Gineris

Gineris — это AI-проект для интеллектуальной обработки данных и генерации ответов с использованием подхода RAG (Retrieval-Augmented Generation).

Проще говоря - система сначала находит нужные знания, а потом думает и отвечает, а не просто «галлюцинирует».

Gineris — мультиагентная RAG-система, использующая CrewAI для оркестрации AI-агентов, Pinecone для семантического поиска и OpenAI API для генерации ответов на основе извлечённого контекста.

Цель:

• 1. Создаёт команды AI-агентов (Crews), где каждый агент выполняет свою роль
• 2. Извлекает релевантную информацию из векторной базы данных
• 3. На основе найденных данных генерирует осмысленные ответы с помощью языковых моделей

Стек технологий и их роль:

• CrewAI
• Pinecone
• OpenAI

Роль технологий в проекте:

CrewAI

Фреймворк для оркестрации логики работы AI-агентов и построения мультиагентных систем: агенты с разными ролями (поиск, анализ, генерация), координация действий внутри crew, пошаговое выполнение задач.

Pinecone

Векторная база данных для поиска релевантного контекста по смыслу: хранит embeddings документов, быстрый семантический поиск, масштабируемая работа с большими объёмами данных.

OpenAI

API языковых моделей для финальной генерации ответа и reasoning: генерация ответов, анализ и обобщение найденной информации, работа с embeddings (при необходимости)

Архитектура проекта (упрощённо)

1. Пользовательский запрос
2. AI-агент формирует embedding запроса
3. Поиск релевантных данных в Pinecone
4. RAG-агенты анализируют контекст
5. OpenAI-модель генерирует ответ
6. CrewAI координирует весь процесс

Что выделяет проект

✅ Мультиагентный подход вместо одного LLM
✅ Кастомные RAGTools под Pinecone
✅ Масштабируемость и расширяемость
✅ Подходит для knowledge-based систем, чат-ботов, аналитики