AI-Suchdienst für Festivals/Veranstaltungen im ganzen Land

Hallo!
Da ich mich zunehmend für die Entwicklung von LLM-Anwendungen und RAG-Services interessiere, möchte ich einen Service vorstellen, den ich alleine entwickelt habe.

Ursprünglich habe ich damit begonnen, mir touristische Ziele in meiner Umgebung passend zu meinem Geschmack von einer AI empfehlen zu lassen,
aber wegen Grenzen bei Daten und Kosten habe ich stattdessen einen Service gebaut, mit dem sich regionale Festivals/Veranstaltungen einfach durchsuchen lassen.

Über einen Login bereite ich derzeit personalisierte Empfehlungen und Funktionen zur Bereitstellung von Inhalten vor.

Für den Launch auf Web- und App-Plattformen wurde der Service mit Flutter umgesetzt,
und das RAG basiert auf der Vektorsuche von Neo4j + einer Suche mit LLM-generierten Queries.

Die Basisdaten zu Festivals/Veranstaltungen stammen aus der TourAPI der Korea Tourism Organization,
und die Dokumente, auf die sich die AI bei der Antwortgenerierung bezieht, basieren auf Websuche (nicht in Echtzeit).

Ich würde mich über vielfältiges Feedback freuen, etwa zur Usability oder zu den RAG-Funktionen!

Funktionen

• Suche nach Informationen zu Festivals/Veranstaltungen, die landesweit stattfinden
• Erkundung von Festivals/Veranstaltungen auf der Karte mit der AI-Kartenfunktion
• Fragen zu allgemeinen Informationen über Festivals/Veranstaltungen über die AI-Chatfunktion

Service-Links

• Webseite: https://travelgen.kr
• iOS-App: https://apps.apple.com/kr/app/…

[sukosmos]

Die AI-Chatfunktion ist nützlich!

[jacde]

Vielen Dank!

[javafactory]

Könnten Sie erläutern, welche Funktion die von Ihnen erwähnte LLM-Abfrage bietet?

Ich habe mir die Website angesehen, hatte aber den Eindruck einer gewöhnlichen Kartensuche. Da mich das Thema interessiert, würde ich gern wissen, wie die Technologie konkret einen Nutzen bietet.

[jacde]

Ich wollte die Vorteile von GraphRAG mit text2cypher einfach nutzen (Erkundung vielfältiger Beziehungen zwischen Knoten), aber in meiner Implementierung gibt es Konsistenzprobleme bei der LLM-Generierung, und da das Schema einfach ist, scheint es bisher noch keine großen funktionalen Vorteile zu bieten. Oft lieferte eine einfache Text-Vektorsuche sogar bessere Ergebnisse.

Ich arbeite derzeit an einer Implementierung, die die folgenden Anfragen genauer verarbeiten kann.

1. Benutzeranfragen, die vielfältige Filter erfordern (wenn Informationen benötigt werden, die gleichzeitig mehrere Bedingungen erfüllen, etwa innerhalb eines bestimmten Zeitraums, zu einem bestimmten Thema, an einem bestimmten Ort usw.)
2. Suche nach selbst erzeugten Knoten (z. B. Veranstaltungsthema), die nicht im Text des Dokuments vorkommen (also per Vektorsuche nicht auffindbar sind)
3. Informationssuche mit komplexen Beziehungen

Ich denke, diese Funktionen sind dank der Flexibilität möglich, mit der das LLM auf Basis des Schemas automatisch DB-Abfragen generiert.

[aer0700]

Wirklich großartig, hahaha

[jacde]

Vielen Dank!

[skhan]

Welche Ressourcen wurden für RAG verwendet?

[jacde]

Sie basiert auf Beschreibungsinformationen aus öffentlichen APIs und Webdokumenten der offiziellen Websites.

[huiya]

Wow, das ist gut, oder?

[jacde]

Vielen Dank für Ihre Meinung!

[thkimdev]

Klingt gut.

[jacde]

Vielen Dank!

[tsboard]

Ich glaube, dieser Service würde der Regierung sehr gefallen. Vor allem lokale Gebietskörperschaften dürften großes Interesse daran haben ...!

[jacde]

Vielen Dank für die netten Worte!

[maneuling]

Das ist wirklich großartig?

[jacde]

Vielen Dank für die wohlwollende Einschätzung!

[mhj5730]

Wenn das sich weiterentwickelt, könnte es wirklich nützlich werden.

[jacde]

Vielen Dank~!