ИИ
Поиск по документам
Загрузка, разбиение, эмбеддинги и ответ со ссылками
Ответы по вашим документам: файл загружается, режется на фрагменты, превращается в векторы и ищется по смыслу. В ответе — ссылки на исходные фрагменты, чтобы можно было проверить.
Что внутри
- Разбиение с перекрытием и сохранением заголовков
- Векторный поиск на pgvector — без отдельной базы
- Ответ со ссылками на исходные фрагменты
- Переиндексация без простоя
Что добавит в проект
Поверх общей базы — она уже даёт авторизацию, базу и интерфейс.
Таблицы в базе3
Пакеты npm1
Маршруты2
Переменные окружения1
- EMBEDDING_MODEL
- Модель эмбеддингов — менять только с переиндексацией
Связи
Подтянет за собой
Разбор архитектуры
Векторы лежат в том же Postgres через pgvector: отдельная векторная база — это второй источник правды, который надо синхронизировать, и на объёмах меньше миллиона фрагментов она не окупается. Размерность вектора привязана к модели, поэтому смена модели эмбеддингов требует полной переиндексации — в шаблоне это отдельная команда, а не молчаливая поломка поиска.
Общая база
Пустое, но рабочее приложение: авторизация, база, UI-кит и деплой уже собраны и связаны между собой. Модули не переписывают его файлы — они добавляют свои и регистрируются в готовых точках расширения, поэтому их можно ставить в любом сочетании.