.dockerignore

@@ -31,7 +31,6 @@ uploads/
 processed/
 tmp/
 output/
-models/
 video/
 *.mp4
 *.wav

.env

@@ -1,3 +1 @@
 HF_TOKEN=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
-OPENCODE_API_KEY=sk-4jJBUMS7WJyBOtZZAexsSy6aT4NKOYp2gA19WLlaux8jHMw0HvyCl1V45Jf8SONz
-OPENCODE_URL=https://opencode.ai/zen/v1

Dockerfile

@@ -12,8 +12,8 @@ RUN apt-get update && apt-get install -y --no-install-recommends \
 WORKDIR /app
 
 # Копируем зависимости
-COPY requirements.txt pip.conf ./
+COPY requirements.txt .
-RUN pip install --no-cache-dir --timeout 300 -r requirements.txt
+RUN pip install --no-cache-dir --timeout 300 -i https://mirrors.aliyun.com/pypi/simple/ -r requirements.txt
 
 # Копируем код проекта
 COPY . .

Dockerfile.rag

@@ -1,9 +0,0 @@
-# Быстрое обновление: добавляет RAG-зависимости к уже собранному образу с Whisper/PyTorch.
-FROM transcription-transcription:latest
-
-COPY pip.conf /etc/pip.conf
-RUN pip install --no-cache-dir --timeout 300 \
-    lightrag-hku>=1.4.0 \
-    openai>=1.0.0 \
-    python-dotenv>=1.0.0 \
-    sentence-transformers>=3.0.0

backend/main.py

@@ -1,11 +1,9 @@
 """FastAPI backend для сервиса транскрибации."""
 
 import json
-import os
-import sys
 from contextlib import asynccontextmanager
 from pathlib import Path
-from typing import Any, Dict, List, Optional
+from typing import List, Optional
 
 from fastapi import FastAPI, File, UploadFile, WebSocket, WebSocketDisconnect
 from fastapi.middleware.cors import CORSMiddleware
@@ -15,9 +13,8 @@ from fastapi.staticfiles import StaticFiles
 from backend.queue import (
     UPLOAD_DIR,
     PROCESSED_DIR,
-    save_upload,
+    enqueue,
     get_all_tasks,
-    get_queue_info,
     get_task_status,
     get_processed_tree,
     read_file_content,
@@ -26,13 +23,6 @@ from backend.queue import (
     stop_workers,
 )
 
-# Добавляем корень проекта в путь, чтобы импортировать src.rag
-sys.path.insert(0, str(Path(__file__).parent.parent))
-from src.config import load_config, resolve_opencode_credentials
-from src.rag.indexer import get_project_names
-from src.rag.parser import parse_project_from_filename
-from src.rag.query import rag_chat, retrieve_context
-
 # WebSocket менеджер
 class ConnectionManager:
     def __init__(self):
@@ -62,15 +52,8 @@ set_progress_callback(manager.broadcast)
 @asynccontextmanager
 async def lifespan(app: FastAPI):
     """Управление жизненным циклом приложения."""
-    config = load_config()
-    queue_cfg = config.get("queue", {})
-    transcribe_workers = int(queue_cfg.get("transcribe_workers", 2))
-    postprocess_workers = int(queue_cfg.get("postprocess_workers", 1))
     print("🚀 Запуск рабочих процессов...")
-    start_workers(
+    start_workers(num_workers=1)
-        transcribe_workers=transcribe_workers,
-        postprocess_workers=postprocess_workers,
-    )
     yield
     print("🛑 Остановка рабочих процессов...")
     stop_workers()
@@ -106,28 +89,34 @@ async def root():
 @app.post("/upload")
 async def upload_file(file: UploadFile = File(...)):
     """Загружает файл и добавляет в очередь обработки."""
-    content = await file.read()
+    # Сохраняем файл
-    task_id, _ = await save_upload(content, file.filename or "upload.bin")
+    file_path = UPLOAD_DIR / file.filename
+    with open(file_path, "wb") as f:
+        content = await file.read()
+        f.write(content)
+    
+    # Добавляем в очередь
+    task_id = await enqueue(file_path)
     
     return {
         "task_id": task_id,
         "file": file.filename,
         "status": "queued",
         "message": "Файл добавлен в очередь обработки",
-        "queue": get_queue_info(),
     }
 
 
 @app.post("/upload-batch")
 async def upload_batch(files: List[UploadFile] = File(...)):
-    """Загружает несколько файлов пакетно — все ставятся в очередь."""
+    """Загружает несколько файлов пакетно."""
-    if not files:
-        return {"error": "Не переданы файлы", "uploaded": 0, "tasks": []}
-
     results = []
     for file in files:
-        content = await file.read()
+        file_path = UPLOAD_DIR / file.filename
-        task_id, _ = await save_upload(content, file.filename or "upload.bin")
+        with open(file_path, "wb") as f:
+            content = await file.read()
+            f.write(content)
+        
+        task_id = await enqueue(file_path)
         results.append({
             "task_id": task_id,
             "file": file.filename,
@@ -137,8 +126,6 @@ async def upload_batch(files: List[UploadFile] = File(...)):
     return {
         "uploaded": len(results),
         "tasks": results,
-        "queue": get_queue_info(),
-        "message": f"{len(results)} файл(ов) добавлено в очередь",
     }
 
 
@@ -157,7 +144,6 @@ async def websocket_endpoint(websocket: WebSocket):
                 await websocket.send_json({
                     "type": "tasks_list",
                     "tasks": tasks,
-                    "queue": get_queue_info(),
                 })
             elif msg.get("action") == "get_tree":
                 tree = get_processed_tree()
@@ -165,10 +151,6 @@ async def websocket_endpoint(websocket: WebSocket):
                     "type": "file_tree",
                     "tree": tree,
                 })
-            elif msg.get("action") == "rag_query":
-                await _handle_rag_query(websocket, msg)
-            elif msg.get("action") == "rag_query_global":
-                await _handle_rag_query(websocket, msg)
     except WebSocketDisconnect:
         manager.disconnect(websocket)
     except Exception:
@@ -178,7 +160,7 @@ async def websocket_endpoint(websocket: WebSocket):
 @app.get("/api/tasks")
 async def api_tasks():
     """Возвращает список всех задач."""
-    return {"tasks": get_all_tasks(), "queue": get_queue_info()}
+    return {"tasks": get_all_tasks()}
 
 
 @app.get("/api/tasks/{task_id}")
@@ -230,203 +212,5 @@ async def api_delete_folder(folder_name: str):
         return {"error": str(e)}
 
 
-# === RAG / Chat API ===
-
-@app.get("/api/rag/projects")
-async def api_rag_projects():
-    """Возвращает список проектов с RAG-индексами."""
-    try:
-        config = load_config()
-        rag_cfg = config.get("rag", {})
-        index_dir = Path(rag_cfg.get("project_index_dir", "./processed/lightrag_caches"))
-        projects = await get_project_names(index_dir)
-        return {"projects": projects}
-    except Exception as e:
-        return {"error": str(e), "projects": []}
-
-
-@app.post("/api/rag/query")
-async def api_rag_query(payload: dict):
-    """Запрос к чат-боту по конкретному проекту."""
-    try:
-        config = load_config()
-        rag_cfg = config.get("rag", {})
-        index_dir = Path(rag_cfg.get("project_index_dir", "./processed/lightrag_caches"))
-        api_key, base_url = resolve_opencode_credentials(config)
-        chat_model = rag_cfg.get("chat_model", "deepseek-v4-flash-free")
-        index_model = rag_cfg.get("index_model", "mimo-v2.5-free")
-        mode = payload.get("mode", "hybrid")
-
-        result = await rag_chat(
-            question=payload.get("question", ""),
-            working_dir_base=index_dir,
-            history=payload.get("history", []),
-            api_key=api_key,
-            project_name=payload.get("project"),
-            base_url=base_url,
-            chat_model=chat_model,
-            mode=mode,
-            index_model=index_model,
-        )
-        return {
-            "answer": result["answer"],
-            "context": result["context"],
-            "project": result["project"],
-        }
-    except Exception as e:
-        return {"error": str(e)}
-
-
-@app.post("/api/rag/query-global")
-async def api_rag_query_global(payload: dict):
-    """Глобальный запрос ко всем проектам."""
-    try:
-        config = load_config()
-        rag_cfg = config.get("rag", {})
-        index_dir = Path(rag_cfg.get("project_index_dir", "./processed/lightrag_caches"))
-        api_key, base_url = resolve_opencode_credentials(config)
-        chat_model = rag_cfg.get("chat_model", "deepseek-v4-flash-free")
-        index_model = rag_cfg.get("index_model", "mimo-v2.5-free")
-        mode = payload.get("mode", "hybrid")
-
-        result = await rag_chat(
-            question=payload.get("question", ""),
-            working_dir_base=index_dir,
-            history=payload.get("history", []),
-            api_key=api_key,
-            project_name=None,
-            base_url=base_url,
-            chat_model=chat_model,
-            mode=mode,
-            index_model=index_model,
-        )
-        return {
-            "answer": result["answer"],
-            "context": result["context"],
-            "project": None,
-        }
-    except Exception as e:
-        return {"error": str(e)}
-
-
-@app.get("/api/rag/tasks")
-async def api_rag_tasks(project: Optional[str] = None):
-    """Возвращает action items из RAG."""
-    try:
-        config = load_config()
-        rag_cfg = config.get("rag", {})
-        index_dir = Path(rag_cfg.get("project_index_dir", "./processed/lightrag_caches"))
-        api_key, base_url = resolve_opencode_credentials(config)
-        chat_model = rag_cfg.get("chat_model", "deepseek-v4-flash-free")
-        index_model = rag_cfg.get("index_model", "mimo-v2.5-free")
-
-        question = "Перечисли все action items, задачи и ответственных из протоколов."
-        if project:
-            question = f"Перечисли все action items, задачи и ответственных по проекту {project}."
-
-        result = await rag_chat(
-            question=question,
-            working_dir_base=index_dir,
-            history=[],
-            api_key=api_key,
-            project_name=project,
-            base_url=base_url,
-            chat_model=chat_model,
-            mode="hybrid",
-            index_model=index_model,
-        )
-        return {
-            "tasks": result["answer"],
-            "project": project,
-        }
-    except Exception as e:
-        return {"error": str(e)}
-
-
-@app.post("/api/rag/index/{folder_name}")
-async def api_rag_index_folder(folder_name: str):
-    """Принудительная переиндексация папки с обработанным совещанием."""
-    try:
-        folder_path = PROCESSED_DIR / folder_name
-        if not folder_path.exists():
-            return {"error": "Folder not found"}
-
-        # Ищем .txt файл с протоколом
-        txt_files = list(folder_path.glob("*.txt"))
-        if not txt_files:
-            return {"error": "No .txt protocol found in folder"}
-
-        txt_path = txt_files[0]
-        doc_text = txt_path.read_text(encoding="utf-8")
-
-        # Определяем проект из имени папки
-        project = parse_project_from_filename(folder_name)
-
-        config = load_config()
-        rag_cfg = config.get("rag", {})
-        index_dir = Path(rag_cfg.get("project_index_dir", "./processed/lightrag_caches"))
-        index_model = rag_cfg.get("index_model", "mimo-v2.5-free")
-        api_key, base_url = resolve_opencode_credentials(config)
-
-        from src.rag.indexer import index_meeting
-        from src.rag.formatter import format_global_document
-
-        # Для переиндексации используем простую заглушку метаданных
-        metadata = {"project": project, "section": "Общие вопросы", "topic": "Переиндексация"}
-        global_doc_text = format_global_document(doc_text, metadata)
-
-        await index_meeting(
-            doc_text=doc_text,
-            global_doc_text=global_doc_text,
-            project_name=project,
-            working_dir_base=index_dir,
-            model=index_model,
-            api_key=api_key,
-            base_url=base_url,
-        )
-
-        return {"indexed": folder_name, "project": project}
-    except Exception as e:
-        return {"error": str(e)}
-
-
-# === WebSocket Chat Actions ===
-
-async def _handle_rag_query(websocket: WebSocket, msg: dict):
-    """Обрабатывает rag_query через WebSocket."""
-    try:
-        config = load_config()
-        rag_cfg = config.get("rag", {})
-        index_dir = Path(rag_cfg.get("project_index_dir", "./processed/lightrag_caches"))
-        api_key, base_url = resolve_opencode_credentials(config)
-        chat_model = rag_cfg.get("chat_model", "deepseek-v4-flash-free")
-        index_model = rag_cfg.get("index_model", "mimo-v2.5-free")
-        mode = msg.get("mode", "hybrid")
-
-        result = await rag_chat(
-            question=msg.get("question", ""),
-            working_dir_base=index_dir,
-            history=msg.get("history", []),
-            api_key=api_key,
-            project_name=msg.get("project"),
-            base_url=base_url,
-            chat_model=chat_model,
-            mode=mode,
-            index_model=index_model,
-        )
-
-        await websocket.send_json({
-            "type": "rag_response",
-            "answer": result["answer"],
-            "context": result["context"],
-            "project": result["project"],
-        })
-    except Exception as e:
-        await websocket.send_json({
-            "type": "rag_error",
-            "error": str(e),
-        })
-
-
 # Статические файлы
 app.mount("/static", StaticFiles(directory="backend/static"), name="static")

