ваше сообщение коммита

-b

@@ -0,0 +1,5 @@
+# Netscape HTTP Cookie File
+# https://curl.se/docs/http-cookies.html
+# This file was generated by libcurl! Edit at your own risk.
+
+#HttpOnly_localhost	FALSE	/	FALSE	1757248505	sessionId	s%3ARIwffwSv4wqUqAqxpOk_ya9pUWlGlu4W.yc4Bi0rNrhM9%2BUzO0IUZezYTJJfB2ybrng1a3P0imjw

backend/routes/chat.js

@@ -303,15 +303,15 @@ router.post('/guest-message', upload.array('attachments'), async (req, res) => {
       `INSERT INTO guest_messages
         (guest_id_encrypted, content_encrypted, language_encrypted, is_ai,
          attachment_filename_encrypted, attachment_mimetype_encrypted, attachment_size, attachment_data)
-       VALUES (encrypt_text($1, $8), ${messageContent ? 'encrypt_text($2, $8)' : 'NULL'}, encrypt_text($3, $8), false, ${attachmentFilename ? 'encrypt_text($4, $8)' : 'NULL'}, ${attachmentMimetype ? 'encrypt_text($5, $8)' : 'NULL'}, $6, $7) RETURNING id`,
+       VALUES (encrypt_text($1, $8), encrypt_text($2, $8), encrypt_text($3, $8), false, encrypt_text($4, $8), encrypt_text($5, $8), $6, $7) RETURNING id`,
       [
         guestId,
-        messageContent, // Текст сообщения или NULL
+        messageContent || '', // Текст сообщения или пустая строка
         'ru', // Устанавливаем русский язык по умолчанию
-        attachmentFilename,
+        attachmentFilename || '', // Имя файла или пустая строка
-        attachmentMimetype,
+        attachmentMimetype || '', // MIME тип или пустая строка
-        attachmentSize,
+        attachmentSize || null,
-        attachmentData, // BYTEA данные файла или NULL
+        attachmentData || null, // BYTEA данные файла или NULL
         encryptionKey
       ]
     );
@@ -330,9 +330,12 @@ router.post('/guest-message', upload.array('attachments'), async (req, res) => {
       logger.info('Session saved after guest message');
     } catch (sessionError) {
       logger.error('Error saving session after guest message:', sessionError);
-      // Не прерываем ответ пользователю из-за ошибки сессии
+      // Не прерываем ответ пользователя из-за ошибки сессии
     }
 
+    // ВАЖНО: до авторизации ИИ-ответы гостям не отправляем. Только сохраняем гостевое сообщение и возвращаем системный текст.
+    let aiResponseContent = null;
+
     // Получаем настройки ассистента для systemMessage
     let telegramBotUrl = null;
     let supportEmailAddr = null;
@@ -352,6 +355,7 @@ router.post('/guest-message', upload.array('attachments'), async (req, res) => {
       success: true,
       messageId: savedMessageId, // Возвращаем ID сохраненного сообщения
       guestId: guestId, // Возвращаем использованный guestId
+      aiResponse: aiResponseContent, // Возвращаем AI ответ
       systemMessage: 'Для продолжения диалога авторизуйтесь: подключите кошелек, перейдите в чат-бот Telegram или отправьте письмо на email.',
       telegramBotUrl,
       supportEmail: supportEmailAddr
@@ -525,7 +529,7 @@ router.post('/message', requireAuth, upload.array('attachments'), async (req, re
         let ragResult = null;
         if (ragTableId) {
           const { ragAnswerWithConversation, generateLLMResponse } = require('../services/ragService');
-          const threshold = 200; // Увеличиваем threshold для более широкого поиска
+          const threshold = 10; // Жёстче порог совпадения, чтобы не подмешивать нерелевантный RAG
           
           // Получаем историю беседы
           const historyResult = await db.getQuery()(
@@ -533,28 +537,32 @@ router.post('/message', requireAuth, upload.array('attachments'), async (req, re
             [conversationId, userMessage.id, encryptionKey]
           );
           const history = historyResult.rows.reverse().map(msg => ({
-            role: msg.sender_type === 'user' ? 'user' : 'assistant',
+            // Любые человеческие сообщения (user/admin) считаем role='user'. Только 'assistant' — ассистент
+            role: msg.sender_type === 'assistant' ? 'assistant' : 'user',
             content: msg.content
           }));
           
