RAS Search — Supply

Загрузка…

Напишите ситуацию обычным языком или отправьте голосовое сообщение.

✍️ Чтобы поиск был точнее, укажите:

кто спорит: покупатель или поставщик
что произошло: неоплата, просрочка, дефект, отказ принять товар или вернуть деньги
какие есть документы: договор, УПД, акт приемки, претензия, переписка, экспертиза
какой результат нужен: взыскать долг, вернуть оплату, найти практику в пользу покупателя или поставщика
важные детали: вид товара, скрытые недостатки, монтаж, экспертиза, статья ГК РФ

📖 Как читать результат

Сначала бот показывает краткий вывод 📋 (summary) по найденной практике. Он нужен для быстрой ориентации, но не заменяет чтение судебных актов.

Ниже идет список найденных актов. Их лучше читать сверху вниз: первый акт обычно самый близкий к запросу, дальше совпадения могут быть слабее.

Бот ищет похожие документы, но не проверяет, подходят ли они юридически. В выдачу может попасть нерелевантный акт, если он похож на запрос по словам или общему смыслу.

Окончательный вывод нужно делать по текстам самих судебных актов.

⚖️ RAS Search — Supply помогает искать арбитражную практику по спорам из договоров поставки.

База формируется из решений арбитражных судов (ras.arbitr.ru) и включает только акты по существу спора с мотивировочной частью. Технические и промежуточные акты, например определения об отложении заседания, в поисковую базу не попадают. Алгоритм отслеживает движение дела в первой, апелляционной и кассационной инстанциях, оставляя в поиске только финальный судебный акт. Благодаря этому отмененные решения нижестоящих судов исключаются из базы, и вы получаете выдачу только с актуальными правовыми позициями.

Что такое векторный поиск (RAG)

Обычный поиск ищет только точные совпадения слов, терминов или номеров статей. Векторный поиск работает с фабулой дела: он переводит текст в смысловые векторы, поэтому находит нужную судебную практику, даже если вы и суд описали ситуацию совершенно разными словами.

Как проходит поиск

Вы отправляете текстовый запрос или голосовое сообщение.
Если это голосовое, whisper-large-v3-russian переводит его в текст. Бот показывает распознанный текст, его можно подтвердить или исправить.
Исходный запрос сохраняется как главный вопрос пользователя.
Если включен HyDE, Gemini API (по умолчанию gemini-3.5-flash) переписывает запрос в стиль судебного акта.
Jina embeddings v4 превращает запрос или HyDE-текст в поисковые векторы.
Qdrant ищет похожие акты по нескольким каналам: смысловому, словарному и multivector.
RRF объединяет результаты каналов. Выше поднимаются акты, которые хорошо нашлись сразу несколькими способами.
Jina reranker v3 перечитывает найденные акты и сортирует их по близости к исходному запросу пользователя.
Если включен Summary, Gemini API (по умолчанию gemini-3.1-pro-preview) читает топ актов и формирует краткий ответ по практике.
Бот показывает Summary и список судебных актов. Если Summary выключен, показывает только найденные акты.

🤖 HyDE что это?

HyDE (Hypothetical Document Embeddings) — это подход, при котором мы ищем не сам короткий запрос пользователя, а гипотетический пример документа, который должен быть найден. Векторная база не «понимает право» как юрист. Она ищет судебный акт, максимально похожий на входной текст. Поэтому LLM переписывает запрос в эталонный фрагмент судебного акта, и уже этот текст отправляется в векторный поиск. Реранкер при этом получает исходный запрос пользователя.

📋 Summary что это?

Summary — краткий ответ по найденной практике. Он строится только на актах, которые нашёл бот. Если найденные акты нерелевантны, Summary тоже нужно проверять.

Late chunking и multivector

Чтобы не вырывать фразы из контекста, мы используем late chunking — алгоритм сначала «читает» весь акт целиком, и только потом делит его на удобные для поиска фрагменты. А благодаря подходу multivector поиск умеет находить точные ответы, сравнивая ваш запрос как с документом в целом, так и с конкретными формулировками внутри него.

Reranker и RRF

Алгоритм RRF собирает найденные документы вместе, после выстраивает их предварительный рейтинг: чем выше акт оценили разные механизмы поиска, тем больший вес он получает в общем списке. Затем в дело вступает Reranker — специализированная нейросеть, целенаправленно обученная глубокому смысловому анализу текстов. Она сопоставляет ваш изначальный запрос непосредственно с текстами отобранных актов и формирует итоговый топ выдачи, поднимая на самые верхние строчки наиболее точную судебную практику.

🪄 Используемые модели

голос: antony66/whisper-large-v3-russian
embedding: jinaai/jina-embeddings-v4
reranker: jinaai/jina-reranker-v3
HyDE: API-модели gemini-*, по умолчанию gemini-3.5-flash
Summary: API-модели gemini-*, по умолчанию gemini-3.1-pro-preview