Разработчик собрал ИИ-гид по учебникам обществознания

В России вводится система единых государственных учебников, и в 2026/27 учебном году школы переходят на них по обществознанию. На уроках ответ оценивается по формулировкам конкретного учебника, а не по общим знаниям. Это создаёт спрос на инструменты, которые помогают найти нужный параграф и точную формулировку.

Разработчик с Хабра ML собрал прототип чат-бота, который ищет ответы в текстах учебников по обществознанию для 9 и 10 классов и указывает страницу. В основе пайплайна — pymupdf4llm для постраничного парсинга PDF в Markdown, эмбеддинги intfloat/multilingual-e5-large и векторная база FAISS. Генерация ответов выполняется моделью Qwen2.5-3B-Instruct, квантизованной до 4 бит (NF4) через bitsandbytes, на бесплатной видеокарте T4 в Colab.

Ключевая идея — ограничить контекст модели только релевантными фрагментами учебника, убрав веб-поиск. В системном промпте указано отвечать строго по найденным фрагментам и сообщать, если ответа в них нет. При этом модель сохраняет базовые знания из своих весов, поэтому полностью исключить «дописывание» от себя не удаётся. Низкая температура генерации помогает, но влияние параметров на частоту вставок не проверялось.

Поиск устроен так: из запроса регулярным выражением извлекаются класс и номер параграфа, затем выполняется similarity_search с фильтром по метаданным. Фильтрация применяется к результатам поиска, а не отсекает документы заранее. Если жёсткий фильтр не даёт результатов, код повторяет поиск только по классу, и контекст может прийти из другого параграфа. Без явного указания класса поиск идёт по всей базе.

В тестовых сценариях бот показал неточности. На вопрос «Что такое общество 10 класс» он сослался на § 23 «Трудовое право», что выглядит нерелевантно, и не указал номер страницы, хотя это требуется промптом. В ответе про теории происхождения человека перечислены материалистический подход и научно-фантастическая гипотеза, но проверить их наличие в учебнике без исходного фрагмента нельзя. Также в тексте остались необработанные маркеры Markdown.

Разработчик отмечает и другие ограничения: метка параграфа теряется на страницах без заголовка, нет проверки фактов против контекста, класс пользователя не запоминается между сообщениями. В планах — масштабировать пайплайн на историю и биологию, добавить память сессий и валидацию ответов. Проект показывает, как можно адаптировать LLM под узкую задачу, но точность ссылок на страницы бумажного издания пока не гарантируется.