           logger.info(`[RAG] Запуск поиска по RAG с беседой: tableId=${ragTableId}, вопрос="${messageContent}", threshold=${threshold}, historyLength=${history.length}`);
-          const ragResult = await ragAnswerWithConversation({ 
+          const ragSearchResult = await ragAnswerWithConversation({ 
             tableId: ragTableId, 
             userQuestion: messageContent, 
             threshold,
             history,
-            conversationId
+            conversationId,
+            // Не пересобираем индекс на каждом запросе. Кнопка /rebuild-index дергает rebuild.
+            forceReindex: false
           });
-          logger.info(`[RAG] Результат поиска по RAG:`, ragResult);
+          logger.info(`[RAG] Результат поиска по RAG:`, ragSearchResult);
-          logger.info(`[RAG] Score type: ${typeof ragResult.score}, value: ${ragResult.score}, threshold: ${threshold}, isFollowUp: ${ragResult.isFollowUp}`);
+          logger.info(`[RAG] Score type: ${typeof ragSearchResult.score}, value: ${ragSearchResult.score}, threshold: ${threshold}, isFollowUp: ${ragSearchResult.isFollowUp}`);
-          if (ragResult && ragResult.answer && typeof ragResult.score === 'number' && Math.abs(ragResult.score) <= threshold) {
+          const isConfident = ragSearchResult && typeof ragSearchResult.score === 'number' && Math.abs(ragSearchResult.score) <= threshold;
-            logger.info(`[RAG] Найден confident-ответ (score=${ragResult.score}), отправляем ответ из базы.`);
+          if (isConfident && ragSearchResult.answer) {
+            logger.info(`[RAG] Найден confident-ответ (score=${ragSearchResult.score}), отправляем ответ из базы.`);
             // Прямой ответ из RAG
-            logger.info(`[RAG] Сохраняем AI сообщение с контентом: "${ragResult.answer}"`);
+            logger.info(`[RAG] Сохраняем AI сообщение с контентом: "${ragSearchResult.answer}"`);
             aiMessage = await encryptedDb.saveData('messages', {
               conversation_id: conversationId,
               user_id: userId,
-              content: ragResult.answer,
+              content: ragSearchResult.answer,
               sender_type: 'assistant',
               role: 'assistant',
               channel: 'web'
@@ -562,17 +570,19 @@ router.post('/message', requireAuth, upload.array('attachments'), async (req, re
             logger.info(`[RAG] AI сообщение сохранено:`, aiMessage);
             // Пушим новое сообщение через WebSocket
             broadcastChatMessage(aiMessage);
-          } else if (ragResult) {
+          } else if (ragSearchResult) {
-            logger.info(`[RAG] Нет confident-ответа (score=${ragResult.score}), переходим к генерации через LLM.`);
+            logger.info(`[RAG] Нет confident-ответа (score=${ragSearchResult.score}), переходим к генерации через LLM.`);
             // Генерация через LLM с подстановкой значений из RAG и историей беседы
             const llmResponse = await generateLLMResponse({
               userQuestion: messageContent,
-              context: ragResult.context,
+              // ВАЖНО: если совпадение неуверенное — НЕ подмешиваем RAG-контент,
-              answer: ragResult.answer,
+              // иначе модель уходит в ответы про MetaMask и прочие нерелевантные темы
-              clarifyingAnswer: ragResult.clarifyingAnswer,
+              context: '',
-              objectionAnswer: ragResult.objectionAnswer,
+              answer: '',
+              clarifyingAnswer: ragSearchResult.clarifyingAnswer,
+              objectionAnswer: ragSearchResult.objectionAnswer,
               systemPrompt: aiSettings ? aiSettings.system_prompt : '',
-              history: ragResult.conversationContext ? ragResult.conversationContext.conversationHistory : history,
+              history: ragSearchResult.conversationContext ? ragSearchResult.conversationContext.conversationHistory : history,
               model: aiSettings ? aiSettings.model : undefined
             });
             if (llmResponse) {

backend/scripts/warmup-model.js

@@ -22,8 +22,8 @@ async function warmupModel() {
     
           // console.log('✅ Ollama доступен');
     
