منابع انسانی را با LLM و Langchain بهینه کنید

در Calsoft، ما همیشه به دنبال قدم بعدی در فناوری هستیم. ما یک ابزار متحول کننده برای عملیات HR پیاده سازی کرده ایم: HR-Copilot Assistant که توسط Langchain طراحی شده است. این نرم‌افزار Copilot برای کمک به کارکنان در جهت‌یابی خط‌مشی‌های شرکت، سرعت بخشیدن به فرآیند سوار شدن و ارائه پشتیبانی فوری و در دسترس از طریق چت طراحی شده است.
چگونه این امر محقق شد؟ این پست وبلاگ نگاهی عمیق‌تر به زیربنای فنی و نقشی خواهد داشت که Langchain در توسعه این دستیار منابع انسانی ایفا کرد.

معرفی لانگچن

Langchain یک کتابخانه همه کاره Python است که برای ساختن برنامه‌هایی که از مدل‌های زبان بزرگ (LLM) برای کارهای مختلف استفاده می‌کنند، آسان‌تر طراحی شده است. مجموعه ای از ابزارها را ارائه می دهد که تعامل با LLM ها و ادغام آنها را در جریان های برنامه های کاربردی موجود، منابع داده و گردش کار آسان می کند. قابلیت‌های Langchain شامل حافظه مکالمه، مکانیسم‌های بازیابی و ادغام آسان با پایگاه‌های داده اسنادی است که برای ساختن سیستمی مانند Calsoft HR Copilot بسیار مهم هستند.

ساخت دستیار منابع انسانی

Calsoft HR Assistant به طور استراتژیک برای ارائه کمک مکالمه خودکار مبتنی بر هوش مصنوعی به کارمندان طراحی شده است. در زیر یک تفکیک گام به گام از روند توسعه آورده شده است که مشارکت های Langchain در هر مرحله را برجسته می کند:

مرحله 1: مجموعه داده را آماده کنید
در قلب AI Copilot داده‌ها قرار دارد – عمدتاً اسنادی مانند خط‌مشی‌های شرکت، دستورالعمل‌های منابع انسانی و پرسش‌های متداول در قالب‌های CSV، PDF و TXT. موفقیت ابزار مبتنی بر هوش مصنوعی در توانایی آن در درک و بازیابی اطلاعات از این اسناد نهفته است. لودرهای سند Langchain (CSVLoader، PyPDFLoader، TextLoader) و RecursiveCharacterTextSplitter برای پردازش این اسناد و تجزیه آنها به قطعات قابل مدیریت استفاده می شوند که بعداً می توانند توسط LLM برای وظایف پاسخگویی به سؤالات استفاده شوند.

مرحله 2: اسناد را با استفاده از OpenAI جاسازی کنید
قبل از اینکه یک ربات چت بتواند به هر سوالی پاسخ دهد، باید بداند کجا به دنبال پاسخ باشد. جاسازی سند مستلزم تبدیل اطلاعات متنی به بردارهای دیجیتالی قابل جستجو است. ماژول OpenAIEmbeddings Langchain این کار را با استفاده از مدل‌های جاسازی قدرتمند OpenAI آسان‌تر می‌کند.

مرحله 3: اجزاء را ذخیره و بازیابی کنید
پس از ایجاد جاسازی ها با استفاده از OpenAIEmbeddings، آنها در یک فهرست قابل جستجو با استفاده از فروشگاه برداری FAISS Langchain ذخیره می شوند و بازیابی قطعات سند مربوطه را کارآمد می کند. بنابراین، هنگامی که یک کارمند سوالی می پرسد، دستیار منابع انسانی می تواند به سرعت مرتبط ترین بخش اسناد را برای فرموله کردن پاسخ پیدا کند.

مرحله 4: با ChatOpenAI تعامل کنید و مکالمه را بازیابی کنید
با آماده بودن اسناد جاسازی شده، ChatOpenAI و ConversationalRetrievalChain Langchain در مرکز قرار می گیرند. ChatOpenAI برای مدیریت جنبه مکالمه مدل (در این مورد، GPT-3.5 یا GPT-4) طراحی شده است که به ربات چت اجازه می دهد گفتگوی طبیعی با کاربران را حفظ کند. در عین حال، ConversationalRetrievalChain بازیابی اطلاعات را از جاسازی‌های اسناد ذخیره‌شده مدیریت می‌کند، و به طور یکپارچه خروجی‌های LLM و سند را یکپارچه می‌کند تا پاسخ‌های منسجم و آگاه از زمینه را به دست دهد.

مرحله 5: یک کلاس Chatbot سفارشی ایجاد کنید
کلاس Chatbot سفارشی به عملکرد Langchain دسترسی دارد و راه‌هایی را برای راه‌اندازی اولیه چت با سلام‌های از پیش بارگذاری‌شده و زمینه از اسناد ارائه می‌دهد. این کلاس از الگوهایی از PromptTemplate استفاده می کند تا به LLM در مورد نحوه رسیدگی به پرس و جوها آموزش دهد و اطمینان حاصل کند که پاسخ ها محدود به اطلاعات اسناد ارائه شده است.

