Архитектура системы

Многоуровневая архитектура обработки данных

graph TB
    subgraph "Уровень интерфейсов"
        WEB[Web-интерфейс<br/>React]
        API[REST API Gateway]
        AUTH[Keycloak SSO]
        FS[Сетевой каталог<br/>SMB/CIFS]
    end
    
    subgraph "Уровень обработки"
        UPLOAD[Модуль загрузки<br/>документов]
        OCR[OCR-сервис<br/>TrOCR + EasyOCR]
        LLM[LLM-анализатор<br/>Llama 3.1 70B]
        MATCH[Модуль<br/>сопоставления]
    end
    
    subgraph "Уровень бизнес-логики"
        EXTRACT[Извлечение<br/>критериев]
        EVAL[Оценка<br/>соответствия]
        SCORE[Расчет<br/>рейтинга]
        REPORT[Генератор<br/>отчетов]
    end
    
    subgraph "Уровень данных"
        PG[(PostgreSQL<br/>Метаданные)]
        VECTOR[(Qdrant<br/>Векторное хранилище)]
        DOCS[(File Storage<br/>Документы)]
    end
    
    WEB --> AUTH
    AUTH --> API
    API --> UPLOAD
    FS --> UPLOAD
    
    UPLOAD --> OCR
    OCR --> LLM
    LLM --> EXTRACT
    EXTRACT --> VECTOR
    
    LLM --> MATCH
    MATCH --> EVAL
    EVAL --> SCORE
    SCORE --> REPORT
    
    EXTRACT --> PG
    EVAL --> PG
    REPORT --> PG
    REPORT --> DOCS

Компонентная модель

Слой представления

Обеспечивает удобный доступ к системе для всех категорий пользователей. Web-интерфейс построен на современном React-фреймворке, что гарантирует отзывчивость и скорость работы даже при больших объемах данных.

Слой интеграции

REST API Gateway выступает единой точкой входа для всех запросов, обеспечивая централизованное управление доступом, мониторинг и балансировку нагрузки. Интеграция с Keycloak позволяет использовать существующие доменные учетные записи.

Слой интеллектуальной обработки

Сердце системы — комбинация передовых технологий OCR и больших языковых моделей. TrOCR и EasyOCR обеспечивают высокоточное распознавание текста даже из сложных сканированных документов. Llama 3.1 70B анализирует содержимое, извлекает критерии и выполняет их сопоставление.

Слой бизнес-логики

Реализует основную логику работы системы: от извлечения критериев из технического задания до формирования итогового отчета с рекомендациями. Модульная архитектура позволяет гибко настраивать правила оценки под специфику различных категорий закупок.

Слой хранения данных

Гибридная модель хранения оптимизирована под разные типы данных:

PostgreSQL — для структурированных метаданных и истории анализов
Qdrant — для векторного поиска и интеллектуального сопоставления
File Storage — для хранения исходных документов и сформированных отчетов

Масштабируемость и отказоустойчивость

Архитектура системы изначально проектировалась с учетом требований крупного бизнеса. Все компоненты поддерживают горизонтальное масштабирование, что позволяет наращивать производительность пропорционально росту нагрузки. Использование контейнеризации обеспечивает простое развертывание и обновление системы без остановки работы.