backend/queue.py

@@ -1,10 +1,9 @@
-"""Фоновая очередь: транскрибация и post-processing (summary/RAG) разделены."""
+"""Фоновая очередь обработки аудио/видео."""
 
 import asyncio
 import json
-import shutil
+import os
 import sys
-import uuid
 from datetime import datetime
 from pathlib import Path
 from typing import Any, Callable, Dict, List, Optional
@@ -12,17 +11,9 @@ from typing import Any, Callable, Dict, List, Optional
 sys.path.insert(0, str(Path(__file__).parent.parent))
 
 from src.audio_utils import prepare_audio_input
-from src.config import load_config, resolve_opencode_credentials
+from src.config import get_profile, load_config, resolve_hf_token
 from src.document import build_document
 from src.pipeline import run_pipeline
-from src.rag.formatter import (
-    build_meeting_text_only,
-    format_global_document,
-    format_meeting_document,
-    format_summary_markdown,
-)
-from src.rag.indexer import index_meeting
-from src.rag.parser import classify_meeting, generate_meeting_brief, parse_project_from_filename
 
 
 UPLOAD_DIR = Path("uploads")
@@ -30,19 +21,21 @@ PROCESSED_DIR = Path("processed")
 UPLOAD_DIR.mkdir(exist_ok=True)
 PROCESSED_DIR.mkdir(exist_ok=True)
 
+# Глобальное хранилище состояний задач
 tasks: Dict[str, Dict[str, Any]] = {}
+
+# Callback для отправки прогресса через WebSocket
 _progress_callback: Optional[Callable] = None
-_transcribe_queue: asyncio.Queue = asyncio.Queue()
-_postprocess_queue: asyncio.Queue = asyncio.Queue()
-_workers: List[asyncio.Task] = []
 
 
 def set_progress_callback(callback: Callable):
+    """Устанавливает callback для отправки прогресса."""
     global _progress_callback
     _progress_callback = callback
 
 
 async def _send_progress(task_id: str, progress: int, message: str, status: str, result=None, error=None):
+    """Отправляет прогресс через callback."""
     if _progress_callback:
         try:
             task_info = tasks.get(task_id, {})
@@ -52,7 +45,6 @@ async def _send_progress(task_id: str, progress: int, message: str, status: str,
                 "message": message,
                 "status": status,
                 "file": task_info.get("file", ""),
-                "queue_position": task_info.get("queue_position"),
                 "result": result,
                 "error": error,
             })
@@ -60,47 +52,34 @@ async def _send_progress(task_id: str, progress: int, message: str, status: str,
             pass
 
 
-def _cleanup_upload(file_path: Path):
+async def process_file(file_path: Path, task_id: str):
-    if not file_path.exists():
+    """Обрабатывает один файл и отправляет прогресс."""
-        return
+    tasks[task_id] = {
-    parent = file_path.parent
+        "task_id": task_id,
-    if parent != UPLOAD_DIR and parent.name.startswith("task_"):
-        shutil.rmtree(parent, ignore_errors=True)
-    else:
-        file_path.unlink(missing_ok=True)
-
-
-def _default_metadata(project: str, segments: List[Dict[str, Any]]) -> Dict[str, Any]:
-    return {
-        "project": project,
-        "section": "Общие вопросы",
-        "topic": "Не определена",
-        "date": None,
-        "participants": sorted({seg.get("speaker", "UNKNOWN") for seg in segments}),
-        "problems": [],
-        "summary": "",
-        "key_decisions": [],
-        "action_items": [],
-    }
-
-
-async def process_transcription(file_path: Path, task_id: str):
-    """Этап 1: WhisperX + docx/md. После — в очередь summary/RAG."""
-    display_name = tasks.get(task_id, {}).get("file", file_path.name)
-    tasks[task_id].update({
         "status": "processing",
         "progress": 0,
-        "message": "Транскрибация...",
+        "message": "Начало обработки...",
-        "queue_position": None,
+        "file": str(file_path.name),
-    })
+        "result": None,
+        "error": None,
+        "started": datetime.now().isoformat(),
+    }
+    
     await _send_progress(task_id, 5, "Извлечение аудио...", "processing")
     
     try:
+        # Загружаем конфиг
         config = load_config()
-        await _send_progress(task_id, 15, "Загрузка моделей Whisper...", "processing")
+        profile = get_profile(config)
-        await asyncio.to_thread(prepare_audio_input, str(file_path))
-        await _send_progress(task_id, 25, "Распознавание речи...", "processing")
         
+        await _send_progress(task_id, 15, "Загрузка моделей ИИ...", "processing")
+        
+        # Подготовка аудио (в отдельном потоке, чтобы не блокировать event loop)
+        audio_path = await asyncio.to_thread(prepare_audio_input, str(file_path))
+        
+        await _send_progress(task_id, 25, "Транскрибация (распознавание речи)...", "processing")
+        
+        # Запуск пайплайна (в отдельном потоке)
         result = await asyncio.to_thread(
             run_pipeline,
             input_path=str(file_path),
@@ -108,56 +87,41 @@ async def process_transcription(file_path: Path, task_id: str):
             config_path=None,
         )
         
-        await _send_progress(task_id, 65, "Сохранение протокола...", "processing")
+        await _send_progress(task_id, 75, "Генерация документов...", "processing")
         
-        stem = Path(display_name).stem
+        # Определяем имена выходных файлов (уникальная папка с timestamp)
+        stem = file_path.stem
         timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
         folder_name = f"{stem}_{timestamp}"
         output_dir = PROCESSED_DIR / folder_name
         await asyncio.to_thread(output_dir.mkdir, parents=True, exist_ok=True)
         
-        docx_path = output_dir / f"{stem}.docx"
+        # Сохраняем docx и md (в отдельном потоке)
-        md_path = output_dir / f"{stem}.md"
+        docx_path = str(output_dir / f"{stem}.docx")
-        segments_path = output_dir / f"{stem}_segments.json"
+        md_path = str(output_dir / f"{stem}.md")
         
-        await asyncio.to_thread(build_document, result["segments"], str(docx_path), config)
+        await asyncio.to_thread(build_document, result["segments"], docx_path, config)
-        await asyncio.to_thread(build_document, result["segments"], str(md_path), config)
+        await asyncio.to_thread(build_document, result["segments"], md_path, config)
-        await asyncio.to_thread(
-            segments_path.write_text,
-            json.dumps(result["segments"], ensure_ascii=False),
-            encoding="utf-8",
-        )
         
-        await asyncio.to_thread(_cleanup_upload, file_path)
+        # Удаляем исходник из uploads после обработки
+        if file_path.exists():
+            await asyncio.to_thread(file_path.unlink)
+        
+        result_data = {
+            "docx": str(docx_path),
+            "md": str(md_path),
+            "dir": str(output_dir),
+        }
+        
+        await _send_progress(task_id, 100, "Обработка завершена", "completed", result=result_data)
         
-        post_position = _postprocess_queue.qsize() + 1
         tasks[task_id].update({
-            "status": "postprocessing",
+            "status": "completed",
-            "progress": 70,
+            "progress": 100,
-            "message": f"Транскрибация готова. Summary/RAG в очереди (№{post_position})",
+            "message": "Обработка завершена",
-            "result": {
+            "result": result_data,
-                "docx": str(docx_path),
+            "finished": datetime.now().isoformat(),
-                "md": str(md_path),
-                "dir": str(output_dir),
-            },
         })
-        await _send_progress(
-            task_id, 70,
-            f"Транскрибация готова. Summary/RAG в очереди (№{post_position})",
-            "postprocessing",
-            result=tasks[task_id]["result"],
-        )
-
-        await _postprocess_queue.put({
-            "task_id": task_id,
-            "display_name": display_name,
-            "output_dir": str(output_dir),
-            "stem": stem,
-            "segments_path": str(segments_path),
-            "docx_path": str(docx_path),
-            "md_path": str(md_path),
-        })
-        print(f"[Transcribe] Задача {task_id} передана в post-processing")
         
     except Exception as e:
         error_msg = str(e)
@@ -167,264 +131,103 @@ async def process_transcription(file_path: Path, task_id: str):
             "progress": 0,
             "message": f"Ошибка: {error_msg}",
             "error": error_msg,
-            "queue_position": None,
         })
 
