﻿---
title: "03. PDF Q&A Agent: вопросы по документу"
description: LlamaIndex-агент загружает PDF, строит индекс и отвечает на вопросы с историей диалога.
---

Минимальный, но полноценный RAG-конвейер: один документ, индекс, вопросы. Хороший
эталон для понимания того, из каких шагов состоит поиск по документам.

## Задача

Загрузить PDF и отвечать на вопросы по его содержанию. Два режима: один вопрос и
интерактивный диалог с историей. Граница: агент отвечает только по документу и не
проверяет факты вне него.

## Архитектура

```mermaid
flowchart LR
  P["PDF"] --> R["Reader"]
  R --> N["Фрагменты"]
  N --> I["Индекс"]
  Q["Вопрос"] --> E["Поиск"]
  I --> E
  E --> M["Модель"]
  M --> A["Ответ"]
  H["История"] --> M
```

LlamaIndex берёт на себя чтение, разбиение и индексацию; скрипт — обвязка вокруг
query engine.

## Поток

1. `SimpleDirectoryReader` читает PDF.
2. `VectorStoreIndex.from_documents` строит векторный индекс.
3. `as_query_engine` создаёт движок запросов.
4. Вопрос уходит в движок; при диалоговом режиме в контекст добавляется история.

## Что в коде

```python
documents = SimpleDirectoryReader(input_files=[pdf_path]).load_data()
index = VectorStoreIndex.from_documents(documents)
engine = index.as_query_engine(similarity_top_k=4)
print(engine.query(question))
```

## Чему учит

- **RAG — это конвейер, а не вызов.** Качество определяется чтением, разбиением и
  выбором `top_k`, а не моделью.
- **История в диалоге** помогает уточняющим вопросам, но увеличивает стоимость.
- **Индекс строится один раз** на документ; в скрипте он в памяти, поэтому каждый
  запуск начинает заново.

## Где сломается

- **Разбиение по умолчанию.** Для документов с таблицами и колонками оно часто
  неверно.
- **Нет ссылок на страницы.** Ответ нельзя проверить по первоисточнику.
- **`top_k=4` фиксирован.** Для больших документов этого мало, для маленьких —
  много.
- **Нет отказа.** На вопрос вне документа движок всё равно вернёт «похожий» ответ.
- **Только векторный поиск.** Артикулы и коды находятся плохо.

## Как улучшить

- Добавить метаданные (номер страницы) и требовать цитату в ответе.
- Включить гибридный поиск и переранжирование — см. [RAG](https://wpcraft.ru/aia/patterns/rag.md).
- Кэшировать индекс на диск, чтобы не строить его при каждом запуске.
- Явно обрабатывать случай «в документе нет ответа».

## Связь с другими разделами

- [RAG: поиск и генерация](https://wpcraft.ru/aia/patterns/rag.md) — решения, определяющие качество.
- [Документы и исследования](https://wpcraft.ru/aia/use-cases/documents-and-research.md) — домен.
- [LlamaIndex](https://wpcraft.ru/aia/frameworks/llamaindex.md) — фреймворк.

## Материалы и источники

- [LlamaIndex: query engines](https://docs.llamaindex.ai) — устройство движка запросов.