Розробка месенджеру з інтеграцією засобів штучного інтелекту

Abstract

Кваліфікаційну роботу присвячено проєктуванню та розробці клієнт-серверного вебмесенджера з інтегрованою системою штучного інтелекту(ШІ). Актуальність теми зумовлена тим, що класичні застосунки для обміну повідомленнями часто не мають вбудованих інструментів для автоматизації рутинної комунікації. Метою проєкту було створення платформи, де ШІ виступає не як окремий сторонній бот, а як нативний помічник, здатний аналізувати контекст діалогу, генерувати швидкі відповіді та обробляти прямі запити користувачів. Під час виконання роботи було проведено аналіз архітектурних стилів, за результатами якого для побудови програмного інтерфейсу (API) обрано підхід RESTful, як найбільш оптимальний для реалізації базових операцій месенджера. Серверну частину реалізовано на платформі Node.js із використанням мови TypeScript. Для забезпечення гнучкості та легкості подальшого тестування застосовано архітектурний патерн Repository, що дозволило чітко відокремити бізнес-логіку контролерів від прямих SQL-запитів до бази даних. Особливу увагу приділено проєктуванню інфраструктури обробки даних. Основним сховищем виступає реляційна СУБД PostgreSQL. Для оптимізації роботи сервера та уникнення блокування основного потоку виконання (Event Loop) імплементовано систему фонових задач на базі Redis. Вона працює як черга для ресурсоємних процесів, зокрема для розсилки електронних листів із токенами верифікації. Миттєву доставку повідомлень та синхронізацію статусів користувачів у реальному часі налаштовано через протокол WebSockets. Клієнтську частину розроблено у форматі Single Page Application задопомогою бібліотеки React та інструменту збірки Vite. Управління станом застосунку реалізовано нативними засобами через Context API, що дозволило уникнути перевантаження проєкту зайвими залежностями. Інтерфейс включає функціонал управління приватними та груповими чатами, а також спеціальні компоненти для взаємодії з мовною моделлю. Важливою складовою розробленої системи є модуль збору аналітики. База даних спроєктована таким чином, щоб фіксувати час генерації підказок ШІ та збирати відгуки користувачів щодо їхньої корисності. На фінальному етапі інфраструктуру проєкту було повністю контейнеризовано за допомогою Docker, а для візуалізації зібраних метрик розгорнуто BI-систему Metabase. Результатом роботи є готовий до масштабування програмний продукт, який успішно поєднує класичний функціонал месенджера з сучасними інтелектуальними технологіями.