 
-async def process_postprocessing(job: Dict[str, Any]):
+# Очередь задач
-    """Этап 2: summary, txt, RAG — не блокирует следующую транскрибацию."""
+_queue: asyncio.Queue = asyncio.Queue()
-    task_id = job["task_id"]
+_workers: List[asyncio.Task] = []
-    display_name = job["display_name"]
-    stem = job["stem"]
-    output_dir = Path(job["output_dir"])
-
-    summary_path = output_dir / f"{stem}_summary.md"
-    txt_path = output_dir / f"{stem}.txt"
-
-    tasks[task_id].update({
-        "status": "postprocessing",
-        "message": "Summary и индексация...",
-    })
-    await _send_progress(task_id, 75, "Summary и индексация...", "postprocessing")
-
-    result_data = dict(tasks[task_id].get("result") or {})
-
-    try:
-        segments = json.loads(Path(job["segments_path"]).read_text(encoding="utf-8"))
-        config = load_config()
-        rag_cfg = config.get("rag", {})
-        api_key, base_url = resolve_opencode_credentials(config)
-        project = parse_project_from_filename(display_name)
-        meeting_text = build_meeting_text_only(segments)
-        metadata = _default_metadata(project, segments)
-
-        if api_key:
-            try:
-                sections = rag_cfg.get("sections", ["Общие вопросы"])
-                index_model = rag_cfg.get("index_model", "mimo-v2.5-free")
-                summary_model = rag_cfg.get("summary_model", "deepseek-v4-flash-free")
-                summary_auto = rag_cfg.get("summary_auto", True)
-                classify_chunk_size = int(rag_cfg.get("classify_chunk_size", 7000))
-                summary_chunk_size = int(rag_cfg.get("summary_chunk_size", 10000))
-
-                await _send_progress(task_id, 80, "Анализ совещания...", "postprocessing")
-                metadata = await classify_meeting(
-                    text=meeting_text,
-                    project=project,
-                    sections=sections,
-                    api_key=api_key,
-                    base_url=base_url,
-                    model=index_model,
-                    chunk_size=classify_chunk_size,
-                )
-
-                if summary_auto:
-                    await _send_progress(task_id, 85, "Формирование краткого содержания...", "postprocessing")
-                    brief = await generate_meeting_brief(
-                        text=meeting_text,
-                        metadata=metadata,
-                        api_key=api_key,
-                        base_url=base_url,
-                        model=summary_model,
-                        chunk_size=summary_chunk_size,
-                    )
-                    summary_md = format_summary_markdown(metadata, brief, display_name)
-                    await asyncio.to_thread(
-                        summary_path.write_text,
-                        summary_md,
-                        encoding="utf-8",
-                    )
-                    result_data["summary"] = str(summary_path)
-
-                doc_text = format_meeting_document(segments, metadata, display_name)
-                await asyncio.to_thread(txt_path.write_text, doc_text, encoding="utf-8")
-                result_data["txt"] = str(txt_path)
-                result_data["metadata"] = metadata
-                result_data["project"] = project
-
-                if rag_cfg.get("enabled", False) and rag_cfg.get("auto_index", True):
-                    await _send_progress(task_id, 92, "Индексация в базу знаний...", "postprocessing")
-                    index_dir = Path(rag_cfg.get("project_index_dir", "./processed/lightrag_caches"))
-                    global_doc_text = format_global_document(doc_text, metadata)
-                    await index_meeting(
-                        doc_text=doc_text,
-                        global_doc_text=global_doc_text,
-                        project_name=project,
-                        working_dir_base=index_dir,
-                        model=index_model,
-                        api_key=api_key,
-                        base_url=base_url,
-                    )
-            except Exception as e:
-                print(f"[Postprocess Warning] {task_id}: {e}")
-                if not result_data.get("txt"):
-                    doc_text = format_meeting_document(segments, metadata, display_name)
-                    await asyncio.to_thread(txt_path.write_text, doc_text, encoding="utf-8")
-                    result_data["txt"] = str(txt_path)
-        else:
-            doc_text = format_meeting_document(segments, metadata, display_name)
-            await asyncio.to_thread(txt_path.write_text, doc_text, encoding="utf-8")
-            result_data["txt"] = str(txt_path)
-
-        await _send_progress(task_id, 100, "Обработка завершена", "completed", result=result_data)
-        tasks[task_id].update({
-            "status": "completed",
-            "progress": 100,
-            "message": "Обработка завершена",
-            "result": result_data,
-            "finished": datetime.now().isoformat(),
-            "queue_position": None,
-        })
-
-    except Exception as e:
-        error_msg = str(e)
-        await _send_progress(task_id, 70, f"Ошибка summary/RAG: {error_msg}", "error", error=error_msg)
-        tasks[task_id].update({
-            "status": "error",
-            "message": f"Ошибка summary/RAG: {error_msg}",
-            "error": error_msg,
-        })
 
 
-async def _transcribe_worker_loop(worker_id: int):
+async def _worker_loop():
-    print(f"[Transcribe Worker {worker_id}] запущен")
+    """Рабочий цикл обработки."""
+    print("[Worker] Рабочий процесс запущен и ждёт задачи...")
     while True:
         try:
-            task_id, file_path = await _transcribe_queue.get()
+            task_id, file_path = await _queue.get()
-            print(f"[Transcribe Worker {worker_id}] задача {task_id}")
+            print(f"[Worker] Получена задача: {task_id}")
-            await process_transcription(file_path, task_id)
+            await process_file(file_path, task_id)
-            _transcribe_queue.task_done()
+            _queue.task_done()
+            print(f"[Worker] Задача завершена: {task_id}")
         except asyncio.CancelledError:
+            print("[Worker] Остановка рабочего процесса")
             break
         except Exception as e:
-            print(f"[Transcribe Worker {worker_id} Error] {e}")
+            print(f"[Worker Error] {e}")
 
 
-async def _postprocess_worker_loop(worker_id: int):
+def start_workers(num_workers: int = 1):
-    print(f"[Postprocess Worker {worker_id}] запущен")
+    """Запускает рабочих в текущем event loop."""
-    while True:
-        try:
-            job = await _postprocess_queue.get()
-            print(f"[Postprocess Worker {worker_id}] задача {job.get('task_id')}")
-            await process_postprocessing(job)
-            _postprocess_queue.task_done()
-        except asyncio.CancelledError:
-            break
-        except Exception as e:
-            print(f"[Postprocess Worker {worker_id} Error] {e}")
-
-
-def start_workers(transcribe_workers: int = 2, postprocess_workers: int = 1):
-    """Запускает пулы воркеров транскрибации и post-processing."""
     global _workers
-    _workers.clear()
+    for i in range(num_workers):
-    for i in range(transcribe_workers):
+        task = asyncio.create_task(_worker_loop())
-        _workers.append(asyncio.create_task(_transcribe_worker_loop(i + 1)))
+        _workers.append(task)
-    for i in range(postprocess_workers):
-        _workers.append(asyncio.create_task(_postprocess_worker_loop(i + 1)))
-    print(f"[Queue] transcribe_workers={transcribe_workers}, postprocess_workers={postprocess_workers}")
 
 
 def stop_workers():
+    """Останавливает рабочих."""
     for w in _workers:
         w.cancel()
 
 
-async def save_upload(content: bytes, filename: str) -> tuple[str, Path]:
+async def enqueue(file_path: Path) -> str:
-    safe_name = Path(filename).name or "upload.bin"
+    """Добавляет файл в очередь."""
-    task_id = f"task_{datetime.now().strftime('%Y%m%d_%H%M%S')}_{uuid.uuid4().hex[:8]}"
+    task_id = f"task_{datetime.now().strftime('%Y%m%d_%H%M%S')}_{file_path.stem}"
-    task_dir = UPLOAD_DIR / task_id
-    task_dir.mkdir(parents=True, exist_ok=True)
-    file_path = task_dir / safe_name
-
-    await asyncio.to_thread(file_path.write_bytes, content)
-
-    queue_position = _transcribe_queue.qsize() + 1
     tasks[task_id] = {
         "task_id": task_id,
         "status": "queued",
         "progress": 0,
-        "message": f"В очереди транскрибации (№{queue_position})",
+        "message": "В очереди...",
-        "file": safe_name,
+        "file": str(file_path.name),
-        "queue_position": queue_position,
         "result": None,
         "error": None,
         "started": datetime.now().isoformat(),
     }
-
+    await _queue.put((task_id, file_path))
-    await _transcribe_queue.put((task_id, file_path))
+    return task_id
-    await _send_progress(task_id, 0, f"В очереди транскрибации (№{queue_position})", "queued")
-    return task_id, file_path
-
-
-def get_queue_info() -> Dict[str, Any]:
-    queued = sum(1 for t in tasks.values() if t.get("status") == "queued")
-    processing = sum(1 for t in tasks.values() if t.get("status") == "processing")
-    postprocessing = sum(1 for t in tasks.values() if t.get("status") == "postprocessing")
-    return {
-        "queued": queued,
-        "processing": processing,
-        "postprocessing": postprocessing,
-        "pending_transcribe": _transcribe_queue.qsize(),
-        "pending_postprocess": _postprocess_queue.qsize(),
-        "pending_in_queue": _transcribe_queue.qsize(),
-    }
 
 
 def get_task_status(task_id: str) -> Optional[Dict[str, Any]]:
+    """Возвращает статус задачи."""
     return tasks.get(task_id)
 
 
 def get_all_tasks() -> List[Dict[str, Any]]:
+    """Возвращает все задачи."""
     return list(tasks.values())
 
 
-def _file_sort_key(file_info: Dict[str, Any]) -> tuple:
-    name = file_info.get("name", "").lower()
-    if "_summary." in name:
-        return (0, name)
-    if name.endswith(".md") and "_summary" not in name:
-        return (1, name)
-    if name.endswith(".txt"):
-        return (2, name)
-    if name.endswith(".docx"):
-        return (3, name)
-    return (4, name)
-
-
 def get_processed_tree() -> List[Dict[str, Any]]:
+    """Возвращает дерево обработанных файлов."""
     tree = []
     if not PROCESSED_DIR.exists():
         return tree
     
-    skip_names = {"lightrag_caches", "lightrag_caches_test"}
-    skip_suffixes = ("_segments.json",)
-
     for item in sorted(PROCESSED_DIR.iterdir()):
-        if not item.is_dir() or item.name in skip_names:
+        if item.is_dir():
-            continue
+            files = []
-        files = []
+            for f in sorted(item.iterdir()):
-        for f in sorted(item.iterdir(), key=lambda p: _file_sort_key({"name": p.name})):
+                if f.is_file():
-            if f.is_file() and not f.name.endswith(skip_suffixes):
+                    files.append({
-                files.append({
+                        "name": f.name,
-                    "name": f.name,
+                        "path": str(f.relative_to(PROCESSED_DIR)),
-                    "path": str(f.relative_to(PROCESSED_DIR)),
+                        "size": f.stat().st_size,
-                    "size": f.stat().st_size,
+                        "ext": f.suffix.lower(),
-                    "ext": f.suffix.lower(),
+                    })
-                    "kind": "summary" if "_summary" in f.name else "protocol",
+            tree.append({
-                })
+                "name": item.name,
-        tree.append({
+                "path": str(item.relative_to(PROCESSED_DIR)),
-            "name": item.name,
+                "files": files,
-            "path": str(item.relative_to(PROCESSED_DIR)),
+                "created": datetime.fromtimestamp(item.stat().st_ctime).isoformat(),
-            "files": files,
+            })
-            "created": datetime.fromtimestamp(item.stat().st_ctime).isoformat(),
-        })
     return tree
 
 
 def read_file_content(rel_path: str) -> str:
+    """Читает содержимое файла."""
     full_path = PROCESSED_DIR / rel_path
     if not full_path.exists() or not full_path.is_file():
         raise FileNotFoundError(f"Файл не найден: {rel_path}")
+    
     with open(full_path, "r", encoding="utf-8") as f:
         return f.read()

backend/static/app.js

@@ -8,17 +8,12 @@ class TranscriptionApp {
         this.tasks = new Map();
         this.currentFile = null;
         this.renderTimeout = null;
-        this.chatHistory = [];
-        this.chatProjects = [];
-        this.isChatThinking = false;
         this.init();
     }
 
     init() {
         this.connectWebSocket();
         this.setupUpload();
-        this.setupChat();
-        this.loadChatHistory();
     }
 
