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 с номерами страниц, модель отвечает только по ним и ссылается на номера. Сервер проверяет, что каждая цитата дословно есть во фрагменте; если нет, вместо слов модели показывается ближайшее предложение из самого документа. Пользователь всегда видит текст регламента, а не пересказ.

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. У заказчика ставлю YandexGPT, GigaChat или локальную модель на его сервере, и документы не покидают контур. Claude работает только в демо, на вымышленных документах.
• 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».