- BrainTools - https://www.braintools.ru -
UPD от 11:35:
UPD (бета-тест локальный OCR под 152-ФЗ): По следам обсуждения в комментариях полностью убрал передачу фотографий во внешние Vision-модели и перевёл распознавание изображений и сканов на российский сервер.
Сначала быстро поднял RapidOCR на ONNX, но первый же боевой тест на русском полисе страхования показал, что его дефолтная модель плохо справляется с кириллицей (начинает подменять русские буквы латиницей и цифрами). В итоге перевёл контур на лёгкий Tesseract OCR (tesseract-ocr-rus) с предобработкой в OpenCV (масштабирование мелких шрифтов + шумоподавление bilateralFilter + выравнивание контраста CLAHE) и рендером пустых PDF-сканов через PyMuPDF, а заодно усилил регулярки анонимайзера под адреса и даты рождения.
Для лёгкого VPS без GPU сравнение двух подходов на боевом документе выглядело так:
|
Параметр |
RapidOCR ( |
Tesseract OCR ( |
|---|---|---|
|
Потребление RAM в работе |
~350–500 МБ на процесс |
~50–100 МБ на процесс |
|
Вес зависимостей в Docker |
~250+ МБ ( |
~35 МБ (бинарник + словарь |
|
Скорость на 1 странице (CPU) |
2–5 секунд |
0.5–1.5 секунды |
|
Качество русской кириллицы |
Плохое из коробки (без дообучения) |
Отличное на печатных документах и сканах |
Теперь весь пайплайн единый и строго локальный: фото и сканы распознаются в памяти [1] сервера в РФ, персональные данные заменяются на теги ([ФИО_1], [ПАСПОРТ_1], [АДРЕС_1]), и во внешний шлюз уходит только обезличенный текст.
Поскольку я прямо сейчас продолжаю выкатывать улучшения по вашим отзывам, во время рестарта контейнеров (пару секунд) сообщение может не уйти с первого раза — если вдруг такое случится, просто продублируйте запрос. Буду рад обратной связи!

Изначально я планировал написать лонгрид про своё участие в международном чемпионате по оптимизации ROADEF 2026. Там я вроде занял «почётное» 48-е место из 78 валидных участников, но потом дослал улучшенный код, и сейчас во Франции снова идёт пересчёт моего рейтинга.
Пока мы с вами ждали, что там да как с нашим кодом, позвонил знакомый отец Александр и попросил проконсультировать женщину по сложному пенсионному вопросу. Люблю я, знаете ли, не только NP-трудные алгоритмы решать, а ещё и бабушек консультировать в перерывах. И прямо в процессе этого разговора меня осенила мысль: а не совместить ли юридический бэкграунд и айтишный опыт [2] в одном продукте?
(Барабанная дробь) — встречайте: первый, неповторимый и улётный во всех отношениях MAX-овский «Быстрый Юрист 24/7».
Когда обычному человеку нужно составить досудебную претензию управляющей компании из-за холодных батарей, вернуть бракованный смартфон, оспорить отказ Социального фонда по пенсии или оформить заявление на развод и алименты, у него два пути. Первый — идти в юридическую контору и отдавать от 5 000 до 15 000 рублей за типовой бланк. Второй — часами гуглить шаблоны пятилетней давности и получить отказ из-за устаревшей ссылки на закон.
При этом на фоне массового перехода аудитории (особенно граждан 45+, пенсионеров и жителей регионов) в российский мессенджер MAX выяснилось, что ниша полноценных прикладных ИИ-сервисов там практически свободна. Большинство существующих ботов — это либо пустые оболочки, либо «пылесосы» контактов для колл-центров.
Я решил за несколько вечеров собрать автономного правового помощника, который сам проводит интервью, читает фотографии справок и PDF-выписки, защищает персональные данные по 152-ФЗ и после оплаты по СБП выдаёт полноценный пакет «под ключ». Рассказываю, как устроена архитектура под капотом, на какие грабли я наступил и во сколько обходится содержание такого бота.
Любой, кто пробовал попросить языковую модель написать заявление в суд «в лоб», знает три главные проблемы:
Утечка персональных данных: люди без раздумий кидают в чат фото паспортов, СНИЛС, ИНН и адреса прописки, что напрямую нарушает 152-ФЗ.
Галлюцинации на стыке отраслей права: если дать нейросети слишком широкую свободу, она начинает смешивать нормы разных кодексов или ссылаться на утратившие силу постановления.
Халявный расход токенов: пользователи любят бесконечно расспрашивать бота «за жизнь», сжигая баланс API без намерения что-то купить.
Чтобы решить эти задачи, пришлось спроектировать жёсткий инженерный конвейер.
Весь бэкенд написан на Python 3.12 (FastAPI + Uvicorn) и крутится в Docker на российском VPS в Москве рядом с PostgreSQL 16. Чтобы бот работал без VPN и стабильно принимал оплату в рублях, используется официальный российский шлюз ProxyAPI и мультимодальная модель nvidia/nemotron-3.5-super-vl.
Вместо одного гигантского системного промпта диалог разбит на 10 закрытых тематических веток:
Пенсии и переезд из СНГ / Беларуси;
Льготы, инвалидность и уход (80+);
Банкротство и списание долгов;
Судебные приставы (ФССП) и кредиты;
Наследство и нотариат;
Защита прав потребителей;
Земельное право и дачи (СНТ);
ЖКХ и управляющие компании;
Трудовые споры;
Разводы и алименты.
Под каждую ветку подключается свой компактный экспертный модуль с актуальными нормами законодательства РФ и судебной практикой. Если пользователь выбрал раздел «ЖКХ», а потом вдруг начал спрашивать про раздел имущества при разводе, бот вежливо фиксирует смену темы и предлагает вернуться в меню, не позволяя модели «плыть» по контексту.