     // ===== WebSocket =====
@@ -65,13 +60,8 @@ class TranscriptionApp {
     handleWebSocketMessage(data) {
         if (data.type === 'tasks_list') {
             this.updateTasks(data.tasks);
-            this.updateQueueSummary(data.queue);
         } else if (data.type === 'file_tree') {
             this.renderFileTree(data.tree);
-        } else if (data.type === 'rag_response') {
-            this.handleChatResponse(data);
-        } else if (data.type === 'rag_error') {
-            this.handleChatError(data.error);
         } else if (data.task_id) {
             // Прогресс обработки
             this.updateTaskProgress(data);
@@ -144,21 +134,11 @@ class TranscriptionApp {
             if (result.error) {
                 this.showToast(`Ошибка: ${result.error}`, 'error');
             } else {
-                const queueInfo = result.queue || {};
+                this.showToast(`Загружено ${result.uploaded} файл(а). Начинается обработка...`, 'success');
-                const queued = queueInfo.pending_in_queue ?? result.uploaded;
-                this.showToast(
-                    `${result.uploaded} файл(ов) в очереди. В ожидании: ${queued}`,
-                    'success'
-                );
                 result.tasks.forEach(task => {
-                    this.tasks.set(task.task_id, {
+                    this.tasks.set(task.task_id, task);
-                        ...task,
-                        message: task.message || 'В очереди...',
-                        progress: 0,
-                    });
                 });
                 this.renderTasks();
-                this.updateQueueSummary(result.queue);
             }
         } catch (error) {
             this.showToast(`Ошибка загрузки: ${error.message}`, 'error');
@@ -173,17 +153,6 @@ class TranscriptionApp {
         this.renderTasks();
     }
 
-    updateQueueSummary(queue) {
-        const el = document.getElementById('queueSummary');
-        if (!el || !queue) return;
-        const parts = [];
-        if (queue.processing) parts.push(`транскрибация: ${queue.processing}`);
-        if (queue.pending_transcribe) parts.push(`в очереди ASR: ${queue.pending_transcribe}`);
-        if (queue.postprocessing) parts.push(`summary/RAG: ${queue.postprocessing}`);
-        if (queue.pending_postprocess) parts.push(`в очереди post: ${queue.pending_postprocess}`);
-        el.textContent = parts.length ? parts.join(' · ') : 'очередь пуста';
-    }
-
     updateTaskProgress(data) {
         const existing = Array.from(this.tasks.values()).find(t => t.task_id === data.task_id);
         if (existing) {
@@ -194,9 +163,7 @@ class TranscriptionApp {
         this.renderTasks();
 
         if (data.status === 'completed') {
-            this.showToast(`Готово: ${data.file || data.message}`, 'success');
+            this.showToast(`Готово: ${data.message}`, 'success');
-            this.requestTree();
-        } else if (data.status === 'postprocessing' && data.progress === 70) {
             this.requestTree();
         } else if (data.status === 'error') {
             this.showToast(`Ошибка: ${data.message}`, 'error');
@@ -207,10 +174,7 @@ class TranscriptionApp {
         if (this.renderTimeout) clearTimeout(this.renderTimeout);
         this.renderTimeout = setTimeout(() => {
             const container = document.getElementById('tasksList');
-            const tasks = Array.from(this.tasks.values()).sort((a, b) => {
+            const tasks = Array.from(this.tasks.values());
-                const order = { processing: 0, postprocessing: 1, queued: 2, completed: 3, error: 4 };
-                return (order[a.status] ?? 9) - (order[b.status] ?? 9);
-            });
 
             if (tasks.length === 0) {
                 container.innerHTML = '<p class="empty-state">Нет активных задач</p>';
@@ -225,8 +189,7 @@ class TranscriptionApp {
         const progress = task.progress || 0;
         const statusClass = task.status === 'completed' ? 'success' :
                            task.status === 'error' ? 'error' :
-                           task.status === 'processing' ? 'processing' :
+                           task.status === 'processing' ? 'processing' : 'queued';
-                           task.status === 'postprocessing' ? 'postprocessing' : 'queued';
 
         return `
             <div class="task-item ${statusClass}">
@@ -245,8 +208,7 @@ class TranscriptionApp {
     getStatusLabel(status) {
         const labels = {
             'queued': 'В очереди',
-            'processing': 'Транскрибация',
+            'processing': 'Обработка',
-            'postprocessing': 'Summary/RAG',
             'completed': 'Готово',
             'error': 'Ошибка',
         };
@@ -268,13 +230,10 @@ class TranscriptionApp {
 
     renderFolder(folder) {
         const files = folder.files.map(file => {
-            const isSummary = file.kind === 'summary' || file.name.includes('_summary');
             const isMd = file.ext === '.md';
             const isDocx = file.ext === '.docx';
-            const isTxt = file.ext === '.txt';
+            const icon = isMd ? '📝' : isDocx ? '📄' : '📎';
-            const icon = isSummary ? '📋' : isMd ? '📝' : isDocx ? '📄' : isTxt ? '📃' : '📎';
             const downloadUrl = `/api/files/download?path=${encodeURIComponent(file.path)}`;
-            const cssClass = isSummary ? 'file-item file-summary' : 'file-item';
 
             if (isDocx) {
                 return `
@@ -287,7 +246,7 @@ class TranscriptionApp {
             }
 
             return `
-                <div class="${cssClass}" data-path="${this.escapeHtml(file.path)}" data-ext="${file.ext}">
+                <div class="file-item" data-path="${this.escapeHtml(file.path)}" data-ext="${file.ext}">
                     <span class="file-icon">${icon}</span>
                     <span class="file-name">${this.escapeHtml(file.name)}</span>
                     <span class="file-size">${this.formatBytes(file.size)}</span>
@@ -388,7 +347,7 @@ class TranscriptionApp {
     async loadFileContent(path, ext) {
         const viewer = document.getElementById('viewer');
 
-        if (ext === '.md' || ext === '.txt') {
+        if (ext === '.md') {
             try {
                 const response = await fetch(`/api/files/content?path=${encodeURIComponent(path)}`);
                 const result = await response.json();
@@ -398,10 +357,8 @@ class TranscriptionApp {
                     return;
                 }
 
-                const bodyHtml = ext === '.md'
+                // Render markdown
-                    ? marked.parse(result.content)
+                const html = marked.parse(result.content);
-                    : `<pre class="txt-content">${this.escapeHtml(result.content)}</pre>`;
-
                 viewer.innerHTML = `
                     <div class="md-content">
                         <div class="md-header">
@@ -409,7 +366,7 @@ class TranscriptionApp {
                             <a href="/api/files/download?path=${encodeURIComponent(path)}" 
                                class="btn-download" download>⬇️ Скачать</a>
                         </div>
-                        <div class="md-body">${bodyHtml}</div>
+                        <div class="md-body">${html}</div>
                     </div>
                 `;
                 this.currentFile = path;
@@ -463,161 +420,6 @@ class TranscriptionApp {
             minute: '2-digit',
         });
     }
-
-    // ===== Chat =====
-    setupChat() {
-        const input = document.getElementById('chatInput');
-        const sendBtn = document.getElementById('chatSendBtn');
-        const clearBtn = document.getElementById('chatClearBtn');
-
-        sendBtn.addEventListener('click', () => this.sendChatMessage());
-        input.addEventListener('keypress', (e) => {
-            if (e.key === 'Enter') this.sendChatMessage();
-        });
-        clearBtn.addEventListener('click', () => this.clearChatHistory());
-
-        this.loadChatProjects();
-    }
-
-    async loadChatProjects() {
-        try {
-            const response = await fetch('/api/rag/projects');
-            const result = await response.json();
-            const select = document.getElementById('chatProjectSelect');
-            select.innerHTML = '<option value="">Все проекты</option>';
-            if (result.projects) {
-                result.projects.forEach(p => {
-                    const opt = document.createElement('option');
-                    opt.value = p;
-                    opt.textContent = p;
-                    select.appendChild(opt);
-                });
-            }
-        } catch (e) {
-            console.error('Failed to load projects:', e);
-        }
-    }
-
-    sendChatMessage() {
-        if (this.isChatThinking) return;
-
-        const input = document.getElementById('chatInput');
-        const question = input.value.trim();
-        if (!question) return;
-
-        const select = document.getElementById('chatProjectSelect');
-        const project = select.value;
-
-        input.value = '';
-        this.addChatBubble('user', question);
-        this.setChatThinking(true);
-
-        const action = project ? 'rag_query' : 'rag_query_global';
-        this.sendWS({
-            action: action,
-            question: question,
-            project: project || undefined,
-            history: this.chatHistory.slice(-6), // последние 6 пар
-            mode: 'hybrid',
-        });
-    }
-
-    handleChatResponse(data) {
-        this.setChatThinking(false);
-        const answer = data.answer || 'Нет ответа';
-        const project = data.project ? `Проект: ${data.project}` : 'Все проекты';
-        const sources = ''; // можно добавить data.context, но он может быть слишком длинным
-        const html = `<div>${this.escapeHtml(answer)}</div>`;
-        this.addChatBubble('bot', html, { isHtml: true, meta: project });
-
-        // Сохраняем в историю
-        const lastUserMsg = this.getLastUserMessage();
-        if (lastUserMsg) {
-            this.chatHistory.push({ question: lastUserMsg, answer: answer });
-            this.saveChatHistory();
-        }
-    }
-
-    handleChatError(error) {
-        this.setChatThinking(false);
-        this.addChatBubble('bot', `Ошибка: ${this.escapeHtml(error || 'Неизвестная ошибка')}`);
-    }
-
-    getLastUserMessage() {
-        const container = document.getElementById('chatMessages');
-        const bubbles = container.querySelectorAll('.chat-bubble.user');
-        if (bubbles.length) {
-            return bubbles[bubbles.length - 1].textContent.trim();
-        }
-        return null;
-    }
-
-    setChatThinking(thinking) {
-        this.isChatThinking = thinking;
-        const container = document.getElementById('chatMessages');
-        const existing = container.querySelector('.chat-thinking');
-        if (thinking) {
-            if (!existing) {
-                const div = document.createElement('div');
-                div.className = 'chat-thinking';
-                div.textContent = 'Думаю...';
-                container.appendChild(div);
-                container.scrollTop = container.scrollHeight;
-            }
-        } else {
-            if (existing) existing.remove();
-        }
-    }
-
-    addChatBubble(role, content, options = {}) {
-        const container = document.getElementById('chatMessages');
-        const bubble = document.createElement('div');
-        bubble.className = `chat-bubble ${role}`;
-        if (options.isHtml) {
-            bubble.innerHTML = content;
-        } else {
-            bubble.textContent = content;
-        }
-        if (options.meta) {
-            const meta = document.createElement('div');
-            meta.className = 'bubble-sources';
-            meta.textContent = options.meta;
-            bubble.appendChild(meta);
-        }
-        container.appendChild(bubble);
-        container.scrollTop = container.scrollHeight;
-    }
-
-    clearChatHistory() {
-        this.chatHistory = [];
-        localStorage.removeItem('transcriba_chat_history');
-        const container = document.getElementById('chatMessages');
-        container.innerHTML = `
-            <div class="chat-welcome">
-                <p>Здравствуйте! Я помогу найти информацию в протоколах совещаний.</p>
-                <p class="chat-hint">Выберите проект или оставьте «Все проекты» для глобального поиска.</p>
-            </div>
-        `;
-    }
-
-    saveChatHistory() {
-        try {
-            localStorage.setItem('transcriba_chat_history', JSON.stringify(this.chatHistory));
-        } catch (e) {
-            // ignore
-        }
-    }
-
-    loadChatHistory() {
-        try {
-            const raw = localStorage.getItem('transcriba_chat_history');
-            if (raw) {
-                this.chatHistory = JSON.parse(raw);
-            }
-        } catch (e) {
-            this.chatHistory = [];
-        }
-    }
 }
 
