پرپوزال سامانه پشتیبانی فنی هوشمند · طراحی و توسعه: فرشاد محمدی

01 · درباره این پرپوزال

یک پرپوزال دست‌ساز، نه یک قالب آماده

این سند برای تصمیم‌گیری نوشته شده، نه برای پر کردن صفحه. هر بخش یک سؤال مشخص کارفرما را جواب می‌دهد: چه می‌سازیم، چرا، چطور، چه زمانی، با چه هزینه‌ای و چه کسی مسئول است.

پشتیبانی فنی وقتی خوب کار می‌کند که هوش مصنوعی سریع باشد، اما در لحظه‌های حساس کنار بایستد و میدان را به انسان بسپارد. این سامانه برای همان لحظه‌ها طراحی شده.

FM

فرشاد محمدی // designer & developer of this proposal

02 · مسئله و راه‌حل

چرا پشتیبانی سنتی شکست می‌خورد؟

وضعیت فعلی

پشتیبانی دستی، خسته و پراکنده

حجم بالای درخواست‌های تکراری، تیم را فرسوده می‌کند
کیفیت پاسخ کاملاً وابسته به تجربه هر اپراتور است
با تغییر اپراتور، Context و تاریخچه گفتگو گم می‌شود
پوشش ۲۴ ساعته یعنی افزایش تصاعدی هزینه
شاخص دقیقی برای سنجش کیفیت و رضایت وجود ندارد
در شکایت‌ها، سند و رد پای قابل استناد نیست

راه‌حل پیشنهادی

زیرساخت هوشمند، قابل رهگیری، مقیاس‌پذیر

AI-1 پاسخ‌گوی شبانه‌روزی سوالات پرتکرار و فنی
پاسخ‌ها به پایگاه دانش و APIهای واقعی سایت متصل‌اند
Handoff هوشمند با Context Pack به اپراتور انسانی
AI-2 به‌عنوان Copilot در کنار اپراتور
KPI، داشبورد و Audit Log برای تصمیم مدیریتی
معماری آماده توسعه به گارانتی، داوری و پرداخت امن

03 · معماری سامانه

جریان کامل یک درخواست، از ورود تا حل

مسیر داده در سامانه شفاف است: مشتری → AI-1 → دانش و API → تصمیم → اپراتور + AI-2 → ثبت نهایی.

04 · دو مسیر محصول

یک هسته، دو سطح اتوماسیون

هر دو مسیر روی زیرساخت مشترک اجرا می‌شوند؛ تفاوت فقط در سطح دخالت انسان است.

PATH A · AI-Only

پشتیبانی فنی خودکار

برای سوالات پرتکرار، راهنمایی فنی، نصب و راه‌اندازی و پیگیری‌های کم‌ریسک.

دسته‌بندی خودکار درخواست
جستجوی معنایی در دانش و API
پاسخ گام‌به‌گام با منبع
ثبت تیکت در صورت حل‌نشدن
پوشش ۲۴/۷ بدون وقفه

PATH B · AI + Human

پشتیبانی هوشمند با اپراتور

برای موضوعات پیچیده، مالی، حقوقی و موارد نیازمند تصمیم انسانی.

ارزیابی Confidence و ریسک
Handoff با Context کامل
AI-2 به‌عنوان Copilot اپراتور
ثبت کامل Audit Log
ارجاع به واحد تخصصی یا داوری

05 · ماژول‌ها در قالب کد

سامانه از نگاه معماری کد

هر ماژول یک سرویس مستقل، قابل تست، قابل استقرار و قابل تعویض است.

      
      modules.config.ts
    

// designed & maintained by Farshad Mohammadi
export const modules = {
  chat:        { stack: "WebSocket · Socket.IO",     sla: "< 500ms" },
  ai1:         { stack: "LLM · RAG · Vector",        mode: "ai-first" },
  knowledge:   { stack: "Qdrant · Elasticsearch",    scope: "faq · docs · api" },
  gateway:     { stack: "NestJS · FastAPI",          auth: "JWT · 2FA" },
  operator:    { stack: "Next.js · Zustand",         role: "human-in-loop" },
  ai2:         { stack: "LLM · Summarizer",          role: "copilot" },
  ticketing:   { stack: "PostgreSQL · Redis",       sla: "priority-based" },
  analytics:   { stack: "Langfuse · Grafana",        kpi: ["CSAT","FCR","AHT"] },
  security:    { stack: "RBAC · Redaction",          audit: true },
} as const;
    

01 / chat

💬

چت Real-time

WebSocket، فایل، تصویر، ویس و جستجوی کامل در تاریخچه.

