Генерация с дополненным поиском (RAG) для библиографического анализа сложных текстов на примере «Семирамиды» А. С. Хомякова

В статье рассматривается применение технологии генерации с дополненным поиском (RAG – Retrieval Augmented Generation) к библиографической работе с крупными неструктурированными философскими текстами на примере «Семирамиды» А. С. Хомякова. Автор описывает принципы функционирования RAG-систем, основанные на семантическом анализе текста и векторной индексации, которая позволяет быстро извлекать фрагменты, релевантные запросам исследователей. Особое внимание уделено вызовам, связанным с обработкой «Семирамиды» – трехтомного незавершенного труда Хомякова, написанного без четкой тематической организации и долгое время остающегося труднодоступным для анализа. Статья содержит описание RAG и векторной индексации, а также результаты тестирования системы на сложных вопросах, требующих интеллектуального анализа историософского содержания. Приводимые примеры ответов системы демонстрируют ее способность извлекать и систематизировать рассеянные по тексту релевантные аргументы и идеи. В статье делается вывод о перспективности метода не только для изучения наследия Хомякова, но и для работы с другими массивными источниками (дневниками, мемуарами, архивными документами), трудно поддающимися традиционным методам библиографического описания. Работа представляет практический вклад в развитие цифровой герменевтики и демонстрирует возможности искусственного интеллекта в гуманитарных исследованиях.

1. Степанов В. К. Искусственный интеллект в деятельности библиотек: теоретические подходы и практические решения (к итогам научно-практической конференции «Применение искусственного интеллекта в библиотечно-информационной деятельности») // Научные и технические библиотеки. 2024. № 11. С. 15–30. https://doi.org/10.33186/1027-3689-2024-11-15-30.

2. Нещерет М. Ю. Нейросети в библиотеке: новое в библиографическом обслуживании // Научные и технические библиотеки. 2024. № 1. С. 105–128. https://doi.org/10.33186/1027-3689-2024-1-105-128; Bermejo S. Enhancing Annotated Bibliography Generation with LLM Ensembles // arXiv. 2024. arXiv:2412.20864v1 [cs.CL]. URL: https://arxiv.org/abs/2412.20864 (дата обращения: 24.11.2025). https://doi.org/10.48550/arXiv.2412.20864.

3. А. С. Хомяков. Полное собрание сочинений и писем в 12 томах. Т. 5. Санкт-Петербург : Росток, 2024. С. 503.

4. Achiam J., Adler S., Agarwal S., Ahmad L. et al. (2023). GPT-4 Technical Report. arXiv preprint arXiv:2303.08774.

5. Lewis P., Perez E., Piktus A., Petroni F., Karpukhin V., Goyal N., Küttler H., Lewis M., Yih W., Rocktäschel T., Riedel S. and Kiela D. (2020). Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks. arXiv preprint arXiv:2005.11401.

6. Zuo S. et al. Context-Aware Query Rewriting for Improving Users’ Search Experience in E-Commerce // Proceedings of the 61st Annual Meeting of the Association for Computational Linguistics (Industry Track). 2023. P. 538–547.

7. Aliev R. Improving E-commerce Search with Category-Aligned Retrieval // arXiv preprint arXiv:2510.21711. 2025.

8. Taylor J. A. Survey of AI tools in Library Tech: Accelerating into and Swerving around the Curve // Technical Services Quarterly. 2025. Vol. 42, No. 2. DOI: 10.1080/07317131.2025.2467574.

9. Breeding M. 2025 Library Systems Report: Companies see platform upgrades, new leadership, and AI enhancements // American Libraries Magazine. 2025. May. URL: https://americanlibrariesmagazine.org/2025/05/01/2025-library-systems-report/

10. Harper C. The Librarian Skillset and the Needs of Artificial Intelligence // Journal of Library Administration. 2025. Vol. 65, No. 4. DOI: 10.1080/01639374.2025.2539787.

11. Pinecone. Официальная документация. URL: https://docs.pinecone.io (дата обращения: 28.11.2025).

12. Chroma. Официальная документация. URL: https://docs.trychroma.com (дата обращения: 28.11.2025).

13. Milvus. Официальная документация. URL: https://milvus.io/docs (дата обращения: 28.11.2025).

14. FAISS. Официальная документация. URL: https://faiss.ai/index.html (дата обращения: 28.11.2025).

15. Platform V Vector DB (СберТех). Официальная документация. URL: https://sbertech.ru/documents/platform-v-vector-db/1.0.0 (дата обращения: 28.11.2025).

16. YDB Vector Search (Яндекс). Официальная документация. URL: https://ydb.tech/docs/en/dev/vector-indexes (дата обращения: 28.11.2025).

17. Емельянов В. В. «Шумерский вопрос» Ф. Вайсбаха и современные границы шумерского вопроса // Индоевропейское языкознание и классическая филология. Вып. 29 (1). Санкт-Петербург : Институт лингвистических исследований РАН, 2025. С. 640–668, особ. с. 660–663.