 // Initialize

backend/static/index.html

@@ -34,10 +34,7 @@
 
                 <!-- Queue Status -->
                 <div class="queue-status" id="queueStatus">
-                    <div class="queue-status-header">
+                    <h3>Очередь обработки</h3>
-                        <h3>Очередь обработки</h3>
-                        <span class="queue-summary" id="queueSummary">очередь пуста</span>
-                    </div>
                     <div class="tasks-list" id="tasksList">
                         <p class="empty-state">Нет активных задач</p>
                     </div>
@@ -62,29 +59,6 @@
                     </div>
                 </div>
             </section>
-
-            <!-- Chat Section -->
-            <section class="chat-section" id="chatSection">
-                <div class="chat-header">
-                    <h2>🤖 Чат с базой знаний</h2>
-                    <div class="chat-controls">
-                        <select id="chatProjectSelect">
-                            <option value="">Все проекты</option>
-                        </select>
-                        <button id="chatClearBtn" title="Очистить историю">🗑️</button>
-                    </div>
-                </div>
-                <div class="chat-messages" id="chatMessages">
-                    <div class="chat-welcome">
-                        <p>Здравствуйте! Я помогу найти информацию в протоколах совещаний.</p>
-                        <p class="chat-hint">Выберите проект или оставьте «Все проекты» для глобального поиска.</p>
-                    </div>
-                </div>
-                <div class="chat-input-row">
-                    <input type="text" id="chatInput" placeholder="Задайте вопрос по протоколам совещаний..." autocomplete="off">
-                    <button id="chatSendBtn">Отправить</button>
-                </div>
-            </section>
         </main>
     </div>
 

backend/static/styles.css

@@ -109,24 +109,11 @@ header h1 {
 }
 
 .queue-status h3 {
-    margin-bottom: 0;
+    margin-bottom: 15px;
     font-size: 1.1rem;
     color: var(--text-primary);
 }
 
-.queue-status-header {
-    display: flex;
-    justify-content: space-between;
-    align-items: center;
-    gap: 12px;
-    margin-bottom: 15px;
-}
-
-.queue-summary {
-    font-size: 0.85rem;
-    color: var(--text-secondary);
-}
-
 .tasks-list {
     display: flex;
     flex-direction: column;
@@ -151,13 +138,6 @@ header h1 {
 .task-item.success { border-left-color: var(--success); }
 .task-item.error { border-left-color: var(--error); }
 .task-item.processing { border-left-color: var(--warning); }
-.task-item.postprocessing { border-left-color: #8b5cf6; }
-.task-item.queued { border-left-color: var(--text-secondary); opacity: 0.95; }
-
-.task-status-badge.postprocessing {
-    background: rgba(139, 92, 246, 0.15);
-    color: #8b5cf6;
-}
 
 .task-header {
     display: flex;
@@ -319,22 +299,6 @@ header h1 {
     cursor: pointer;
 }
 
-.file-item.file-summary {
-    background: rgba(99, 102, 241, 0.08);
-    border: 1px solid rgba(99, 102, 241, 0.2);
-}
-
-.file-item.file-summary:hover {
-    background: rgba(99, 102, 241, 0.15);
-}
-
-.txt-content {
-    white-space: pre-wrap;
-    word-break: break-word;
-    font-family: inherit;
-    line-height: 1.6;
-}
-
 .file-icon {
     font-size: 1rem;
 }
@@ -508,170 +472,6 @@ header h1 {
     to { transform: translateX(100%); opacity: 0; }
 }
 
-/* ===== Chat Section ===== */
-.chat-section {
-    margin-top: 30px;
-    background: var(--bg-secondary);
-    border-radius: var(--radius);
-    display: flex;
-    flex-direction: column;
-    max-height: 600px;
-    overflow: hidden;
-    border: 1px solid var(--border);
-}
-
-.chat-header {
-    display: flex;
-    justify-content: space-between;
-    align-items: center;
-    padding: 16px 20px;
-    background: var(--bg-tertiary);
-    border-bottom: 1px solid var(--border);
-}
-
-.chat-header h2 {
-    font-size: 1.1rem;
-    margin: 0;
-}
-
-.chat-controls {
-    display: flex;
-    align-items: center;
-    gap: 10px;
-}
-
-#chatProjectSelect {
-    background: var(--bg-hover);
-    color: var(--text-primary);
-    border: 1px solid var(--border);
-    border-radius: var(--radius);
-    padding: 6px 12px;
-    font-size: 0.9rem;
-}
-
-#chatClearBtn {
-    background: transparent;
-    border: none;
-    color: var(--text-secondary);
-    cursor: pointer;
-    font-size: 1.1rem;
-    padding: 4px 8px;
-    border-radius: var(--radius);
-    transition: background 0.2s;
-}
-
-#chatClearBtn:hover {
-    background: rgba(248, 113, 113, 0.2);
-}
-
-.chat-messages {
-    flex: 1;
-    overflow-y: auto;
-    padding: 20px;
-    display: flex;
-    flex-direction: column;
-    gap: 12px;
-    min-height: 300px;
-}
-
-.chat-welcome {
-    text-align: center;
-    color: var(--text-secondary);
-    padding: 30px 20px;
-}
-
-.chat-welcome p {
-    margin-bottom: 8px;
-}
-
-.chat-hint {
-    font-size: 0.85rem;
-    opacity: 0.8;
-}
-
-.chat-bubble {
-    max-width: 80%;
-    padding: 12px 16px;
-    border-radius: var(--radius);
-    line-height: 1.5;
-    word-wrap: break-word;
-}
-
-.chat-bubble.user {
-    align-self: flex-end;
-    background: var(--accent);
-    color: white;
-}
-
-.chat-bubble.bot {
-    align-self: flex-start;
-    background: var(--bg-tertiary);
-    border: 1px solid var(--border);
-}
-
-.chat-bubble .bubble-sources {
-    font-size: 0.75rem;
-    margin-top: 8px;
-    padding-top: 8px;
-    border-top: 1px solid rgba(255,255,255,0.1);
-    opacity: 0.9;
-}
-
-.chat-bubble.bot .bubble-sources {
-    border-top-color: var(--border);
-    color: var(--text-secondary);
-}
-
-.chat-thinking {
-    align-self: flex-start;
-    color: var(--text-secondary);
-    font-style: italic;
-    padding: 8px 12px;
-}
-
-.chat-input-row {
-    display: flex;
-    gap: 10px;
-    padding: 16px 20px;
-    background: var(--bg-tertiary);
-    border-top: 1px solid var(--border);
-}
-
-#chatInput {
-    flex: 1;
-    background: var(--bg-hover);
-    color: var(--text-primary);
-    border: 1px solid var(--border);
-    border-radius: var(--radius);
-    padding: 10px 14px;
-    font-size: 0.95rem;
-}
-
-#chatInput:focus {
-    outline: none;
-    border-color: var(--accent);
-}
-
-#chatSendBtn {
-    background: var(--accent);
-    color: white;
-    border: none;
-    border-radius: var(--radius);
-    padding: 10px 20px;
-    font-size: 0.95rem;
-    cursor: pointer;
-    transition: background 0.2s;
-}
-
-#chatSendBtn:hover {
-    background: var(--accent-hover);
-}
-
-#chatSendBtn:disabled {
-    opacity: 0.5;
-    cursor: not-allowed;
-}
-
 /* ===== Responsive ===== */
 @media (max-width: 768px) {
     .results-section {
@@ -685,10 +485,4 @@ header h1 {
     .drop-zone {
         padding: 20px;
     }
-
-    .chat-header {
-        flex-direction: column;
-        align-items: flex-start;
-        gap: 10px;
-    }
 }

config.yaml

@@ -42,35 +42,6 @@ output:
   speaker_label_style: name  # name | id | none
   paragraph_pause_sec: 2.0   # новый абзац, если пауза > N секунд
 