Самый важный узел с точки зрения [3] безопасности — локальная защита персональных данных. Ни одно ФИО, паспорт, номер СНИЛС, ИНН, телефон или банковский счёт не уходит в облачную нейросеть в открытом виде.
Схема работает в три шага:
До отправки запроса в LLM локальный парсер находит персональные данные (как в тексте сообщения, так и внутри извлечённого текста из прикреплённых .pdf и .docx) и заменяет их на обезличенные теги: [ФИО_1], [ПАСПОРТ_1], [АДРЕС_1], [ТЕЛЕФОН_1].
Нейросеть анализирует обезличенную фабулу дела и составляет юридический документ, расставляя эти теги в нужных падежах и строках шапки заявления.
На российском сервере перед отправкой ответа пользователю происходит обратная подстановка реальных реквизитов из временного словаря сессии.
А чтобы не хранить чувствительные данные дольше необходимого, фоновый воркер каждый час зачищает в PostgreSQL словари расшифровки старше 24 часов.
Пожилым людям и их родственникам тяжело вручную перепечатывать отказы из МФЦ, постановления приставов или страховые полисы. Чтобы исключить передачу изображений во внешние Vision-модели и соблюсти 152-ФЗ, весь разбор вложений выполняется локально на сервере в РФ:
Электронные документы (.pdf, .docx, .txt до 10 МБ) распаковываются в оперативной памяти, очищаются от ПДн через двусторонний анонимайзер и передаются в контекст диалога.
Фотографии и скриншоты бумажных справок распознаются локально за 0.5–1.5 секунды связкой Tesseract OCR (tesseract-ocr-rus) + OpenCV (масштабирование мелких шрифтов, шумоподавление bilateralFilter и выравнивание контраста CLAHE). Распознанный текст сразу проходит через фильтр ПДн, а исходная картинка не покидает сервер.
Отсканированные PDF без текстового слоя автоматически рендерятся построчно через PyMuPDF (fitz) и прогоняются через тот же локальный OCR-конвейер — пользователю не приходится переснимать документ на камеру.
Чтобы разделить этап сбора фактов и генерацию объёмных документов, в сессии пользователя (PostgreSQL) реализована двухфазная машина состояний:
Фаза интервью (сбор контекста): бот задаёт по 1–2 уточняющих вопроса за раз, валидирует полноту фактов и формирует краткое резюме ситуации плюс экран подтверждения данных (ПРОВЕРЬТЕ ВВОДНЫЕ ДАННЫЕ) для защиты от галлюцинаций и опечаток до генерации документа.
Фаза генерации результата (после подтверждения вебхука от ЮKassa / СБП): состояние сессии переключается, и система формирует структурированный ответ из трёх блоков (правовой анализ со ссылками на нормы РФ, шаблон документа с подставленными реквизитами из локального словаря и алгоритм дальнейших действий), а также открывает окно для двух автоматических правок в течение 24 часов.
Отдельное внимание [4] уделено защите платёжного контура:
На уровне Nginx эндпоинт приёма уведомлений от ЮKassa ограничен белым списком официальных IP-адресов платёжного шлюза.
На уровне PostgreSQL обработка вебхука сделана идемпотентной через атомарный UPDATE ... WHERE is_paid = FALSE, что исключает повторную генерацию при дублировании уведомлений от шлюза.




Любой, кто пробовал попросить языковую модель написать заявление в суд «в лоб», знает три главные проблемы:
Утечка персональных данных: люди без раздумий кидают в чат фото паспортов, СНИЛС, ИНН и адреса прописки, что напрямую нарушает 152-ФЗ.
Галлюцинации на стыке отраслей права: если дать нейросети слишком широкую свободу, она начинает смешивать нормы разных кодексов или ссылаться на утратившие силу постановления.
Халявный расход токенов: пользователи любят бесконечно расспрашивать бота «за жизнь», сжигая баланс API без намерения что-то купить.
Чтобы решить эти задачи, пришлось спроектировать жёсткий инженерный конвейер.
Весь бэкенд написан на Python 3.12 (FastAPI + Uvicorn) и крутится в Docker на российском VPS в Москве рядом с PostgreSQL 16. Чтобы бот работал без VPN и стабильно принимал оплату в рублях, используется официальный российский шлюз ProxyAPI и мультимодальная модель nvidia/nemotron-3.5-super-vl.
Вместо одного гигантского системного промпта диалог разбит на 10 закрытых тематических веток:
Пенсии и переезд из СНГ / Беларуси;
Льготы, инвалидность и уход (80+);
Банкротство и списание долгов;
Судебные приставы (ФССП) и кредиты;
Наследство и нотариат;
Защита прав потребителей;
Земельное право и дачи (СНТ);
ЖКХ и управляющие компании;
Трудовые споры;
Разводы и алименты.
Под каждую ветку подключается свой компактный экспертный модуль с актуальными нормами законодательства РФ и судебной практикой. Если пользователь выбрал раздел «ЖКХ», а потом вдруг начал спрашивать про раздел имущества при разводе, бот вежливо фиксирует смену темы и предлагает вернуться в меню, не позволяя модели «плыть» по контексту.

