Coligo: A Retrieval-Augmented Generation Assistant for WhatsApp-Based TNEA Engineering Admission Counselling

तकनीकी सारांश: कोलिगो (Coligo) – व्हाट्सएप-आधारित TNEA इंजीनियरिंग प्रवेश परामर्श के लिए एक रिट्रीवल-ऑगमेंटेड जनरेशन असिस्टेंट

समस्या विवरण (Problem Statement)
तमिलनाडु में इंजीनियरिंग प्रवेश परामर्श (TNEA) कॉलेज के फ्रंट ऑफिसों के लिए एक बाधा उत्पन्न करता है, जो प्रवेश प्रक्रियाओं, शाखा-वार शुल्क और समुदाय-विशिष्ट कटऑफ रैंक (OC, BC, BCM, MBC, SC, SCA, ST) के संबंध में दोहराए जाने वाले प्रश्नों से अभिभूत रहते हैं। वर्तमान समाधान या तो मैनुअल स्टाफ हस्तक्षेप पर निर्भर करते हैं या सामान्य चैटबॉट्स का उपयोग करते हैं जिनमें सिमेंटिक समझ और सत्यापित संस्थागत डेटा तक पहुंच की कमी होती है। एक महत्वपूर्ण अंतर ऐसे उत्तर प्रदान करने में मौजूद है जो कि:

1. ग्राउंडेड (Grounded): मॉडल के मतिभ्रम (hallucinations) के बजाय पूरी तरह से आधिकारिक कॉलेज दस्तावेजों पर आधारित हों।
2. समुदाय-जागरूक (Community-Aware): विभिन्न आरक्षण श्रेणियों और कटऑफ प्रकारों (अंक बनाम रैंक) के बीच अंतर करना।
3. सुलभ (Accessible): उस प्लेटफॉर्म पर उपलब्ध होना जिसे छात्र पहले से ही उपयोग कर रहे हैं (व्हाट्सएप), बिना किसी नए ऐप इंस्टॉलेशन की आवश्यकता के।
4. संदर्भगत (Contextual): अनुवर्ती प्रश्नों (जैसे, "ECE के बारे में क्या?") को संभालने में सक्षम होना बिना उपयोगकर्ता को पूरा संदर्भ फिर से बताए।

कार्यप्रणाली और सिस्टम आर्किटेक्चर (Methodology and System Architecture)
कोलिगो (Coligo) एक रिट्रीवल-ऑगमेंटेड जनरेशन (RAG) सिस्टम है जिसे दो-घटक डॉकर कंपोज़ स्टैक (FastAPI सर्विस और PostgreSQL डेटाबेस) के रूप में डिज़ाइन किया गया है। सिस्टम आर्किटेक्चर इस प्रकार है:

• इन्जेशन पाइपलाइन (Ingestion Pipeline): आधिकारिक कॉलेज पीडीएफ (प्रवेश प्रक्रियाओं, अकादमिक और कटऑफ को मर्ज करना) को pypdf के माध्यम से प्रोसेस किया जाता है। टेक्स्ट को निकाला जाता है और ओवरलैपिंग चंक्स (512 शब्द और 50 शब्द का ओवरलैप) में विभाजित किया जाता है ताकि सीमाओं के पार संदर्भ बना रहे। पुनः इंजेक्शन के दौरान डुप्लिकेट एम्बेडिंग को रोकने के लिए चंक्स को हैश (SHA-256) किया जाता है।
• वेक्टर स्टोरेज (Vector Storage): चंक्स को Google के text-embedding-004 मॉडल (768 आयाम) का उपयोग करके एम्बेड किया जाता है और pgvector के साथ विस्तारित एक PostgreSQL डेटाबेस में संग्रहीत किया जाता है। यह कोसाइन डिस्टेंस का उपयोग करके सिमेंटिक समानता खोज (semantic similarity search) की अनुमति देता है।
• रिट्रीवल और जनरेशन (Retrieval and Generation):
  • क्वेरी रीराइटिंग (Query Rewriting): अनुवर्ती प्रश्नों को संभालने के लिए, सिस्टम एक सेशन-आधारित मेमोरी का उपयोग करता है (व्हाट्सएप फोन नंबर या सेशन आईडी द्वारा की-ड (keyed))। यदि कोई क्वेरी संदर्भ-निर्भर है (जैसे, "ECE के बारे में क्या?"), तो सिस्टम रिट्रीवल के उद्देश्य से क्वेरी को एक स्टैंडअलोन रूप में बदलने के लिए एक अलग LLM कॉल का उपयोग करता है, जबकि मूल क्वेरी को अंतिम उत्तर जनरेशन के लिए सुरक्षित रखा जाता है।
  • RAG पाइपलाइन: सिस्टम 5 सबसे प्रासंगिक चंक्स (RAG_TOP_K=5) को रिट्रीव करता है। इन्हें एक सख्त सिस्टम प्रॉम्प्ट के साथ जोड़ा जाता है जो डोमेन नियमों को लागू करता है: कटऑफ मार्क्स से कटऑफ रैंक को अलग करना, केवल विशिष्ट आरक्षण श्रेणियों के लिए उत्तर देना, और अपर्याप्त संदर्भ होने पर उत्तर देने से इनकार करना।
  • जनरेशन (Generation): Google Gemini (LLM) केवल रिट्रीव किए गए संदर्भ के आधार पर अंतिम उत्तर उत्पन्न करता है।
• व्हाट्सएप एकीकरण (WhatsApp Integration): सिस्टम WhatsApp क्लाउड API के माध्यम से जुड़ता है। यह वेबहुक सिग्नेचर वेरिफिकेशन (X-Hub-Signature-256) को लागू करता है और प्रेषक की पहचान के आधार पर संदेशों को रूट करता है: छात्र की क्वेरी RAG पाइपलाइन को जाती है, जबकि एडमिन की क्वेरी को कमांड प्रोसेसिंग के लिए रूट किया जाता है (हालांकि कमांड निष्पादन वर्तमान में सीमित है)।
• डिप्लॉयमेंट (Deployment): स्टैक को डॉकर कंपोज़ का उपयोग करके कंटेनरीकृत किया गया है, जिसमें कंटेनरीकृत वातावरण में DNS रेजोल्यूशन समस्याओं को संभालने के लिए विशिष्ट कॉन्फ़िगरेशन (एक्सटर्नल रिजॉलर्स को पिन करना) शामिल है।

प्रमुख योगदान (Key Contributions)
यह शोध पत्र स्पष्ट रूप से कार्यशील प्रोटोटाइप और मूल रूप से नियोजित आर्किटेक्चर के बीच अंतर करता है, जो निम्नलिखित कार्यान्वित योगदानों को रेखांकित करता है:

1. कंटेनरीकृत TNEA पाइपलाइन: एक कार्यशील RAG सिस्टम जो व्हाट्सएप पर तैनात है और जो मॉडल मेमोरी के बजाय आधिकारिक PDF इंजेक्शन पर निर्भर करता है।
2. डोमेन-विशिष्ट सिस्टम प्रॉम्प्ट: एक प्रॉम्प्ट जिसे TNEA-विशिष्ट तर्क (जैसे, कटऑफ गणना सूत्र: Math/2 + Physics/4 + Chemistry/4 और समुदाय-वार प्रतिक्रियाओं की आवश्यकता) को संभालने के लिए इंजीनियर किया गया है।
3. लचीली कन्वर्सेशन मेमोरी (Resilient Conversation Memory): एक सेशन-स्कोप वाली मेमोरी डिज़ाइन जो डेटाबेस हिस्ट्री एक्सेस विफल होने पर भी क्रैश होने के बजाय स्टेटलेस उत्तरों के साथ सहजता से काम करती है।
4. पुनरुत्पादनीय डिप्लॉयमेंट (Reproducible Deployment): pgvector के साथ PostgreSQL और FastAPI के साथ एक प्रलेखित डॉकर कंपोज़ सेटअप, जिसमें कंटेनर DNS रेजोल्यूशन के लिए फिक्स शामिल हैं।
5. पारदर्शी रिपोर्टिंग: उन सभी आर्किटेक्चरल घटकों का एक स्पष्ट, कोड-सत्यापित विवरण (जैसे, Redis कैशिंग, Celery वर्कर्स, मल्टी-प्रोवाइडर LLM रूटिंग, एडमिन कमांड निष्पादन) जो अभी तक लागू नहीं किए गए हैं, ताकि प्रोटोटाइप को पूर्ण उत्पादन प्रणाली के रूप में गलत तरीके से प्रस्तुत करने से बचा जा सके।