-# Настройки RAG (LightRAG для протоколов совещаний)
-rag:
-  enabled: true
-  auto_index: true
-  sections:
-    - Планировка
-    - Конструкции
-    - MEP
-    - Отделка
-    - Общие вопросы
-    - Согласование
-    - Контроль качества
-  index_backend: opencode
-  index_model: mimo-v2.5-free
-  chat_backend: opencode
-  chat_model: deepseek-v4-flash-free
-  summary_auto: true
-  summary_model: deepseek-v4-flash-free
-  summary_chunk_size: 10000
-  classify_chunk_size: 7000
-  opencode_api_key: "sk-4jJBUMS7WJyBOtZZAexsSy6aT4NKOYp2gA19WLlaux8jHMw0HvyCl1V45Jf8SONz"  # Или через env: OPENCODE_API_KEY
-  opencode_url: "https://opencode.ai/zen/v1"
-  project_index_dir: ./processed/lightrag_caches
-
-# Очередь обработки
-queue:
-  transcribe_workers: 2
-  postprocess_workers: 1
-
 # Пути
 paths:
   output_dir: ./output

docker-compose.yml

@@ -1,8 +1,5 @@
 services:
   transcription:
-    build:
-      context: .
-      dockerfile: Dockerfile.rag
     image: transcription-transcription:latest
     container_name: transcription_service
     ports:
@@ -12,21 +9,14 @@ services:
     environment:
       - PYTHONUNBUFFERED=1
       - HF_TOKEN=${HF_TOKEN}
-      - OPENCODE_API_KEY=${OPENCODE_API_KEY}
-      - OPENCODE_URL=${OPENCODE_URL:-https://opencode.ai/zen/v1}
-      - HF_HOME=/root/.cache/huggingface
-      - NLTK_DATA=/root/nltk_data
-      - TRANSFORMERS_OFFLINE=0
     volumes:
       - uploads:/app/uploads
       - processed:/app/processed
       - tmp:/app/tmp
-      - ./config.yaml:/app/config.yaml:ro
       - ./backend:/app/backend:ro
       - ./src:/app/src:ro
       - ./scripts:/app/scripts:ro
-      - ./models/huggingface:/root/.cache/huggingface
+      - nltk_data:/root/nltk_data
-      - ./models/nltk_data:/root/nltk_data:ro
     restart: unless-stopped
     entrypoint: ["uvicorn"]
     command: ["backend.main:app", "--host", "0.0.0.0", "--port", "8000"]
@@ -41,3 +31,4 @@ volumes:
   uploads:
   processed:
   tmp:
+  nltk_data:

pip.conf

@@ -1,11 +0,0 @@
-[global]
-# Yandex — основной (HTTP, иначе SSL WRONG_VERSION_NUMBER на HTTPS)
-index-url = http://mirror.yandex.ru/pypi/simple/
-# Fallback, пока simple-индекс Yandex не синхронизирован
-extra-index-url = https://pypi.org/simple/
-trusted-host = mirror.yandex.ru
-               pypi.org
-               files.pythonhosted.org
-               pypi.python.org
-timeout = 300
-retries = 5

requirements.txt

@@ -5,10 +5,3 @@ websockets
 python-docx
 pyyaml
 whisperx
-
-# RAG / LightRAG
-lightrag-hku>=1.4.0
-openai>=1.0.0
-python-dotenv>=1.0.0
-sentence-transformers>=3.0.0
-numpy>=1.24.0

scripts/setup_local_models.ps1

@@ -1,57 +0,0 @@
-# Подготовка локальной папки models/ для офлайн-развёртывания.
-# Использование: .\scripts\setup_local_models.ps1
-
-$ErrorActionPreference = "Stop"
-$ProjectRoot = Split-Path $PSScriptRoot -Parent
-$ModelsDir = Join-Path $ProjectRoot "models"
-$NltkBackup = Join-Path (Split-Path $ProjectRoot -Parent) ".nltk_data_backup"
-
-Write-Host "==> Папка моделей: $ModelsDir"
-
-New-Item -ItemType Directory -Force -Path $ModelsDir | Out-Null
-
-# 1. NLTK (punkt, punkt_tab)
-$NltkTarget = Join-Path $ModelsDir "nltk_data"
-if (-not (Test-Path "$NltkTarget\tokenizers\punkt")) {
-    if (Test-Path $NltkBackup) {
-        Write-Host "==> Копирование NLTK data из $NltkBackup"
-        New-Item -ItemType Directory -Force -Path $NltkTarget | Out-Null
-        Copy-Item -Recurse -Force "$NltkBackup\*" $NltkTarget
-    } else {
-        Write-Warning "NLTK backup не найден: $NltkBackup"
-    }
-} else {
-    Write-Host "==> NLTK data уже на месте"
-}
-
-# 2. HuggingFace модели из Docker-образа (если есть)
-$HubTarget = Join-Path $ModelsDir "huggingface\hub"
-$Marker = Join-Path $HubTarget "models--Systran--faster-whisper-large-v3"
-if (-not (Test-Path $Marker)) {
-    $Image = "transcription-transcription:latest"
-    $Exists = docker images -q $Image 2>$null
-    if ($Exists) {
-        Write-Host "==> Извлечение моделей из Docker-образа $Image (~5 GB, несколько минут)..."
-        docker rm -f model_extract 2>$null | Out-Null
-        docker create --name model_extract $Image | Out-Null
-        New-Item -ItemType Directory -Force -Path (Split-Path $HubTarget -Parent) | Out-Null
-        docker cp model_extract:/root/.cache/huggingface (Join-Path $ModelsDir "huggingface")
-        docker rm model_extract | Out-Null
-        Write-Host "==> Модели Whisper/Alignment/Diarization скопированы"
-    } else {
-        Write-Warning "Образ $Image не найден. Сначала соберите: docker compose build"
-        Write-Warning "Или запустите: python scripts/download_models.py (скачает модели из интернета)"
-    }
-} else {
-    Write-Host "==> HuggingFace модели уже на месте"
-}
-
-# 3. Sentence-transformers для RAG (скачивается при первом запуске, опционально предзагрузка)
-Write-Host ""
-Write-Host "Готово. Структура:"
-Get-ChildItem $ModelsDir -Directory | ForEach-Object {
-    $size = (Get-ChildItem $_.FullName -Recurse -File -ErrorAction SilentlyContinue | Measure-Object Length -Sum).Sum
-    Write-Host ("  {0}: {1:N2} GB" -f $_.Name, ($size / 1GB))
-}
-Write-Host ""
-Write-Host "Запуск сервиса: docker compose up --build -d"

src/config.py

@@ -31,15 +31,3 @@ def resolve_hf_token(config: Dict[str, Any]) -> str | None:
     if not token:
         token = os.environ.get("HF_TOKEN")
     return token
-
-
-def resolve_opencode_credentials(config: Dict[str, Any] | None = None) -> tuple[str, str]:
-    """Возвращает (api_key, base_url) для OpenCode/DeepSeek API."""
-    if config is None:
-        config = load_config()
-    rag = config.get("rag", {})
-    api_key = rag.get("opencode_api_key") or os.environ.get("OPENCODE_API_KEY", "")
-    base_url = rag.get("opencode_url") or os.environ.get(
-        "OPENCODE_URL", "https://opencode.ai/zen/v1"
-    )
-    return api_key, base_url

src/rag/__init__.py

@@ -1 +0,0 @@
-"""RAG core package for meeting transcription."""

src/rag/formatter.py

@@ -1,145 +0,0 @@
-"""Форматирование документа совещания для индексации в LightRAG."""
-
-import json
-from datetime import datetime
-from typing import Any, Dict, List
-
-from src.document import format_time
-
-
-def format_meeting_document(
-    segments: List[Dict[str, Any]],
-    metadata: Dict[str, Any],
-    source_filename: str,
-) -> str:
-    """Собирает текстовый документ для вставки в LightRAG.
-
-    Сохраняет полную расшифровку + метаданные + извлечённые сущности.
-    """
-    lines = []
-    lines.append("=== СОВЕЩАНИЕ ===")
-    lines.append(f"ID: {metadata.get('project', 'unknown')}_{datetime.now().strftime('%Y%m%d_%H%M%S')}")
-    lines.append(f"Проект: {metadata.get('project', 'unknown')}")
-    lines.append(f"Раздел: {metadata.get('section', 'Общие вопросы')}")
-    lines.append(f"Тема: {metadata.get('topic', 'Не определена')}")
-    lines.append(f"Дата: {metadata.get('date', 'Не указана')}")
-    lines.append(f"Источник: {source_filename}")
-
-    participants = metadata.get("participants", [])
-    if participants:
-        lines.append(f"Участники: {', '.join(participants)}")
-    else:
-        # fallback — извлечь уникальных спикеров из сегментов
-        speakers = sorted({seg.get("speaker", "UNKNOWN") for seg in segments})
-        lines.append(f"Участники: {', '.join(speakers)}")
-
-    lines.append("")
-    lines.append("--- Метаданные ---")
-    summary = metadata.get("summary", "")
-    if summary:
-        lines.append(f"Summary: {summary}")
-
-    decisions = metadata.get("key_decisions", [])
-    if decisions:
-        lines.append("Решения:")
-        for i, d in enumerate(decisions, 1):
-            lines.append(f"  {i}. {d}")
-
-    actions = metadata.get("action_items", [])
-    if actions:
-        lines.append("Action items:")
-        for a in actions:
-            who = a.get("who", "?")
-            what = a.get("what", "")
-            deadline = a.get("deadline", "")
-            dl = f" (до {deadline})" if deadline else ""
-            lines.append(f"  - {who}: {what}{dl}")
-
-    lines.append("")
-    lines.append("--- Полная расшифровка ---")
-    for seg in segments:
-        ts = format_time(seg.get("start", 0.0))
-        speaker = seg.get("speaker", "UNKNOWN")
-        text = seg.get("text", "").strip()
-        if text:
-            lines.append(f"[{ts}] {speaker}: {text}")
-
-    return "\n".join(lines)
-
-
-def format_summary_markdown(
-    metadata: Dict[str, Any],
-    brief: str,
-    source_filename: str,
-) -> str:
-    """Формирует markdown-файл краткого содержания совещания."""
-    lines = [
-        "# Краткое содержание совещания",
-        "",
-        f"**Проект:** {metadata.get('project', '—')}  ",
-        f"**Раздел:** {metadata.get('section', '—')}  ",
-        f"**Тема:** {metadata.get('topic', '—')}  ",
-        f"**Дата:** {metadata.get('date') or '—'}  ",
-        f"**Источник:** {source_filename}",
-        "",
-    ]
-
-    participants = metadata.get("participants") or []
-    if participants:
-        lines.append(f"**Участники:** {', '.join(participants)}")
-        lines.append("")
-
-    lines.extend(["## Суть", "", brief.strip(), ""])
-
-    problems = metadata.get("problems") or []
-    if problems:
-        lines.append("## Ключевые вопросы и проблемы")
-        lines.append("")
-        for item in problems:
-            lines.append(f"- {item}")
-        lines.append("")
-
-    decisions = metadata.get("key_decisions") or []
-    if decisions:
-        lines.append("## Принятые решения")
-        lines.append("")
-        for item in decisions:
-            lines.append(f"- {item}")
-        lines.append("")
-
-    actions = metadata.get("action_items") or []
-    if actions:
-        lines.append("## Поручения")
-        lines.append("")
-        for action in actions:
-            who = action.get("who", "?")
-            what = action.get("what", "")
-            deadline = action.get("deadline")
-            dl = f" (до {deadline})" if deadline else ""
-            lines.append(f"- **{who}:** {what}{dl}")
-        lines.append("")
-
-    return "\n".join(lines).strip() + "\n"
-
-
-def format_global_document(doc_text: str, metadata: Dict[str, Any]) -> str:
-    """Формирует версию документа для глобального (межпроектного) индекса.
-
-    Добавляет явное указание проекта в начало, чтобы глобальный граф знал связь.
-    """
-    header = f"""=== СОВЕЩАНИЕ (Проект: {metadata.get('project', 'unknown')}) ===
-Раздел: {metadata.get('section', 'Общие вопросы')}
-Тема: {metadata.get('topic', 'Не определена')}
-"""
-    return header + "\n" + doc_text
-
-
-def build_meeting_text_only(segments: List[Dict[str, Any]]) -> str:
-    """Собирает plain text из сегментов (для отправки в classify_meeting)."""
-    lines = []
-    for seg in segments:
-        speaker = seg.get("speaker", "UNKNOWN")
-        text = seg.get("text", "").strip()
-        if text:
-            lines.append(f"{speaker}: {text}")
-    return "\n".join(lines)