-    // Отправляем простой запрос для разогрева
+    // Отправляем простой запрос для разогрева (корректный эндпоинт)
-    const warmupResponse = await fetch(`${OLLAMA_URL}/v1/chat/completions`, {
+    const warmupResponse = await fetch(`${OLLAMA_URL}/api/chat`, {
       method: 'POST',
       headers: { 'Content-Type': 'application/json' },
       body: JSON.stringify({
@@ -34,18 +34,15 @@ async function warmupModel() {
         ],
         stream: false,
         options: {
-          temperature: 0.3,
+          temperature: 0.2,
-          num_predict: 50,
+          num_predict: 64,
-          num_ctx: 512,
+          num_ctx: 1024,
-          num_thread: 8,
+          num_thread: 4,
           num_gpu: 1,
-          num_gqa: 8,
-          rope_freq_base: 1000000,
-          rope_freq_scale: 0.5,
           repeat_penalty: 1.1,
-          top_k: 40,
+          top_k: 30,
-          top_p: 0.9,
+          top_p: 0.9
-        },
+        }
       }),
     });
     
@@ -55,7 +52,7 @@ async function warmupModel() {
     
     const data = await warmupResponse.json();
           // console.log('✅ Модель разогрета успешно');
-      // console.log(`📝 Ответ модели: ${data.choices?.[0]?.message?.content?.substring(0, 100)}...`);
+      // console.log(`📝 Ответ модели: ${(data.message?.content || data.response || '').substring(0, 100)}...`);
     
   } catch (error) {
           // console.error('❌ Ошибка разогрева модели:', error.message);

backend/services/ai-assistant.js

@@ -10,25 +10,36 @@
  * GitHub: https://github.com/HB3-ACCELERATOR
  */
 
-// console.log('[ai-assistant] loaded');
-
 const { ChatOllama } = require('@langchain/ollama');
-const { HNSWLib } = require('@langchain/community/vectorstores/hnswlib');
-const { OpenAIEmbeddings } = require('@langchain/openai');
-const logger = require('../utils/logger');
-const fetch = require('node-fetch');
 const aiCache = require('./ai-cache');
 const aiQueue = require('./ai-queue');
+const logger = require('../utils/logger');
 
-// Простой кэш для ответов
+// Константы для AI параметров
-const responseCache = new Map();
+const AI_CONFIG = {
-const CACHE_TTL = 5 * 60 * 1000; // 5 минут
+  temperature: 0.3,
+  maxTokens: 512,
+  timeout: 180000,
+  numCtx: 2048,
+  numGpu: 1,
+  numThread: 4,
+  repeatPenalty: 1.1,
+  topK: 40,
+  topP: 0.9,
+  // tfsZ не поддерживается в текущем Ollama — удаляем
+  mirostat: 2,
+  mirostatTau: 5,
+  mirostatEta: 0.1,
+  seed: -1,
+  // Ограничим количество генерируемых токенов для CPU, чтобы избежать таймаутов
+  numPredict: 256,
+  stop: []
+};
 
 class AIAssistant {
   constructor() {
     this.baseUrl = process.env.OLLAMA_BASE_URL || 'http://localhost:11434';
     this.defaultModel = process.env.OLLAMA_MODEL || 'qwen2.5:7b';
-    this.isModelLoaded = false;
     this.lastHealthCheck = 0;
     this.healthCheckInterval = 30000; // 30 секунд
   }
@@ -37,41 +48,34 @@ class AIAssistant {
   async checkModelHealth() {
     const now = Date.now();
     if (now - this.lastHealthCheck < this.healthCheckInterval) {
-      return this.isModelLoaded;
+      return true; // Используем кэшированный результат
     }
-    
+
     try {
-      const response = await fetch(`${this.baseUrl}/api/tags`, { 
+      const response = await fetch(`${this.baseUrl}/api/tags`);
-        timeout: 5000 
+      if (!response.ok) {
-      });
+        throw new Error(`Ollama API returned ${response.status}`);
-      if (response.ok) {
-        const data = await response.json();
-        this.isModelLoaded = data.models?.some(m => m.name === this.defaultModel) || false;
-      } else {
-        this.isModelLoaded = false;
       }
+      const data = await response.json();
+      const modelExists = data.models?.some(model => model.name === this.defaultModel);
+      
+      this.lastHealthCheck = now;
+      return modelExists;
     } catch (error) {
-      // console.error('Model health check failed:', error);
+      logger.error('Model health check failed:', error);
-      this.isModelLoaded = false;
+      return false;
     }
-    
-    this.lastHealthCheck = now;
-    return this.isModelLoaded;
   }
 
-  // Очистка старых записей кэша
+  // Очистка старого кэша
   cleanupCache() {
     const now = Date.now();
-    for (const [key, value] of responseCache.entries()) {
+    const maxAge = 3600000; // 1 час
-      if (now - value.timestamp > CACHE_TTL) {
+    aiCache.cleanup(maxAge);
-        responseCache.delete(key);
-      }
-    }
   }
 
