Лаборатория КАВАЧАМпесочница — не готовый продукт

Вызов от GBC SAC: Как научить ИИ понимать «вес» цитаты?

Обратная связь от эксперта вскрыла фундаментальную уязвимость векторного поиска. Мы переходим к архитектуре GraphRAG.

дневник разработки2026-07-142 праманы0 со ссылкой на первоисточник

Мы получили обратную связь от эксперта (члена Комитета советников по шастрам при GBC (SAC), переводчика трудов Дживы Госвами и выпускника легендарной школы санскрита Гопипаранадханы прабху). Он вскрыл фундаментальную уязвимость всех современных нейросетей:

В чем суть проблемы?

Прабху указал на две критические уязвимости стандартного поиска по базе текстов:

  1. Иерархия и вес:
  1. Контекст (Татпарья):

Решение: Архитектура GraphRAG + RLM

Именно так в 2026 году делают передовой Юридический ИИ, где Конституция технически весит больше мнения судьи. Машина должна не просто искать совпадения по словам, а выстраивать строгую иерархию источников (шрути, смрити, комментарии).

Мы берем эту сверхзадачу в работу. Но нам нужна команда: инженеры для постройки State-of-the-Art движка:

КАВАЧАМ — это RAG-система на корпусе из 37 000+ OKF-документов. Наша текущая сверхзадача: переход от векторного поиска (ChromaDB) к архитектуре GraphRAG + RLM для понимания иерархии ведических источников и защиты от LLM-галлюцинаций.

Стек и экспертиза, которую мы ищем:

AI / ML Engineers*: GraphRAG (Knowledge Graphs), RLM (Reasoning Language Models), LLM source-grounding, NLP (multilingual-e5), продвинутый промпт-инжиниринг, Parent-Child chunking.

Backend / Data Engineers*: Python, Vector & Graph DBs (ChromaDB / Neo4j), построение надежных ETL-пайплайнов, микросервисная архитектура (API между LLM и фронтендом).

Разработчики Telegram-ботов*: Интеграция бота с LLM-бэкендом, проектирование удобного UX/UI для взаимодействия с "цифровым библиотекарем" (кэширование, быстрый отклик).

Если вам откликается идея защиты вайшнавской сиддханты с помощью передовых технологий — врывайтесь! Задач хватит на всех.

👉 Пишите: бот Лаборатории