src/rag/indexer.py

@@ -1,184 +0,0 @@
-"""Индексация протоколов совещаний в LightRAG (проектные индексы + глобальный)."""
-
-import os
-from pathlib import Path
-from typing import Optional
-
-from dotenv import load_dotenv
-from lightrag import LightRAG
-from lightrag.utils import EmbeddingFunc
-from openai import AsyncOpenAI
-from sentence_transformers import SentenceTransformer
-
-load_dotenv()
-
-# ------------------------------------------------------------------
-# Shared embedding model (lazy-loaded)
-# ------------------------------------------------------------------
-_embed_model_instance: Optional[SentenceTransformer] = None
-
-
-def _get_embed_model() -> SentenceTransformer:
-    global _embed_model_instance
-    if _embed_model_instance is None:
-        _embed_model_instance = SentenceTransformer(
-            "sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2"
-        )
-    return _embed_model_instance
-
-
-async def _embed_func(texts: list[str]):
-    model = _get_embed_model()
-    embeddings = model.encode(texts, convert_to_numpy=True)
-    return embeddings
-
-
-EMBED_CONFIG = EmbeddingFunc(
-    embedding_dim=384,
-    max_token_size=512,
-    func=_embed_func,
-)
-
-
-# ------------------------------------------------------------------
-# LLM for indexing (mimo-v2.5-free via OpenCode)
-# ------------------------------------------------------------------
-def _get_opencode_llm_func(
-    model: str = "mimo-v2.5-free",
-    api_key: str = "",
-    base_url: str = "https://opencode.ai/zen/v1",
-):
-    if not api_key:
-        raise ValueError(
-            "OPENCODE_API_KEY не задан. Укажите rag.opencode_api_key в config.yaml "
-            "или переменную окружения OPENCODE_API_KEY."
-        )
-    client = AsyncOpenAI(base_url=base_url, api_key=api_key)
-
-    async def llm_func(prompt, system_prompt=None, history_messages=[], **kwargs):
-        messages = []
-        if system_prompt:
-            messages.append({"role": "system", "content": system_prompt})
-        if history_messages:
-            messages.extend(history_messages)
-        messages.append({"role": "user", "content": prompt})
-
-        response = await client.chat.completions.create(
-            model=model,
-            messages=messages,
-            temperature=kwargs.get("temperature", 0.3),
-            max_tokens=kwargs.get("max_tokens", 1024),
-        )
-        content = response.choices[0].message.content
-        return content if content is not None else ""
-
-    return llm_func
-
-
-# ------------------------------------------------------------------
-# Project index helpers
-# ------------------------------------------------------------------
-def _normalize_project_name(name: str) -> str:
-    """Нормализует имя проекта для использования в пути."""
-    import re
-    name = re.sub(r'[^\w\-_]', '_', name)
-    return name.strip('_') or "default"
-
-
-def get_project_index_dir(working_dir_base: Path, project_name: str) -> Path:
-    """Возвращает путь к кэшу индекса проекта."""
-    norm = _normalize_project_name(project_name)
-    return working_dir_base / norm
-
-
-def get_global_index_dir(working_dir_base: Path) -> Path:
-    """Возвращает путь к глобальному индексу."""
-    return working_dir_base / "_global"
-
-
-async def get_project_rag(
-    project_name: str,
-    working_dir_base: Path,
-    model: str = "mimo-v2.5-free",
-    api_key: str = "",
-    base_url: str = "https://opencode.ai/zen/v1",
-) -> LightRAG:
-    """Возвращает инициализированный LightRAG для проекта."""
-    cache_dir = get_project_index_dir(working_dir_base, project_name)
-    cache_dir.mkdir(parents=True, exist_ok=True)
-
-    llm_func = _get_opencode_llm_func(model, api_key=api_key, base_url=base_url)
-
-    rag = LightRAG(
-        working_dir=str(cache_dir),
-        llm_model_func=llm_func,
-        embedding_func=EMBED_CONFIG,
-    )
-    await rag.initialize_storages()
-    return rag
-
-
-async def get_global_rag(
-    working_dir_base: Path,
-    model: str = "mimo-v2.5-free",
-    api_key: str = "",
-    base_url: str = "https://opencode.ai/zen/v1",
-) -> LightRAG:
-    """Возвращает инициализированный LightRAG для глобального индекса."""
-    cache_dir = get_global_index_dir(working_dir_base)
-    cache_dir.mkdir(parents=True, exist_ok=True)
-
-    llm_func = _get_opencode_llm_func(model, api_key=api_key, base_url=base_url)
-
-    rag = LightRAG(
-        working_dir=str(cache_dir),
-        llm_model_func=llm_func,
-        embedding_func=EMBED_CONFIG,
-    )
-    await rag.initialize_storages()
-    return rag
-
-
-# ------------------------------------------------------------------
-# Indexing API
-# ------------------------------------------------------------------
-async def index_meeting(
-    doc_text: str,
-    global_doc_text: str,
-    project_name: str,
-    working_dir_base: Path,
-    model: str = "mimo-v2.5-free",
-    api_key: str = "",
-    base_url: str = "https://opencode.ai/zen/v1",
-):
-    """Индексирует документ в проектный и глобальный индексы.
-
-    Args:
-        doc_text: текст для проектного индекса.
-        global_doc_text: текст для глобального индекса (с явным project).
-        project_name: имя проекта.
-        working_dir_base: базовая директория для lightrag_caches.
-        model: модель LLM для индексации.
-    """
-    # Проектный индекс
-    rag_project = await get_project_rag(
-        project_name, working_dir_base, model, api_key=api_key, base_url=base_url
-    )
-    await rag_project.ainsert(doc_text)
-
-    # Глобальный индекс
-    rag_global = await get_global_rag(
-        working_dir_base, model, api_key=api_key, base_url=base_url
-    )
-    await rag_global.ainsert(global_doc_text)
-
-
-async def get_project_names(working_dir_base: Path) -> list[str]:
-    """Возвращает список проектов, для которых есть индекс."""
-    if not working_dir_base.exists():
-        return []
-    projects = []
-    for item in working_dir_base.iterdir():
-        if item.is_dir() and item.name != "_global":
-            projects.append(item.name)
-    return sorted(projects)