-  // Создание экземпляра ChatOllama с нужными параметрами
+  // Создание чата с кастомным системным промптом
   createChat(customSystemPrompt = '') {
-    // Используем кастомный системный промпт, если он передан, иначе используем дефолтный
     let systemPrompt = customSystemPrompt;
     if (!systemPrompt) {
       systemPrompt = 'Вы - полезный ассистент. Отвечайте на русском языке кратко и по делу.';
@@ -81,36 +85,8 @@ class AIAssistant {
       baseUrl: this.baseUrl,
       model: this.defaultModel,
       system: systemPrompt,
-      temperature: 0.7, // Восстанавливаем для более творческих ответов
+      ...AI_CONFIG,
-      maxTokens: 2048, // Восстанавливаем для полных ответов
+      options: AI_CONFIG
-      timeout: 300000, // 5 минут для качественной обработки
-      numCtx: 4096, // Увеличиваем контекст для лучшего понимания
-      numGpu: 1, // Используем GPU
-      numThread: 8, // Оптимальное количество потоков
-      repeatPenalty: 1.1, // Штраф за повторения
-      topK: 40, // Разнообразие ответов
-      topP: 0.9, // Ядерная выборка
-      tfsZ: 1, // Tail free sampling
-      mirostat: 2, // Mirostat 2.0 для контроля качества
-      mirostatTau: 5, // Целевая перплексия
-      mirostatEta: 0.1, // Скорость адаптации
-      grammar: '', // Грамматика (если нужна)
-      seed: -1, // Случайный сид
-      numPredict: -1, // Неограниченная длина
-      stop: [], // Стоп-слова
-      stream: false, // Без стриминга для стабильности
-      options: {
-        numCtx: 4096,
-        numGpu: 1,
-        numThread: 8,
-        repeatPenalty: 1.1,
-        topK: 40,
-        topP: 0.9,
-        tfsZ: 1,
-        mirostat: 2,
-        mirostatTau: 5,
-        mirostatEta: 0.1
-      }
     });
   }
 
@@ -149,15 +125,12 @@ class AIAssistant {
   // Основной метод для получения ответа
   async getResponse(message, history = null, systemPrompt = '', rules = null) {
     try {
-      // console.log('getResponse called with:', { message, history, systemPrompt, rules });
-
       // Очищаем старый кэш
       this.cleanupCache();
 
       // Проверяем здоровье модели
       const isHealthy = await this.checkModelHealth();
       if (!isHealthy) {
-        // console.warn('Model is not healthy, returning fallback response');
         return 'Извините, модель временно недоступна. Пожалуйста, попробуйте позже.';
       }
 
@@ -168,7 +141,6 @@ class AIAssistant {
       });
       const cachedResponse = aiCache.get(cacheKey);
       if (cachedResponse) {
-        // console.log('Returning cached response');
         return cachedResponse;
       }
 
@@ -187,13 +159,16 @@ class AIAssistant {
       return new Promise((resolve, reject) => {
         const timeout = setTimeout(() => {
           reject(new Error('Request timeout - очередь перегружена'));
-        }, 180000); // 180 секунд таймаут для очереди (увеличено с 60)
+        }, 180000); // 180 секунд таймаут для очереди
 
         const onCompleted = (item) => {
           if (item.id === requestId) {
             clearTimeout(timeout);
             aiQueue.off('completed', onCompleted);
             aiQueue.off('failed', onFailed);
+            try {
+              aiCache.set(cacheKey, item.result);
+            } catch {}
             resolve(item.result);
           }
         };
@@ -211,63 +186,110 @@ class AIAssistant {
         aiQueue.on('failed', onFailed);
       });
     } catch (error) {
-      // console.error('Error in getResponse:', error);
+      logger.error('Error in getResponse:', error);
       return 'Извините, я не смог обработать ваш запрос. Пожалуйста, попробуйте позже.';
     }
   }
 
-  // Новый метод для OpenAI/Qwen2.5 совместимого endpoint
+  // Алиас для getResponse (для совместимости)
-  async fallbackRequestOpenAI(messages, systemPrompt = '') {
+  async processMessage(message, history = null, systemPrompt = '', rules = null) {
+    return this.getResponse(message, history, systemPrompt, rules);
+  }
+
+  // Прямой запрос к API (для очереди)
+  async directRequest(messages, systemPrompt = '', optionsOverride = {}) {
     try {
-      // console.log('Using fallbackRequestOpenAI with:', { messages, systemPrompt });
       const model = this.defaultModel;
       