02 / ai-1

🧠

موتور AI-1

تشخیص Intent، RAG، پاسخ مستند و تصمیم برای Handoff.

03 / knowledge

📚

پایگاه دانش

FAQ، قوانین، محصولات، گارانتی و جستجوی معنایی.

04 / gateway

🔌

API Gateway

اتصال امن به سفارش، پرداخت، گارانتی و اعتبار.

05 / operator

🎧

پنل اپراتور

صف هوشمند، پروفایل مشتری، تاریخچه و ارجاع.

06 / ai-2

✨

AI-2 Copilot

خلاصه خودکار، پیشنهاد پاسخ و تحلیل مکالمه.

06 · Handoff هوشمند

انتقال از هوش مصنوعی به انسان، بدون از دست رفتن Context

01

دریافت پیام و تشخیص Intent

instant

دسته‌بندی موضوع: فنی، فروش، مالی، گارانتی، شکایت.

02

ارزیابی Confidence و ریسک

ai-scoring

تعیین اینکه AI می‌تواند پاسخ دهد یا موضوع نیازمند انسان است.

03

تصمیم: پاسخ خودکار یا Handoff

policy-based

موضوعات مالی، حقوقی، شکایت و مشتری VIP به‌صورت خودکار ارجاع می‌شوند.

04

ساخت Context Pack

automatic

خلاصه گفتگو، تاریخچه، منابع و اقدامات انجام‌شده برای اپراتور آماده می‌شود.

05

AI-2 در کنار اپراتور

copilot

پیشنهاد پاسخ، دانش مرتبط و خلاصه‌سازی در اختیار اپراتور قرار می‌گیرد.

06

ثبت نهایی و بازخورد

audit

نتیجه، رضایت و برچسب‌ها ثبت و به بهبود AI-1 بازخورانده می‌شود.

07 · نقشه راه

شش فاز مشخص، خروجی قابل تحویل در هر مرحله

00

2 weeks

Discovery

نیازسنجی، نقشه دانش، معماری فنی، شناسایی APIها.

01

4 weeks

MVP · Chat AI

چت Real-time، RAG، لاگ، پنل ساده، پاسخ به ۵۰ سوال پرتکرار.

02

4 weeks

Integration

اتصال به سفارش، گارانتی، اعتبار و داده‌های Real-time.

03

4 weeks

Handoff

پنل اپراتور، صف هوشمند، انتقال Context — پایان MVP قابل ارائه.

04

6 weeks

AI-2 Copilot

دستیار اپراتور، تحلیل کیفیت، QA و بهینه‌سازی مداوم.

05

4 weeks

Scale

امنیت، مانیتورینگ، بهینه‌سازی هزینه و بهره‌برداری سازمانی.

      
      timeline.json
    

// scheduled by Farshad Mohammadi
{
  "mvp_ready":      "end of phase 03",   // ~3 months
  "total_delivery": "5-6 months",
  "model":          "phased, stoppable per phase",
  "risk":           "controlled — Human-in-Loop from day 1"
}
    

08 · پشته فناوری

انتخاب‌های بالغ و قابل تعویض

هیچ‌کدام از این انتخاب‌ها قفل‌کننده نیستند؛ معماری به‌گونه‌ای طراحی شده که هر لایه قابل جایگزینی باشد.

FE

Frontend

React / Next.js

BE

Backend

NestJS / FastAPI

RT

Realtime

WebSocket

AI

LLM

OpenAI / Claude

RG

RAG

LlamaIndex

VX

Vector DB

Qdrant / pgvector

DB

Data

PostgreSQL + Redis

MQ

Queue

RabbitMQ / Kafka

SR

Search

Elasticsearch

ST

Storage

S3-compatible

MO

Monitoring

Langfuse

AU

Auth

JWT · 2FA · RBAC

09 · امنیت و حاکمیت

حاکمیت داده و کنترل کیفیت پاسخ

🔐

احراز هویت چندلایه

JWT، 2FA و RBAC برای کنترل دقیق دسترسی.