src/rag/parser.py

@@ -1,306 +0,0 @@
-"""Парсинг имени файла и классификация совещания через LLM."""
-
-import json
-import re
-from typing import Any, Dict, List
-
-from openai import AsyncOpenAI
-
-# Лимиты для одного запроса (если текст длиннее — map-reduce по частям)
-DEFAULT_CLASSIFY_CHUNK_SIZE = 7000
-DEFAULT_SUMMARY_CHUNK_SIZE = 10000
-CHUNK_OVERLAP = 300
-
-CLASSIFY_PROMPT_TEMPLATE = """Ты — ассистент по анализу протоколов совещаний.
-
-Задача: проанализировать расшифровку совещания проекта "{project}" и извлечь структурированные данные.
-
-Выбери раздел из списка: {sections}.
-Определи тему совещания (1 короткое предложение).
-Выдели ключевые проблемы/вопросы, обсуждавшиеся на совещании.
-Извлеки ключевые решения и action items.
-
-Верни результат СТРОГО в формате JSON (без markdown-форматирования, без ```):
-{{
-  "project": "{project}",
-  "section": "раздел из списка",
-  "topic": "тема совещания",
-  "date": "YYYY-MM-DD или null",
-  "participants": ["спикер1", "спикер2"],
-  "problems": ["проблема или открытый вопрос 1", "проблема 2"],
-  "summary": "2-3 предложения о чем шла речь",
-  "key_decisions": ["решение 1", "решение 2"],
-  "action_items": [
-    {{"who": "ответственный", "what": "задача", "deadline": "YYYY-MM-DD или null"}}
-  ]
-}}
-
-Расшифровка совещания:
----
-{text}
----
-"""
-
-BRIEF_SUMMARY_PROMPT = """Ты — секретарь совещания строительной компании.
-
-Напиши краткое содержание совещания ОДНИМ связным абзацем на русском (8–14 предложений).
-Обязательно включи: тему встречи; ключевые проблемы и вопросы; принятые решения; поручения (кто, что, срок — если озвучены).
-Пиши плотно и по делу, без заголовков и списков. Не выдумывай — только факты из расшифровки.
-
-Проект: {project}
-Тема: {topic}
-
-Расшифровка:
----
-{text}
----
-"""
-
-CHUNK_BRIEF_PROMPT = """Ты — секретарь совещания.
-
-Кратко опиши содержание ФРАГМЕНТА совещания (3–5 предложений): темы, проблемы, решения, поручения.
-Только факты из текста, без заголовков.
-
-Фрагмент {part} из {total}:
----
-{text}
----
-"""
-
-REDUCE_BRIEF_PROMPT = """Ты — секретарь совещания строительной компании.
-
-Ниже — описания частей одного совещания. Объедини их в ОДИН связный абзац на русском (8–14 предложений).
-Включи все важные проблемы, решения и поручения. Не повторяйся. Не выдумывай.
-
-Проект: {project}
-Тема: {topic}
-
-Части совещания:
----
-{partials}
----
-"""
-
-
-def parse_project_from_filename(filename: str) -> str:
-    """Извлекает имя проекта из имени файла."""
-    stem = filename.split(".")[0]
-    parts = re.split(r"[_\-\s]+", stem)
-    project = parts[0] if parts and parts[0] else stem
-    project = re.sub(r"\d{4}-\d{2}-\d{2}", "", project)
-    project = re.sub(r"\d{6,}", "", project)
-    project = project.strip("_- ")
-    return project or "default"
-
-
-def split_text_chunks(text: str, chunk_size: int, overlap: int = CHUNK_OVERLAP) -> List[str]:
-    """Разбивает длинный текст на части с перекрытием по границам строк."""
-    text = text.strip()
-    if not text:
-        return [""]
-    if len(text) <= chunk_size:
-        return [text]
-
-    chunks: List[str] = []
-    start = 0
-    while start < len(text):
-        end = min(start + chunk_size, len(text))
-        if end < len(text):
-            boundary = text.rfind("\n", start + chunk_size // 2, end)
-            if boundary > start:
-                end = boundary + 1
-        chunk = text[start:end].strip()
-        if chunk:
-            chunks.append(chunk)
-        if end >= len(text):
-            break
-        start = max(end - overlap, start + 1)
-
-    return chunks or [text]
-
-
-def _empty_metadata(project: str) -> Dict[str, Any]:
-    return {
-        "project": project,
-        "section": "Общие вопросы",
-        "topic": "Не определена",
-        "date": None,
-        "participants": [],
-        "problems": [],
-        "summary": "",
-        "key_decisions": [],
-        "action_items": [],
-    }
-
-
-def _normalize_metadata(metadata: Dict[str, Any], project: str) -> Dict[str, Any]:
-    base = _empty_metadata(project)
-    merged = {**base, **(metadata or {})}
-    for key in ["project", "section", "topic", "date", "participants", "problems", "summary", "key_decisions", "action_items"]:
-        if key not in merged:
-            merged[key] = base[key]
-    merged["project"] = merged.get("project") or project
-    return merged
-
-
-def _parse_json_response(content: str, project: str) -> Dict[str, Any]:
-    content = re.sub(r"```json\s*", "", content or "")
-    content = re.sub(r"```\s*$", "", content)
-    content = content.strip()
-    try:
-        return _normalize_metadata(json.loads(content), project)
-    except json.JSONDecodeError:
-        return _empty_metadata(project)
-
-
-def _dedupe_strings(items: List[str]) -> List[str]:
-    seen = set()
-    result = []
-    for item in items:
-        key = re.sub(r"\s+", " ", (item or "").strip().lower())
-        if key and key not in seen:
-            seen.add(key)
-            result.append(item.strip())
-    return result
-
-
-def _merge_metadata(parts: List[Dict[str, Any]], project: str) -> Dict[str, Any]:
-    """Объединяет метаданные из нескольких фрагментов совещания."""
-    merged = _empty_metadata(project)
-    if not parts:
-        return merged
-
-    merged["section"] = next((p.get("section") for p in parts if p.get("section")), merged["section"])
-    merged["topic"] = next((p.get("topic") for p in parts if p.get("topic") and p.get("topic") != "Не определена"), merged["topic"])
-    merged["date"] = next((p.get("date") for p in parts if p.get("date")), None)
-
-    participants: List[str] = []
-    problems: List[str] = []
-    decisions: List[str] = []
-    actions: List[Dict[str, Any]] = []
-    summaries: List[str] = []
-
-    for part in parts:
-        participants.extend(part.get("participants") or [])
-        problems.extend(part.get("problems") or [])
-        decisions.extend(part.get("key_decisions") or [])
-        actions.extend(part.get("action_items") or [])
-        if part.get("summary"):
-            summaries.append(part["summary"])
-
-    merged["participants"] = _dedupe_strings(participants)
-    merged["problems"] = _dedupe_strings(problems)
-    merged["key_decisions"] = _dedupe_strings(decisions)
-    merged["summary"] = " ".join(summaries[:3]).strip()
-
-    seen_actions = set()
-    unique_actions = []
-    for action in actions:
-        if not isinstance(action, dict):
-            continue
-        key = (
-            re.sub(r"\s+", " ", str(action.get("who", "")).strip().lower()),
-            re.sub(r"\s+", " ", str(action.get("what", "")).strip().lower()),
-        )
-        if key[1] and key not in seen_actions:
-            seen_actions.add(key)
-            unique_actions.append(action)
-    merged["action_items"] = unique_actions
-
-    return merged
-
-
-async def _llm_complete(
-    client: AsyncOpenAI,
-    model: str,
-    prompt: str,
-    temperature: float = 0.2,
-    max_tokens: int = 1024,
-) -> str:
-    response = await client.chat.completions.create(
-        model=model,
-        messages=[{"role": "user", "content": prompt}],
-        temperature=temperature,
-        max_tokens=max_tokens,
-    )
-    return (response.choices[0].message.content or "").strip()
-
-
-async def _classify_chunk(
-    client: AsyncOpenAI,
-    text: str,
-    project: str,
-    sections: List[str],
-    model: str,
-) -> Dict[str, Any]:
-    prompt = CLASSIFY_PROMPT_TEMPLATE.format(
-        project=project,
-        sections=", ".join(sections),
-        text=text,
-    )
-    content = await _llm_complete(client, model, prompt, temperature=0.2, max_tokens=1024)
-    return _parse_json_response(content, project)
-
-
-async def classify_meeting(
-    text: str,
-    project: str,
-    sections: List[str],
-    api_key: str,
-    base_url: str = "https://opencode.ai/zen/v1",
-    model: str = "mimo-v2.5-free",
-    chunk_size: int = DEFAULT_CLASSIFY_CHUNK_SIZE,
-) -> Dict[str, Any]:
-    """Классифицирует совещание через LLM. Длинные тексты обрабатываются по частям."""
-    if not api_key:
-        return _empty_metadata(project)
-
-    client = AsyncOpenAI(base_url=base_url, api_key=api_key)
-    chunks = split_text_chunks(text, chunk_size)
-
-    if len(chunks) == 1:
-        return await _classify_chunk(client, chunks[0], project, sections, model)
-
-    partials = []
-    for chunk in chunks:
-        partials.append(await _classify_chunk(client, chunk, project, sections, model))
-    return _merge_metadata(partials, project)
-
-
-async def generate_meeting_brief(
-    text: str,
-    metadata: Dict[str, Any],
-    api_key: str,
-    base_url: str = "https://opencode.ai/zen/v1",
-    model: str = "deepseek-v4-flash-free",
-    chunk_size: int = DEFAULT_SUMMARY_CHUNK_SIZE,
-) -> str:
-    """Генерирует краткое содержание одним абзацем. Длинные тексты — map-reduce."""
-    if not api_key:
-        return metadata.get("summary") or "Краткое содержание не сформировано: не задан API-ключ."
-
-    client = AsyncOpenAI(base_url=base_url, api_key=api_key)
-    project = metadata.get("project", "unknown")
-    topic = metadata.get("topic", "Не определена")
-    chunks = split_text_chunks(text, chunk_size)
-
-    if len(chunks) == 1:
-        prompt = BRIEF_SUMMARY_PROMPT.format(project=project, topic=topic, text=chunks[0])
-        content = await _llm_complete(client, model, prompt, temperature=0.3, max_tokens=1024)
-        return content or metadata.get("summary", "")
-
-    partials: List[str] = []
-    total = len(chunks)
-    for idx, chunk in enumerate(chunks, start=1):
-        prompt = CHUNK_BRIEF_PROMPT.format(part=idx, total=total, text=chunk)
-        partial = await _llm_complete(client, model, prompt, temperature=0.3, max_tokens=512)
-        if partial:
-            partials.append(f"[Часть {idx}/{total}]\n{partial}")
-
-    reduce_prompt = REDUCE_BRIEF_PROMPT.format(
-        project=project,
-        topic=topic,
-        partials="\n\n".join(partials),
-    )
-    content = await _llm_complete(client, model, reduce_prompt, temperature=0.3, max_tokens=1024)
-    return content or metadata.get("summary", "")

src/rag/query.py

@@ -1,154 +0,0 @@
-"""Запросы к RAG и генерация ответов чат-бота через DeepSeek."""
-
-import os
-from pathlib import Path
-from typing import Any, Dict, List, Optional
-
-from lightrag import QueryParam
-from openai import AsyncOpenAI
-
-from src.rag.indexer import get_global_rag, get_project_rag
-
-
-async def retrieve_context(
-    question: str,
-    working_dir_base: Path,
-    project_name: Optional[str] = None,
-    mode: str = "hybrid",
-    api_key: str = "",
-    base_url: str = "https://opencode.ai/zen/v1",
-    index_model: str = "mimo-v2.5-free",
-) -> str:
-    """Извлекает релевантный контекст из LightRAG.
-
-    Args:
-        question: вопрос пользователя.
-        working_dir_base: базовая директория индексов.
-        project_name: если None — ищет в глобальном индексе.
-        mode: режим поиска LightRAG (naive, local, global, hybrid).
-
-    Returns:
-        Строка с найденным контекстом.
-    """
-    if project_name:
-        rag = await get_project_rag(
-            project_name,
-            working_dir_base,
-            model=index_model,
-            api_key=api_key,
-            base_url=base_url,
-        )
-    else:
-        rag = await get_global_rag(
-            working_dir_base,
-            model=index_model,
-            api_key=api_key,
-            base_url=base_url,
-        )
-
-    # only_need_context=True — возвращает только найденные фрагменты без генерации ответа
-    param = QueryParam(mode=mode, only_need_context=True)
-    context = await rag.aquery(question, param=param)
-    return context if context else ""
-
-
-async def generate_chat_response(
-    question: str,
-    context: str,
-    history: List[Dict[str, str]],
-    api_key: str,
-    base_url: str = "https://opencode.ai/zen/v1",
-    model: str = "deepseek-v4-flash-free",
-) -> str:
-    """Генерирует ответ чат-бота через DeepSeek (или другую модель).
-
-    Args:
-        question: вопрос пользователя.
-        context: контекст из RAG.
-        history: список {"question": ..., "answer": ...} предыдущих сообщений.
-        api_key: API ключ.
-        base_url: base URL OpenCode.
-        model: модель для чата.
-
-    Returns:
-        Ответ ассистента.
-    """
-    if not api_key:
-        raise ValueError(
-            "OPENCODE_API_KEY не задан. Укажите rag.opencode_api_key в config.yaml "
-            "или переменную окружения OPENCODE_API_KEY."
-        )
-    client = AsyncOpenAI(base_url=base_url, api_key=api_key)
-
-    system_prompt = (
-        "Ты — ассистент по протоколам совещаний строительной компании. "
-        "Отвечай на основе предоставленного контекста из протоколов. "
-        "Если в контексте нет ответа — так и скажи, не выдумывай. "
-        "Отвечай кратко и по делу."
-    )
-
-    messages = [{"role": "system", "content": system_prompt}]
-
-    for h in history:
-        messages.append({"role": "user", "content": h["question"]})
-        messages.append({"role": "assistant", "content": h["answer"]})
-
-    user_prompt = f"""Контекст из протоколов совещаний:
----
-{context}
----
-
-Вопрос: {question}
-"""
-    messages.append({"role": "user", "content": user_prompt})
-
-    response = await client.chat.completions.create(
-        model=model,
-        messages=messages,
-        temperature=0.4,
-        max_tokens=2048,
-    )
-    content = response.choices[0].message.content
-    return content if content is not None else ""
-
-
-async def rag_chat(
-    question: str,
-    working_dir_base: Path,
-    history: List[Dict[str, str]],
-    api_key: str,
-    project_name: Optional[str] = None,
-    base_url: str = "https://opencode.ai/zen/v1",
-    chat_model: str = "deepseek-v4-flash-free",
-    mode: str = "hybrid",
-    index_model: str = "mimo-v2.5-free",
-) -> Dict[str, Any]:
-    """Полный цикл RAG-чата: retrieval + generation.
-
-    Returns:
-        {"answer": str, "context": str, "project": str | None}
-    """
-    context = await retrieve_context(
-        question=question,
-        working_dir_base=working_dir_base,
-        project_name=project_name,
-        mode=mode,
-        api_key=api_key,
-        base_url=base_url,
-        index_model=index_model,
-    )
-
-    answer = await generate_chat_response(
-        question=question,
-        context=context,
-        history=history,
-        api_key=api_key,
-        base_url=base_url,
-        model=chat_model,
-    )
-
-    return {
-        "answer": answer,
-        "context": context,
-        "project": project_name,
-    }