       // Создаем AbortController для таймаута
       const controller = new AbortController();
-      const timeoutId = setTimeout(() => controller.abort(), 120000); // Увеличиваем до 120 секунд
+      const timeoutId = setTimeout(() => controller.abort(), AI_CONFIG.timeout);
-      
+
-      const response = await fetch(`${this.baseUrl}/v1/chat/completions`, {
+      // Маппинг camelCase → snake_case для опций Ollama
-        method: 'POST',
+      const mapOptionsToOllama = (opts) => ({
-        headers: { 'Content-Type': 'application/json' },
+        temperature: opts.temperature,
-        body: JSON.stringify({
+        // Используем только num_predict; не мапим maxTokens, чтобы не завышать лимит генерации
-          model,
+        num_predict: typeof opts.numPredict === 'number' && opts.numPredict > 0 ? opts.numPredict : undefined,
-          messages,
+        num_ctx: opts.numCtx,
-          stream: false,
+        num_gpu: opts.numGpu,
-          options: {
+        num_thread: opts.numThread,
-            temperature: 0.7,
+        repeat_penalty: opts.repeatPenalty,
-            num_predict: 2048, // Восстанавливаем для полных ответов
+        top_k: opts.topK,
-            num_ctx: 4096, // Восстанавливаем контекст для лучшего понимания
+        top_p: opts.topP,
-            num_thread: 8, // Оптимальное количество потоков
+        tfs_z: opts.tfsZ,
-            num_gpu: 1, // Используем GPU если доступен
+        mirostat: opts.mirostat,
-            num_gqa: 8, // Оптимизация для qwen2.5
+        mirostat_tau: opts.mirostatTau,
-            rope_freq_base: 1000000, // Оптимизация для qwen2.5
+        mirostat_eta: opts.mirostatEta,
-            rope_freq_scale: 0.5, // Оптимизация для qwen2.5
+        seed: opts.seed,
-            repeat_penalty: 1.1, // Восстанавливаем штраф за повторения
+        stop: Array.isArray(opts.stop) ? opts.stop : []
-            top_k: 40, // Восстанавливаем разнообразие ответов
-            top_p: 0.9, // Восстанавливаем nucleus sampling
-            tfs_z: 1, // Tail free sampling
-            mirostat: 2, // Mirostat 2.0 для контроля качества
-            mirostat_tau: 5, // Целевая перплексия
-            mirostat_eta: 0.1, // Скорость адаптации
-            seed: -1, // Случайный сид
-            stop: [] // Стоп-слова
-          }
-        })
       });
-      
+
-      clearTimeout(timeoutId);
+      const mergedConfig = { ...AI_CONFIG, ...optionsOverride };
+      const ollamaOptions = mapOptionsToOllama(mergedConfig);
+
+      // Вставляем системный промпт в начало, если задан
+      const finalMessages = Array.isArray(messages) ? [...messages] : [];
+      // Нормализация: только 'user' | 'assistant' | 'system'
+      for (const m of finalMessages) {
+        if (m && m.role) {
+          if (m.role !== 'assistant' && m.role !== 'system') m.role = 'user';
+        }
+      }
+      if (systemPrompt && !finalMessages.find(m => m.role === 'system')) {
+        finalMessages.unshift({ role: 'system', content: systemPrompt });
+      }
+
+      let response;
+      try {
+        response = await fetch(`${this.baseUrl}/api/chat`, {
+          method: 'POST',
+          headers: { 'Content-Type': 'application/json' },
+          signal: controller.signal,
+          body: JSON.stringify({
+            model,
+            messages: finalMessages,
+            stream: false,
+            options: ollamaOptions,
+            keep_alive: '3m'
+          })
+        });
+      } finally {
+        clearTimeout(timeoutId);
+      }
       