Самый важный узел с точки зрения безопасности — локальная защита персональных данных. Ни одно ФИО, паспорт, номер СНИЛС, ИНН, телефон или банковский счёт не уходит в облачную нейросеть в открытом виде.
Схема работает в три шага:
До отправки запроса в LLM локальный парсер находит персональные данные (как в тексте сообщения, так и внутри извлечённого текста из прикреплённых .pdf и .docx) и заменяет их на обезличенные теги: [ФИО_1], [ПАСПОРТ_1], [АДРЕС_1], [ТЕЛЕФОН_1].
Нейросеть анализирует обезличенную фабулу дела и составляет юридический документ, расставляя эти теги в нужных падежах и строках шапки заявления.
На российском сервере перед отправкой ответа пользователю происходит обратная подстановка реальных реквизитов из временного словаря сессии.
А чтобы не хранить чувствительные данные дольше необходимого, фоновый воркер каждый час зачищает в PostgreSQL словари расшифровки старше 24 часов.



Когда продаёшь цифровой документ, главная головная боль [5] — мелкие опечатки покупателей («ой, я сам перепутал номер квартиры или дату договора, переделайте»). Чтобы не тратить время на ручные правки, я внедрил двухступенчатый фильтр:
Круг 1 (автопилот 24/7): в течение 24 часов после оплаты клиент может бесплатно внести до 2 правок прямо в чате. Бот видит активный статус оплаты в базе и сам перегенерирует обновлённый документ за 10 секунд.
Круг 2 (эскалация руководителю): под каждым оплаченным пакетом висит кнопка «⚠️ Сообщить об ошибке [6] / Нужен возврат». Если нейросеть действительно ошиблась по существу, претензия вместе с payment_id ЮKassa мгновенно прилетает мне в личку в MAX — можно за полминуты проверить случай и сделать возврат в один клик.
Плюс под капотом работает деликатный CRM-воркер: если человек дошёл до экрана сверки данных и отвлёкся, бот один раз напомнит о себе через 24 часа, а через 14 дней после оплаты поинтересуется, как прошло рассмотрение заявления, и при необходимости поможет составить жалобу в вышестоящую инстанцию.
Расход токенов при отладке: за три дня активного тестирования всех 10 правовых сценариев, парсинга файлов и платёжных циклов суммарный расход на API нейросети через ProxyAPI составил 6,6 рубля (средняя себестоимость одного полного диалога с генерацией документа — около 10–15 копеек за счёт компактных модульных картриджей знаний и отказа от дорогого мультимодального Vision-инференса в пользу локального Tesseract OCR).
Грабли при подключении эквайринга ЮKassa: при переходе на боевые ключи потратил полчаса на поиск причины ошибки 401 Unauthorized и молчащего вебхука. Оказалось сразу две неочевидные детали: при копировании секретного ключа в .env закрался лишний символ =, а в личном кабинете ЮKassa недостаточно просто сохранить URL для HTTP-уведомлений — нужно обязательно раскрыть скрытый список событий ниже и вручную отметить галочкой payment.succeeded.
А пока во Франции дочитывают наш алгоритм для ROADEF 2026, посмотреть, как вся эта связка (FastAPI + Tesseract OCR + локальный анонимайзер под 152-ФЗ) работает вживую, можно в демо-боте в MAX: se15026938_bot [7].
Буду рад конструктивной критике архитектуры, кейсам по работе регулярных выражений с нестандартными документами и идеям по оптимизации OCR-конвейера в комментариях.
Автор: Andrey_mazo
Источник [8]
Сайт-источник BrainTools: https://www.braintools.ru
Путь до страницы источника: https://www.braintools.ru/article/38760
URLs in this post:
[1] памяти: http://www.braintools.ru/article/4140
[2] опыт: http://www.braintools.ru/article/6952
[3] зрения: http://www.braintools.ru/article/6238
[4] внимание: http://www.braintools.ru/article/7595
[5] боль: http://www.braintools.ru/article/9901
[6] ошибке: http://www.braintools.ru/article/4192
[7] se15026938_bot: https://max.ru/se15026938_bot
[8] Источник: https://habr.com/ru/articles/1109302/?utm_source=habrahabr&utm_medium=rss&utm_campaign=1109302
Нажмите здесь для печати.