Документы
TXT, Markdown, PDF, DOCX и XLSX загружаются из локального корпуса и разбиваются на перекрывающиеся чанки.
PROTOTYPE · RAG · ISLAMIC FINANCE
Ответ строится
на найденных источниках.
Учебный ИИ-агент принимает вопрос по исламским финансам, находит релевантные фрагменты в локальной базе документов и формирует ответ с указанием источников, score и идентификаторов чанков.
Задача
Соединить предметную область и проверяемый поиск
Вопросы о мурабахе, риба или функциях шариатского комитета требуют опоры на документы, а не только на память языковой модели. Прототип отделяет поиск фактов от генерации ответа и показывает, какие фрагменты были использованы.
Pipeline
От документа до ответа с источниками
FAISS + BM25
Семантический поиск по embeddings объединяется с лексическим поиском по точным терминам.
Отбор контекста
Опциональный CrossEncoder уточняет порядок кандидатов перед передачей в модель.
GigaChat + sources
Модель получает отобранные фрагменты; Gradio-интерфейс показывает ответ, источники, score и chunk ID.
Реализованный контур
Не ноутбук-демо, а воспроизводимая структура
Пять форматов
Единый слой загрузки текстов, документов, таблиц и PDF.
Сохраняемый FAISS
Индекс и чанки строятся отдельным ingest-сценарием и загружаются приложением.
Gradio-диалог
История сообщений, примеры вопросов и отдельный блок использованных источников.
Локальный `.env`
Ключи не входят в проект и исключаются из Git; публичен только шаблон настроек.
Модульный пакет
Загрузка, embeddings, хранилище, retrieval и агент разделены по компонентам.
Базовые проверки
В проекте предусмотрены тесты и инструкции воспроизводимого запуска.
Статус и границы
Учебный прототип, а не финансовое заключение
Система демонстрирует архитектуру RAG и информационный поиск. Ответы требуют проверки специалистом, не являются инвестиционной рекомендацией или фетвой и не заменяют решение шариатского совета либо юридическую экспертизу.