Перейти к содержанию
КТР Логика
← Все кейсы

Документы и поиск

Поиск по техническим PDF-каталогам: OCR и RAG для OID

Как превратить PDF-каталоги с таблицами и артикулами в базу для поиска деталей. Разбор проекта OID Mechanical Parts: OCR, гибридный поиск и Telegram-бот.

Заказчик
OID Mechanical Parts
Год проекта
2025
Срок проекта
8 недель

Как работает решение

  1. 01

    Каталоги

    PDF с характеристиками, таблицами и артикулами.

  2. 02

    Распознавание

    Pipistrello OCR извлекает содержание сложных страниц.

  3. 03

    Поиск

    Гибридный RAG подбирает материалы под запрос.

  4. 04

    Ответ

    Telegram-бот даёт сотруднику доступ к системе.

Найти нужную деталь среди десятков каталогов

Менеджеры OID Mechanical Parts искали подшипники в PDF-каталогах вручную. Характеристики находились в таблицах, а артикулы связывали описание с конкретной деталью. Для ответа приходилось открывать документы и сопоставлять сведения на разных страницах.

Прежний полнотекстовый поиск не справлялся с таблицами и артикулами. Поэтому проект начинался с подготовки документов: поиску нужны не только слова, но и правильно извлечённые данные о деталях.

Подготовить технические PDF для поиска

Для обработки каталогов использовали Pipistrello — собственный OCR-пайплайн. Модель дообучили под сложные технические PDF с таблицами, формулами и изображениями. Полученный структурированный корпус стал основой поисковой системы.

В такой задаче ошибка в одном символе артикула может привести к выбору другой детали. При оценке похожего решения нужно отдельно проверять распознавание идентификаторов и сохранение связей между строками и столбцами. Читаемый абзац ещё не означает, что таблица извлечена корректно.

Единый доступ к технической документации

Результат проекта — связка распознавания каталогов, поиска и интерфейса для сотрудников. Инженеры, логисты и менеджеры могут обращаться к одному цифровому источнику технических сведений.

Для переноса подхода на другой ассортимент сначала стоит собрать контрольные вопросы и примеры сложных страниц. Они покажут, достаточно ли обычного извлечения текста или нужны отдельная обработка таблиц и дообучение распознавания.

Использованные технологии

  • Pipistrello OCR
  • Hybrid RAG
  • n8n
  • Telegram

Поиск по документам и языковые модели ↗

Похожая задача

Начнём с вашего процесса

Расскажите, в каких документах сотрудники ищут информацию. Начать можно с нескольких каталогов и примеров вопросов.

Обсудить задачу ↗