Ассистент по регламентам: ответ с цитатой и страницей, «нет» — честно

Типовой запрос из тендеров: ИИ-бот по регламентам, чтобы сотрудники не дёргали кадры и ИТ одними и теми же вопросами. Требования: отвечать только по документам, показывать, откуда взят ответ, ничего не выдумывать и держать данные у себя (152-ФЗ).

• Ответ приходит с источником: документ, код, дословная цитата, страница PDF или раздел DOCX. Кнопка «Открыть» показывает документ сразу на нужной странице с подсвеченной цитатой.
• Если ответа в документах нет, ассистент пишет об этом прямо и не показывает источников.
• Администратор загружает, заменяет и удаляет документы. Новая версия сразу попадает в поиск, кэш ответов сбрасывается.
• У каждого пользователя своя история. Администратор ведёт учётные записи и видит статистику вопросов.
• Страница «Проверка качества»: 30 фиксированных вопросов, у 8 из них ответа в документах нет. Прогон по кнопке, отчёт сохраняется.
• Корпус: 12 регламентов (7 PDF на 39 страниц и 5 DOCX), около 145 тыс. знаков.

• Сотрудник — чат, своя история, просмотр документов, отчёт о качестве только для чтения
• Администратор — плюс загрузка и замена документов, учётные записи, статистика, запуск проверки

Ответ модели не принимается на слово. Поиск находит до 8 фрагментов; соседние пункты на странице PDF читаются вместе. Сервер проверяет дословные цитаты по найденному тексту. Если подтверждённого источника нет, ассистент сообщает, что ответа не нашёл. Документ можно открыть на нужной странице или в нужном разделе.

На демо-данных, методика указана в каждой строке. Реального клиента у демо нет, поэтому цифр «выручка выросла» здесь нет.

• Python 3.10
• FastAPI
• Jinja2
• SQLite (в проде PostgreSQL)
• pypdf, python-docx
• BM25 с русским стеммингом
• systemd, Caddy

1. Загрузка: PDF разбирается по страницам, DOCX по разделам, фрагменты ложатся в базу.
2. Вопрос: поиск BM25 возвращает 8 фрагментов.
3. Модель получает только их и отвечает структурой «нашёл / ответ / источники с цитатами».
4. Сервер сверяет цитаты, сохраняет ответ в историю и кэш.

В демо всё работает локально. В проде по задаче: вход через AD/LDAP или Keycloak, подтягивание документов из СЭД, Confluence или общей папки по расписанию, бот в Telegram, MAX или VK Teams поверх того же API.

• Модуль модели заменяемый. В демо вопросы и найденные фрагменты вымышленных документов обрабатывает OpenAI. Модель, размещение и требования к данным заказчика согласуем отдельно.
• Расход на 3 000 вопросов в месяц — около 9,5 млн токенов (замер длины запроса на контрольном наборе). Расчёт по тарифам российских моделей показываю при разборе.
• Свой набор контрольных вопросов заказчика (30–50 штук) и прогон до 85 % верных — до запуска для всех.
• Срок внедрения ассистента на базе знаний — 1–2 недели.

Сборка демо: 1 день, 24.10.2026. Код пишу вместе с ИИ-агентами, проверка — автоматическая, в браузере на сервере. Сроки проекта у заказчика — в последнем пункте «Как было бы в проде» и в разделе «Процесс и сроки».