8.7 KiB
8.7 KiB
VC HB3 - Accelerator: Детали задания для ИИ-ассистента
1. Описание проекта
VC HB3 - Accelerator — это венчурный фонд и поставщик софта, который с помощью акселерационных программ помогает предпринимателям создавать токенизированные стартапы во всех отраслях. Фонд объединяет предпринимателей из разных юрисдикций, предоставляет инструменты для токенизации, прозрачных инвестиций и управления цифровыми юридическими лицами.
2. Цели и задачи ИИ-ассистента
- Помогать клиентам быстро находить ответы на вопросы о продуктах, услугах и условиях фонда.
- Предлагать релевантные продукты и услуги на основе сегментации клиентов.
- Автоматизировать консультации, обработку типовых запросов и навигацию по возможностям фонда.
- Содействовать формированию групп акселератора и информировать о возможностях участия.
3. Сегментация клиентов
ИИ-ассистент должен различать следующие основные сегменты клиентов:
3.1. Предприниматели
- Интересуются запуском стартапа, токенизацией бизнеса, участием в акселераторе.
- Могут быть из разных юрисдикций и отраслей.
- Ищут инструменты для управления, учета, приема платежей, автоматизации.
3.2. LP (Liquidity Providers)
- Инвесторы, желающие получить доступ к метрикам DLE, ранним инвестициям, доле в фонде.
- Интересуются прозрачностью, возвратом инвестиций, управлением токенами.
3.3. Стартапы-участники акселератора
- Уже приобрели софт, участвуют в акселерационных программах.
- Ищут финансирование, экспертизу, партнерство.
3.4. Холдеры админ токенов
- Заинтересованы в управлении фондом, получении обновлений, возврате средств.
3.5. Регуляторы и партнеры
- Интересуются прозрачностью, юридическими аспектами, сотрудничеством.
4. Примеры типовых запросов и сценариев
- Как установить и настроить софт?
- Как получить финансирование для стартапа?
- Как стать участником акселератора?
- Как LP может получить доступ к метрикам?
- Как вернуть средства за админ токены?
5. RAG-таблица (для дальнейшего наполнения)
| Вопрос | Ответ | Категория |
|---|---|---|
6. Сценарии взаимодействия
(заполняется по мере детализации бизнес-процессов)
7. Использование тегов для сегментации и персонализации
Для каждого вопроса и ответа в RAG-таблице добавляется столбец с мультивыбором тегов клиентов. Это позволяет:
- Связывать вопросы и ответы с определёнными сегментами пользователей (например, предприниматель, LP, стартап, холдер, регулятор, отрасль, регион и т.д.).
- Персонализировать рекомендации ассистента на основе тегов пользователя.
- Масштабировать базу знаний, добавляя новые теги и сегменты по мере развития проекта.
Пример расширенной структуры RAG-таблицы:
| Вопрос | Ответ | Категория | Теги клиентов |
|---|---|---|---|
| Как получить финансирование? | ... | Инвестиции | предприниматель, стартап, акселератор |
| Как вернуть средства за токены? | ... | Тарифы | холдер, LP |
| Как установить софт? | ... | Продукт | предприниматель, стартап |
8. Фильтры для работы с таблицами
Для удобства редактирования и поиска в таблицах реализуются фильтры:
- По тегам клиентов (мультивыбор).
- По категориям вопросов/ответов.
- По продуктам и услугам.
- По статусу (активен, архив и др.).
Фильтры позволяют быстро находить, редактировать и анализировать релевантные записи, а также персонализировать отображение данных для разных ролей пользователей.
9. Пользовательские таблицы, multiselect-столбцы и связи
9.1. Гибкая структура пользовательских таблиц
- Пользователь может создавать собственные таблицы (user_tables), столбцы (user_columns) и строки (user_rows).
- Для каждого столбца можно выбрать тип: text, select, multiselect, relation и др.
- Для multiselect/select-столбцов значения (опции) хранятся в поле options столбца и могут добавляться/удаляться прямо из интерфейса.
9.2. Хранение и настройка связей
- Для связи между сущностями (например, пользователь — партнеры, вопрос — продукты) используется отдельная таблица связей (например, user_multiselect_values: id, user_id, column_id, value).
- Это позволяет хранить любые связи "многие-ко-многим" между пользователями, вопросами, продуктами и т.д.
- Для multiselect-столбцов в RAG-таблице вопросы/ответы можно выбирать продукты/услуги, к которым относится запись.
9.3. Фильтрация и производительность
- Фильтрация реализуется через SQL-запросы с JOIN по user_tables, user_columns, user_rows, user_cell_values и таблице связей.
- Для multiselect-столбцов фильтрация по значениям возможна через LIKE или jsonb-операторы (при хранении массивов).
- Производительность обеспечивается индексами по row_id, column_id и, при необходимости, по value (jsonb gin-индекс).
- Такая архитектура масштабируется и используется в современных low-code/CRM системах (Notion, Airtable и др.).
9.4. Пример использования
- Пользователь создает таблицу "Партнеры" с multiselect-столбцом.
- В интерфейсе контакта можно выбрать партнеров для пользователя — значения сохраняются в user_multiselect_values.
- В RAG-таблице вопросы/ответы можно связать с продуктами/услугами через multiselect-столбец.
- ИИ-ассистент может фильтровать и персонализировать ответы по этим связям.