Поиск по технической документации (RAG)
Текущая работа · RAG-поиск по документации
Поиск и RAG по документации ПТО — PDF, Word, Excel и сканам — с гибридным поиском по ключевым словам и по смыслу на базе FastAPI.
Загрузка
Индекс
Запрос
Задача
Инженерные документы разбросаны по PDF, Word, Excel и сканам, а обычный поиск по ключевым словам плохо справляется с таким набором.
Решение
OCR и парсинг всех форматов, гибридный поиск (sentence-transformers + FAISS), пайплайны на FastAPI и ответы с помощью LLM.
Статус
В разработке в «Электросервисе»: единый поиск по PDF, Word, Excel и сканам технической документации.
Обзор
Документация ПТО — это смесь PDF, файлов Word, таблиц Excel и сканов. Моя текущая работа в «Электросервисе» в Москве — система поиска и RAG, которая позволяет искать по всему этому в одном месте.
Пайплайн загрузки разбирает каждый формат и прогоняет сканы через OCR перед индексацией. Поиск гибридный: совпадение по ключевым словам находит точные термины, а семантический поиск — эмбеддинги sentence-transformers в индексе FAISS — находит фрагменты, где то же самое сказано другими словами. Сочетание двух подходов нужно, чтобы ответы были релевантнее, чем у каждого из них по отдельности.
Пайплайны на FastAPI связывают парсинг, индексацию, поиск и ответы с помощью LLM. Система в активной разработке, а код закрыт, поэтому здесь показана схема архитектуры.
Что делает
- Индексирует PDF, Word и Excel, включая сканы через OCR
- Гибридный поиск: ключевые слова плюс семантика на sentence-transformers и FAISS
- Пайплайны загрузки и запросов на FastAPI
- Ответы с помощью LLM на основе найденных фрагментов
Что дальше
Ищете full-stack, Python- или AI-разработчика — или нужно сделать что-то похожее? Давайте обсудим.
Готов приступить сразу: офис или гибрид в Москве, либо удалённо; полная занятость или контракт. Отвечаю в течение 48 часов, в Telegram — быстрее.