مرحله 6: مدیریت رمز و اقتصاد استفاده
Langchain همچنین اجازه می دهد تا استفاده از توکن از طریق get_openai_callback نظارت شود و اطمینان حاصل شود که عملیات هوش مصنوعی در محدوده بودجه و کارایی تعیین شده توسط Calsoft باقی می ماند. این امر برای حفظ اثربخشی هزینه خدمات و در عین حال حفظ استانداردهای بالای کیفیت پاسخ بسیار مهم است.

چگونه کار می کند:

📂 پردازش اسناد:

HR-Copilot می تواند انواع فایل های مختلف از جمله CSV، PDF و TXT را مدیریت کند.
با استفاده از لودرهای سند Langchain (CSVLoader، PyPDFLoader و TextLoader)، ما به طور موثر متن را از این فایل ها پردازش و استخراج می کنیم.
RecursiveCharacterTextSplitter برای تقسیم متن به تکه های قابل مدیریت استفاده می شود.

🧠 جاسازی ها و وکتورهای فروشگاه:

برای بازیابی سریع اطلاعات مرتبط، با استفاده از OpenAIEmbeddings OpenAI، برای متن استخراج شده جاسازی هایی ایجاد می کنیم.
فروشگاه وکتور FAISS Langchain برای ذخیره و جستجوی کارآمد این جاسازی‌ها استفاده می‌شود.

💬 تعامل چت بات:

HR-Copilot با استفاده از Chain ConversationalRetrieval Langchain، کارکنان را در مکالمات طبیعی درگیر می کند.
مدل ChatOpenAI پاسخ‌های چت بات را تقویت می‌کند و از پاسخ‌های دقیق و مرتبط با متن اطمینان می‌دهد.
PromptTemplate Langchain اجازه می دهد تا دستورات قابل تنظیم برای هدایت رفتار ربات چت.

🎨 رابط کاربری:

رابط چت بات با استفاده از Streamlit، یک کتابخانه پایتون برای ایجاد برنامه های کاربردی وب تعاملی ساخته شده است.
کارمندان می توانند به راحتی با HR-Copilot تعامل داشته باشند، سؤال بپرسند و پاسخ های فوری دریافت کنند.
تاریخچه چت با استفاده از وضعیت جلسه Streamlit حفظ می‌شود و امکان جریان روان گفتگو را فراهم می‌کند.

فواید:

⏰ صرفه جویی در زمان:

HR Copilot پاسخ های فوری به سوالات رایج منابع انسانی ارائه می دهد و زمان صرف شده برای جستجوی اطلاعات را کاهش می دهد.
کارمندان جدید می توانند به سرعت به سرعت بالا بروند و نیاز به دوره های آموزشی گسترده را کاهش دهند.

🎓 یادگیری تقویتی:

رابط مکالمه HR Copilot یادگیری در مورد سیاست های شرکت را جذاب تر و تعاملی تر می کند.
کارکنان می توانند سؤالات بعدی را بپرسند و توضیحاتی را دریافت کنند و از درک عمیق تر مطالب اطمینان حاصل کنند.

🧩 مقیاس پذیری:

همانطور که Calsoft رشد می کند، HR Copilot می تواند به راحتی مقیاس شود تا تعداد فزاینده ای از کارمندان و اسناد را مدیریت کند.
معماری ماژولار Langchain امکان ادغام آسان بین منابع داده و مدل های جدید را فراهم می کند.

یه چیز کوچیک

با استفاده از مجموعه ابزارهای جامع Langchain، Calsoft به طور موثر دستیار منابع انسانی را ساخته است که می تواند به کارمندان در زمان واقعی کمک کند و فرآیند سوار شدن را سریعتر و تعاملی تر کند. ترکیبی از حافظه مکالمه، بازیابی اسناد، تکنیک‌های جاسازی کارآمد و قالب‌های ادعای قابل تنظیم ارائه شده توسط Langchain، کلید موفقیت این سیستم بود. با فعال شدن دستیار خلبان مبتنی بر هوش مصنوعی، کارمندان Calsoft می‌توانند از راه آسان‌تری برای پیوستن و مطلع شدن از سیاست‌های شرکت لذت ببرند.

مزایای فوری واضح است: صرفه جویی در زمان بار کارکنان منابع انسانی را کاهش می دهد و کارکنان را قادر می سازد تا به اطلاعات مهم دسترسی فوری داشته باشند. پیاده‌سازی عملکرد Langchain در زیرساخت منابع انسانی Calsoft، پتانسیل استفاده از هوش مصنوعی را در فرآیندهای داخلی نشان می‌دهد و آینده‌ای را به نمایش می‌گذارد که در آن می‌توان منابع انسانی را با افزایش کارایی و پیچیدگی مدیریت کرد.

آیا علاقه مند به ساخت کمک خلبان خود هستید؟ برای یک دمو یا مشاوره در مورد اینکه چگونه می توانید راه حل های مشابه را در عملیات تجاری خود ادغام کنید با ما تماس بگیرید.

منبع: https://www.calsoftinc.com/blogs/optimizing-hr-with-llms-and-langchain.html