📜

Audit Log کامل

ثبت تمام رویدادها برای پیگیری و داوری.

🛡️

Prompt Defense

کاهش ریسک Prompt Injection و رفتارهای ناخواسته.

🕵️

Redaction داده

حذف اطلاعات حساس پیش از پردازش AI.

📎

Source Grounding

اتصال پاسخ به منبع برای کاهش توهم.

👤

Human Fallback

AI در موضوعات حساس تصمیم نهایی نمی‌گیرد.

10 · شاخص‌های موفقیت

موفقیت را اندازه می‌گیریم، حدس نمی‌زنیم

ai_resolution

نرخ حل توسط AI

پاسخ کامل به درخواست‌ها بدون دخالت اپراتور

target ≥ 60%

first_response

زمان پاسخ اول

زمان بین پیام مشتری و پاسخ اول

target < 5s

fcr

حل در اولین تماس

نرخ حل مشکل بدون ارجاع مجدد

target ≥ 75%

aht

میانگین زمان رسیدگی

زمان متوسط اپراتور برای حل

target −30%

csat

رضایت مشتری

امتیاز رضایت بعد از هر تعامل

target ≥ 4.5/5

ai_quality

کیفیت و توهم AI

نرخ پاسخ‌های بی‌پشتوانه و کیفیت کل

کاهش مستمر

11 · تیم پروژه

ترکیب تخصص‌ها برای پوشش کامل پروژه

FM

فرشاد محمدی

// lead

AR

معمار نرم‌افزار

// architecture

BE

توسعه Backend

// services

FE

توسعه Frontend

// ui/ux

AI

مهندس AI/ML

// rag · llm

DE

مهندس داده

// pipeline

UX

طراح UI/UX

// interfaces

SC

کارشناس امنیت

// security

KB

کارشناس دانش

// content

QA

تست‌کننده QA

// quality

12 · مدل سرمایه‌گذاری

سه سطح اجرا، متناسب با هدف و بودجه

برآورد نهایی پس از فاز Discovery و تثبیت دامنه انجام می‌شود.

Starter

اعتبارسنجی سریع ایده و راه‌اندازی چت هوشمند پایه.

پایه

// phased

چت Real-time
AI-1 با RAG روی FAQ
پنل اپراتور ساده
Handoff پایه
Audit Log اولیه
پشتیبانی ۳ ماه

درخواست برآورد

Professional

نسخه پیشنهادی؛ ترکیب کامل AI + Human با Copilot و KPI.

کامل

// ai + human

تمام موارد Starter
اتصال به سفارش، گارانتی، اعتبار
Handoff با Context Pack
AI-2 Copilot برای اپراتور
KPI، داشبورد و گزارش
امنیت پیشرفته · 2FA
پشتیبانی ۱۲ ماه

شروع پروژه

Enterprise

برای سازمان با SLA سخت‌گیرانه و نیازهای اختصاصی.

سازمانی

// custom

تمام موارد Professional
SLA اختصاصی · ۲۴/۷
On-Premise / Private Cloud
مدل اختصاصی / Fine-tune
یکپارچه‌سازی CRM & ERP
تیم پشتیبانی اختصاصی
آموزش و انتقال دانش

مذاکره اختصاصی

13 · چرا این رویکرد

شش دلیل که این پروژه را قابل دفاع می‌کند

01

اجرای فازبندی‌شده

هر فاز خروجی مشخص و امکان توقف یا تغییر مسیر دارد.

02

AI با کنترل انسانی

هیچ تصمیم حساسی به‌تنهایی به AI سپرده نمی‌شود.

03

قابل اندازه‌گیری

KPI، Audit و داشبورد از روز اول فعال است.

04

مستقل از تأمین‌کننده

مدل، Vector DB و زیرساخت قابل تعویض‌اند.

05

آماده توسعه

معماری از ابتدا برای گارانتی، داوری و پرداخت امن ساخته شده.

06

شفافیت کامل

گزارش پیشرفت، دسترسی به کد و انتقال دانش.

— LET'S BUILD IT —

از یک چت ساده، یک زیرساخت هوشمند بسازیم.

طراحی مرحله‌ای، قابل اندازه‌گیری و آماده توسعه؛ با کنترل ریسک، شفافیت کامل و مسیر مشخص تا بهره‌برداری.

شروع همکاری ← مشاهده نقشه راه