namuan/dr-doc-search

Что это за инструмент

Инструмент на Python для создания локального индекса PDF-документов с возможностью задавать вопросы по их содержимому через CLI или веб-интерфейс.

Зачем нужен

Позволяет извлекать информацию из книг и отчетов, используя RAG-подход: текст извлекается (включая OCR для сканов), векторизуется и ищется по запросу. Полезен для быстрого анализа больших объемов текста без необходимости писать код для парсинга.

Что можно реализовать

• Интерактивный поиск ответов в технических спецификациях или научных статьях (PDF)
• Анализ отсканированных документов с помощью Tesseract OCR
• Локальное исследование книг или отчетов через простой веб-интерфейс
• Быстрое получение цитат или фактов из длинных текстовых файлов

Ключевые возможности

• Поддержка двух режимов генерации эмбеддингов: OpenAI GPT-3 или локальные модели HuggingFace
• Встроенный OCR (Tesseract) для обработки сканированных PDF-файлов
• Готовый веб-интерфейс (на базе HoloViz Panel) для общения с документом
• Простая установка через pip и запуск через командную строку
• Использование LangChain для построения цепочек обработки текста

👤 Кому подойдёт: разработчики, исследователи, аналитики данных, работающие с PDF-документами