Site-İçi Müşteri Destek Chatbot

# Site-İçi Müşteri Destek Chatbot (RAG)

**Ne inşa ediyoruz:** Şirketin kendi dokümanlarından (Notion/PDF/Markdown) beslenen, kaynak alıntılı cevap üreten ve web sitelerine gömülebilen bir destek chatbot'u.

**Kullanıcının işi (JTBD):** Müşteri saat 23:00'te "Faturamı nasıl indiririm?" sorduğunda, doğru sayfayı kaynak göstererek 5 saniyede cevaplamak istiyorum, böylece destek ekibim aynı şeyi 50. kez yazmasın.

---

## Stack
- Next.js 15 App Router + TypeScript strict
- Tailwind + shadcn/ui
- Supabase Postgres + pgvector extension
- Anthropic Claude Sonnet 4.6 (cevap), voyage-3 (embedding)
- Gömülebilir widget: tek satır <script> tag, iframe içinde React app
- Deploy: Vercel

## Veri modeli
```sql
create extension if not exists vector;

create table bots (
  id uuid primary key default gen_random_uuid(),
  user_id uuid references auth.users not null,
  name text, system_prompt text,
  created_at timestamptz default now()
);

create table documents (
  id uuid primary key default gen_random_uuid(),
  bot_id uuid references bots on delete cascade,
  source text, title text, content text,
  created_at timestamptz default now()
);

create table chunks (
  id uuid primary key default gen_random_uuid(),
  document_id uuid references documents on delete cascade,
  content text, embedding vector(1024),
  metadata jsonb default '{}'::jsonb
);

create index on chunks using ivfflat (embedding vector_cosine_ops);

create table conversations (
  id uuid primary key default gen_random_uuid(),
  bot_id uuid references bots on delete cascade,
  visitor_id text, messages jsonb, created_at timestamptz default now()
);
```

## Ana akışlar
1. Bot oluştur, sistem prompt'u yaz, Notion/PDF/MD yükle.
2. Backend chunking (~500 token) + voyage embedding + chunks'a yaz.
3. Visitor widget'tan soru → top-5 chunk retrieval → Claude'a context+soru → kaynak alıntılı cevap.
4. Konuşma loga; admin "boşluk var" dediği soruları işaretler, doküman yazar.

## 6 saatlik inşa sırası
- 0:00–1:00 — Scaffold, Supabase + pgvector, magic link, bot CRUD
- 1:00–2:30 — Doküman upload + chunking + embedding pipeline
- 2:30–4:00 — Retrieval + Claude RAG cevabı (kaynak ID'li)
- 4:00–5:00 — Web widget (iframe + postMessage), gömme kodu
- 5:00–5:30 — Admin konuşma görüntüleme, "iyi/kötü" işaretleme
- 5:30–6:00 — Vercel deploy + 1 gerçek doküman setiyle smoke test

## Başarı kriteri (akşam demo)
- [ ] 1 doküman seti yüklenip embed edilmiş
- [ ] Widget gömülen sayfada açılıyor, soru cevaplıyor
- [ ] Cevapta kaynak link/sayfa göstergesi var
- [ ] Halüsinasyon: bilmediği soruda "bunu bulamadım" diyor
- [ ] Konuşmalar admin panelinde listeleniyor

## Dikkat
- Kaynak göstermek **zorunda**, yoksa hallüsinasyon güveni öldürür.
- pgvector ivfflat index için en az 100 satır gerekir; küçük setler için flat sequential scan da yeter.
- Türkçe embedding'de voyage-3 OpenAI'den belirgin daha iyi.
- Streaming response (SSE) UX için kritik — "düşünüyor" yerine yazmaya başlasın.