu mà AI tham chiếu khi tạo câu trả lời dựa trên tìm kiếm web (không theo thời gian thực).

Mình sẽ rất cảm ơn nếu mọi người góp ý về tính dễ sử dụng, chức năng RAG và nhiều khía cạnh khác!

Tính năng

• Tìm kiếm thông tin lễ hội/sự kiện đang diễn ra trên toàn quốc
• Khám phá lễ hội/sự kiện trên bản đồ bằng tính năng điều hướng bản đồ AI
• Hỏi đáp về thông tin lễ hội/sự kiện nói chung bằng tính năng trò chuyện AI

Liên kết dịch vụ

• Liên kết trang web: https://travelgen.kr
• Ứng dụng iOS: https://apps.apple.com/kr/app/…

[sukosmos]

Tính năng trò chuyện AI khá hữu ích!

[jacde]

Cảm ơn bạn!

[javafactory]

Bạn có thể cho biết truy vấn LLM mà bạn nhắc tới cung cấp những tính năng gì không?

Tôi đã vào thử trang web, nhưng cảm giác giống một công cụ tìm kiếm bản đồ thông thường. Vì đây là lĩnh vực tôi quan tâm, nếu có thể tôi muốn hiểu công nghệ này mang lại giá trị hiệu quả như thế nào.

[jacde]

Tôi đã cố tận dụng dễ dàng các ưu điểm của GraphRAG bằng text2cypher (khám phá nhiều mối quan hệ đa dạng giữa các node), nhưng trong phần triển khai của tôi có vấn đề về tính nhất quán trong nội dung do LLM tạo ra, và schema cũng đơn giản nên có vẻ vẫn chưa mang lại lợi thế chức năng quá lớn. Nhiều khi tìm kiếm vector văn bản đơn giản còn cho kết quả tốt hơn.

Hiện tôi đang triển khai để có thể xử lý chính xác hơn các truy vấn sau.

1. Truy vấn của người dùng yêu cầu nhiều điều kiện lọc khác nhau (trong một khoảng thời gian cụ thể, theo chủ đề cụ thể, tại địa điểm cụ thể, v.v., tức là trường hợp cần thông tin thỏa mãn đồng thời nhiều điều kiện)
2. Tìm kiếm các node do hệ thống tự tạo ra mà không có trong văn bản tài liệu (ví dụ: chủ đề sự kiện) nên không thể tìm bằng vector search
3. Truy xuất thông tin có quan hệ phức tạp

Có lẽ những tính năng này khả thi nhờ sự linh hoạt của việc LLM tự động tạo truy vấn DB dựa trên schema.

[aer0700]

Rất tuyệt luôn haha

[jacde]

Cảm ơn bạn!

[skhan]

Bạn đã dùng những tài nguyên nào cho RAG?

[jacde]

Dựa trên thông tin mô tả do API công cộng cung cấp và các tài liệu web của trang chính thức.

[huiya]

Wow, cái này hay đấy chứ?

[jacde]

Cảm ơn bạn đã góp ý!

[thkimdev]

Hay đấy

[jacde]

Cảm ơn bạn!

[tsboard]

Có vẻ dịch vụ này sẽ được phía chính phủ rất ưa chuộng. Đặc biệt là các chính quyền địa phương chắc sẽ rất thèm muốn nó...!

[jacde]

Cảm ơn lời động viên của bạn!

[maneuling]

Quá tuyệt vời?

[jacde]

Cảm ơn bạn đã đánh giá tích cực!

[mhj5730]

Nếu tiếp tục phát triển thì có vẻ sẽ thật sự hữu ích.

[jacde]

Cảm ơn bạn~!