🤖 HR AI Агент для Сбера

Проактивный AI-агент для мониторинга и анализа HR-данных

📋 Содержание

1. Какую проблему решает агент
2. Почему это AI-агент, а не чат-бот
3. Почему нельзя заменить Perplexity или промптом
4. Архитектура проактивного поведения
5. Использование GigaChat
6. Запуск проекта
7. Структура проекта
8. Ограничения и планы развития

🎯 Какую проблему решает агент

Проблема

HR-аналитики ежедневно сталкиваются с информационной перегрузкой:

• Десятки источников новостей о рынке труда
• Англоязычные источники требуют перевода
• Нет времени на постоянный мониторинг
• Важные тренды и риски остаются незамеченными
• Реактивная работа вместо проактивной аналитики

Решение

HR AI Агент автоматически:

🤖 Почему это AI-агент, а не чат-бот

Определение AI-агента

AI-агент — это автономная система, которая:

1. Имеет состояние (State) — помнит предыдущие наблюдения
2. Следует правилам (Rules) — применяет доменную логику
3. Выполняет действия (Actions) — инициативно генерирует выводы

Сравнение

Ключевые компоненты агента в коде

🚫 Почему нельзя заменить Perplexity или промптом

Критические отличия

Почему промпт недостаточен

# ЧТО МОЖЕТ ПРОМПТ:
"Проанализируй эти 5 статей о HR и выдели ключевые тренды"

# ЧЕГО ПРОМПТ НЕ МОЖЕТ:

1. Запустить себя каждые 15 минут без участия пользователя
2. Сравнить текущие данные с данными недельной давности
3. Принять решение о создании алерта на основе конфигурации пользователя
4. Накопить статистику для выявления аномалий
5. Адаптировать поведение под роль без изменения промпта

Формула отличия

AI Agent = State + Rules + Autonomous Actions
Chatbot = Stateless + Generic + Reactive

⚙️ Архитектура проактивного поведения

Цикл работы агента

┌─────────────────────────────────────────────────────────────┐
│                    ЦИКЛ АГЕНТА (каждые N минут)             │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│  1. МОНИТОРИНГ           2. ОБРАБОТКА                       │
│  ┌──────────────┐        ┌──────────────┐                   │
│  │ RSS-ленты    │───────▶│ Перевод      │                   │
│  │ Mock-данные  │        │ (GigaChat)   │                   │
│  └──────────────┘        └──────┬───────┘                   │
│                                 │                           │
│  3. КЛАССИФИКАЦИЯ        4. АНАЛИЗ                          │
│  ┌──────────────┐        ┌──────────────┐                   │
│  │ HR-тематика  │◀───────│ Сравнение с  │                   │
│  │ (GigaChat)   │───────▶│ историей     │                   │
│  └──────────────┘        └──────┬───────┘                   │
│                                 │                           │
│  5. РЕШЕНИЕ              6. ДЕЙСТВИЕ                        │
│  ┌──────────────┐        ┌──────────────┐                   │
│  │ Применение   │───────▶│ Инсайт или   │                   │
│  │ правил       │        │ Алерт        │                   │
│  └──────────────┘        └──────────────┘                   │
│                                                             │
└─────────────────────────────────────────────────────────────┘

Инициативное поведение

Агент генерирует инсайты по трём триггерам:

Формат инсайта

Каждый инсайт отвечает на три вопроса:

1. Что изменилось? — факт или наблюдение
2. Почему это важно для HR? — бизнес-контекст
3. Что рекомендуется сделать? — конкретное действие

⏰ Фильтрация по времени

Агент поддерживает анализ данных в заданных временных рамках:

• последний час
• последние 6 часов
• последние 24 часа
• последняя неделя
• последний месяц
• всё время

🔄 Состояние агента

Агент хранит состояние между циклами:

• наблюдения;
• инсайты;
• тренды;
• активные алерты;
• обработанные источники.

Предусмотрен ручной сброс состояния через интерфейс, что позволяет:

• очистить кэш;
• повторно обработать данные;
• использовать проект для демонстрации.

📊 Источники данных

В демо-версии используются:

• RSS-ленты (HBR, SHRM, Reddit, Hacker News и др.)
• Mock-данные для демонстрации работы агента

Mock-данные:

• используются только для демонстрации;
• могут быть включены или отключены;
• не влияют на архитектуру агента.

Важно:
Новости используются исключительно как внешний сигнал.
HR-аналитика в production-версии работает с внутренними HR-системами.

📈 Метрики

В интерфейсе отображаются:

• количество выполненных циклов мониторинга;
• общее число наблюдений;
• количество инсайтов;
• количество активных алертов.

Метрика «Циклов мониторинга» отражает число запусков агента, а не количество RSS-источников.

🖥 Интерфейс

Проект включает web-интерфейс на Streamlit:

• настройка роли пользователя;
• выбор приоритетных тем;
• установка чувствительности к рискам;
• выбор временного диапазона;
• запуск цикла анализа;
• просмотр инсайтов, алертов и трендов.

🔮 Использование GigaChat

Интеграция

GigaChat используется для четырёх задач:

Пример использования

🚀 Запуск проекта

Требования

• Python 3.10+
• GigaChat API credentials

Установка

Переменные окружения

📁 Структура проекта

hr_agent/
├── README.md                    # Документация (этот файл)
├── requirements.txt             # Зависимости Python
├── .env.example                 # Пример переменных окружения
│
├── config/
│   └── settings.py              # Конфигурация приложения
│
├── src/
│   ├── agent/
│   │   ├── core.py              # Ядро агента
│   │   ├── state.py             # Управление состоянием
│   │   └── rules.py             # HR-правила и логика
│   │
│   ├── sources/
│   │   ├── rss_fetcher.py       # Получение RSS-лент
│   │   └── mock_data.py         # Генератор тестовых данных
│   │
│   ├── processing/
│   │   ├── translator.py        # Перевод через GigaChat
│   │   ├── classifier.py        # Классификация контента
│   │   └── analyzer.py          # Анализ трендов
│   │
│   ├── insights/
│   │   └── generator.py         # Генерация инсайтов
│   │
│   └── api/
│       └── gigachat.py          # Обёртка над GigaChat API
│
├── dashboard/
│   └── app.py                   # Streamlit-дашборд
│
└── data/
    └── state.json               # Персистентное состояние агента

⚠️ Ограничения и планы развития

Текущие ограничения

Mock-данные в проекте

Для демонстрации используются сгенерированные данные:

В production эти данные заменяются реальными источниками:

• HeadHunter API
• LinkedIn Job Postings
• Корпоративные HR-системы

План развития

1. v1.1 — Интеграция с реальными HR API
2. v1.2 — Многопользовательский режим с ролями
3. v1.3 — Прогнозирование трендов (ML-модели)
4. v1.4 — Интеграция с корпоративными мессенджерами (Telegram, Slack)
5. v2.0 — RAG-модуль для работы с внутренними HR-документами

👥 Команда

Проект создан для хакатона Сбер 2024

📄 Лицензия

MIT License