परिणाम और सत्यापन (Results and Verification)
लेखकों ने एक क्लीन स्टेट से स्टैक को फिर से बनाकर और श्री कृष्णा कॉलेज ऑफ इंजीनियरिंग एंड टेक्नोलॉजी (SKCET) के 9-पेज, 5,048-शब्दों वाले PDF के विरुद्ध इंजेक्शन कोड चलाकर सिस्टम को सत्यापित किया।

• इन्जेशन: पाइपलाइन ने सफलतापूर्वक PDF को 11 ओवरलैपिंग चंक्स में प्रोसेस किया, जिसमें पहला चंक 512 शब्दों का और अंतिम 428 शब्दों का था, जिससे पुष्टि हुई कि चंकिंग लॉजिक सही ढंग से काम कर रहा है।
• डिप्लॉयमेंट: डॉकर कंपोज़ स्टैक सफलतापूर्वक शुरू हुआ, जिसमें हेल्थ चेक (/health और /health/detailed) HTTP 200 लौटाते हैं और डेटाबेस कनेक्टिविटी की पुष्टि करते हैं।
• सत्यापन में सीमाएं: सत्यापन वातावरण में कॉन्फ़िगर किए गए GEMINI_API_KEY की अनुपस्थिति के कारण, लाइव लेटेंसी, रिट्रीवल सटीकता और उत्तर-ग्राउंडिंग मेट्रिक्स को संख्यात्मक रूप से नहीं मापा गया। "रिट्रीवल और जनरेशन" चरण को लाइव निष्पादन के बजाय कोड समीक्षा के माध्यम से मान्य किया गया था।
• एडमिन रूटिंग: हालांकि सिस्टम एडमिन कमांड (जैसे, /ingest, /stats) को सही ढंग से पहचानता है और लॉग करता है, लेकिन इन कमांड का वास्तविक निष्पादन अभी तक लागू नहीं किया गया है।

महत्व और दावे (Significance and Claims)
यह शोध पत्र कोलिगो को एक पूर्ण व्यावसायिक उत्पाद के रूप में नहीं, बल्कि एक सत्यापित प्रोटोटाइप के रूप में प्रस्तुत करता है जो जेनेरिक LLM चैटबॉट्स और कठोर कीवर्ड-आधारित सिस्टम के बीच के अंतर को पाटता है। इसका प्राथमिक महत्व है:

1. इंजीनियरिंग में ईमानदारी: लेखक स्पष्ट रूप से उस "अंतराल" को प्रलेखित करते हैं जो डिज़ाइन किए गए आर्किटेक्चर (जिसमें Redis, Celery और मल्टी-LLM रूटिंग शामिल थी) और वर्तमान कार्यान्वयन के बीच है। वे तर्क देते हैं कि कार्यशील प्रोटोटाइप को लक्षित आर्किटेक्चर से अलग करना अपने आप में एक योगदान है, जिससे यह सुनिश्चित होता है कि हितधारक वर्तमान स्थिति को अंतिम डिज़ाइन न समझें।
2. व्यावहारिक सुलभता: व्हाट्सएप का उपयोग करके, सिस्टम छात्रों और अभिभावकों के लिए ऐप इंस्टॉलेशन की बाधा को हटा देता है, जिससे वे एक परिचित प्लेटफॉर्म पर मिलते हैं।
3. ग्राउंडेड विश्वसनीयता: सिस्टम प्रवाह (fluency) के बजाय तथ्यात्मक सटीकता को प्राथमिकता देता है, इसे विशेष रूप से स्रोत दस्तावेज़ में विशिष्ट समुदाय-आधारित डेटा न होने पर उत्तर देने से इनकार करने के लिए प्रोग्राम किया गया है, जिससे मतिभ्रम (hallucination) वाले प्रवेश कटऑफ का जोखिम कम हो जाता है।

शोध पत्र यह निष्कर्ष निकालता है कि जबकि मुख्य इंजेक्शन और रिट्रीवल पाइपलाइन कार्यात्मक और सत्यापित है, प्रस्तावित आर्किटेक्चर के पूर्ण दायरे को साकार करने के लिए भविष्य में एडमिन कमांड निष्पादन, कॉन्फिडेंस स्कोरिंग, ह्यूमन-इन-द-लूप एस्केलेशन और मल्टी-LLM रूटिंग को लागू करने की आवश्यकता है।