Антискам-бот на грязных данных: как собрать классификатор без размеченного датасета

В статье разбирается архитектура антискам-бота, где RAG-модуль оказался полезен скорее для замеров, чем для кода. Основной фокус — на классификаторе, который решает, кому нужна помощь, и определителе типа проблемы. Всё построено на реальных, «грязных» данных из Telegram-чатов с опечатками, сленгом и смесью языков.

Автор делится практическим опытом: как собрать рабочий классификатор без размеченного датасета, когда метрики обманывают, а данные — это поток. Все цифры в статье реальные, из рабочих логов. Это скорее про ML-инженерию в полевых условиях, чем про RAG.