PDF Desk: поиск по PDF с мгновенным переходом к оригинальной странице

Разработчики представили PDF Desk – лёгкое веб‑приложение, которое упрощает работу с документами в формате PDF. Инструмент построен на стеке Python, Streamlit, библиотеке PageIndex и движке PDFium. Главная идея проекта – дать пользователю возможность задавать естественные вопросы к содержимому PDF, получать лаконичные ответы и, в отличие от типичных чат‑ботов, сразу переходить к физической странице исходного файла, где находится нужный фрагмент.

Как это работает

1. Индексация – при загрузке PDF приложение создаёт индекс с помощью PageIndex, который разбивает документ на отдельные блоки текста и сохраняет привязку к страницам.
2. Запрос – пользователь вводит вопрос в простом текстовом поле Streamlit. Модель (по умолчанию небольшая локальная LLM) ищет релевантные фрагменты в индексе.
3. Ответ + ссылка – в ответе отображается найденный отрывок и кнопка «Открыть страницу», которая открывает PDF‑viewer PDFium на соответствующей странице.

Технические детали

• Python 3.12, Streamlit 1.38 для UI;
• PageIndex – открытый модуль для построения обратных индексов по PDF;
• PDFium – быстрый рендерер, позволяющий отображать отдельные страницы без полной загрузки документа.
• Приложение работает в режиме одного активного документа, без необходимости в базе пользователей или серверных хранилищах.

Что уже доступно

Исходный код опубликован на GitHub под MIT‑лицензией, а готовый образ Docker можно запустить за несколько минут. Авторы отмечают, что в текущей версии поддерживается только английский язык, но планируют добавить мульти‑язычную поддержку и интеграцию с более мощными LLM, такими как GPT‑4o.

Почему это важно

Традиционные чат‑боты часто «выдавали» ответы, не указывая, где в документе находится оригинальный материал, что усложняло проверку фактов. PDF Desk закрывает этот пробел, делая процесс проверки мгновенным и визуально понятным.

Ссылка на статью: https://habr.com/ru/articles/1089882/