       if (!response.ok) {
         throw new Error(`HTTP error! status: ${response.status}`);
       }
+      
       const data = await response.json();
-      // Qwen2.5/OpenAI API возвращает ответ в data.choices[0].message.content
+      
-      if (data.choices && data.choices[0] && data.choices[0].message && data.choices[0].message.content) {
+      // Ollama /api/chat возвращает ответ в data.message.content
-        return data.choices[0].message.content;
+      if (data.message && typeof data.message.content === 'string') {
+        const content = data.message.content;
+        try {
+          const cacheKey = aiCache.generateKey(messages, { num_predict: ollamaOptions.num_predict, temperature: ollamaOptions.temperature });
+          aiCache.set(cacheKey, content);
+        } catch {}
+        return content;
       }
-      return data.response || '';
+      // OpenAI-совместимый /v1/chat/completions
+      if (data.choices && data.choices[0] && data.choices[0].message && data.choices[0].message.content) {
+        const content = data.choices[0].message.content;
+        try {
+          const cacheKey = aiCache.generateKey(messages, { num_predict: ollamaOptions.num_predict, temperature: ollamaOptions.temperature });
+          aiCache.set(cacheKey, content);
+        } catch {}
+        return content;
+      }
+      
+      const content = data.response || '';
+      try {
+        const cacheKey = aiCache.generateKey(messages, { num_predict: ollamaOptions.num_predict, temperature: ollamaOptions.temperature });
+        aiCache.set(cacheKey, content);
+      } catch {}
+      return content;
     } catch (error) {
-      // console.error('Error in fallbackRequestOpenAI:', error);
+      logger.error('Error in directRequest:', error);
       if (error.name === 'AbortError') {
         throw new Error('Request timeout - модель не ответила в течение 120 секунд');
       }
@@ -320,6 +342,4 @@ class AIAssistant {
   }
 }
 
-// Создаем и экспортируем единственный экземпляр
+module.exports = new AIAssistant();
-const aiAssistant = new AIAssistant();
-module.exports = aiAssistant;

backend/services/ai-cache.js

@@ -59,6 +59,23 @@ class AICache {
     logger.info('[AICache] Cache cleared');
   }
 
+  // Очистка старых записей по времени
+  cleanup(maxAge = 3600000) { // По умолчанию 1 час
+    const now = Date.now();
+    let deletedCount = 0;
+    
+    for (const [key, value] of this.cache.entries()) {
+      if (now - value.timestamp > maxAge) {
+        this.cache.delete(key);
+        deletedCount++;
+      }
+    }
+    
+    if (deletedCount > 0) {
+      logger.info(`[AICache] Cleaned up ${deletedCount} old entries`);
+    }
+  }
+
   // Статистика кэша
   getStats() {
     return {

backend/services/ai-queue.js

@@ -1,5 +1,13 @@
 /**
- * Очередь для AI запросов с приоритизацией
+ * Copyright (c) 2024-2025 Тарабанов Александр Викторович
+ * All rights reserved.
+ * 
+ * This software is proprietary and confidential.
+ * Unauthorized copying, modification, or distribution is prohibited.
+ * 
+ * For licensing inquiries: info@hb3-accelerator.com
+ * Website: https://hb3-accelerator.com
+ * GitHub: https://github.com/HB3-ACCELERATOR
  */
 
 const EventEmitter = require('events');
@@ -10,50 +18,51 @@ class AIQueue extends EventEmitter {
     super();
     this.queue = [];
     this.processing = false;
-    this.maxConcurrent = 1; // Максимум 1 запрос одновременно (последовательная обработка)
     this.activeRequests = 0;
+    this.maxConcurrent = 1; // Ограничиваем до 1 для стабильности
+    this.isPaused = false;
     this.stats = {
-      total: 0,
       completed: 0,
       failed: 0,
-      avgResponseTime: 0
+      avgResponseTime: 0,
+      lastProcessedAt: null,
+      initializedAt: Date.now()
     };
   }
 
   // Добавление запроса в очередь
   async addRequest(request, priority = 0) {
+    const requestId = Date.now() + Math.random();
     const queueItem = {
-      id: Date.now() + Math.random(),
+      id: requestId,
       request,
       priority,
-      timestamp: Date.now(),
+      status: 'queued',
-      status: 'pending'
+      timestamp: Date.now()
     };
 
+    // Добавляем в очередь с учетом приоритета
     this.queue.push(queueItem);
-    this.queue.sort((a, b) => b.priority - a.priority); // Сортировка по приоритету
+    this.queue.sort((a, b) => b.priority - a.priority);
 
-    this.stats.total++;
+    logger.info(`[AIQueue] Добавлен запрос ${requestId} с приоритетом ${priority}. Очередь: ${this.queue.length}`);
-    logger.info(`[AIQueue] Added request ${queueItem.id} with priority ${priority}`);
 
-    // Запускаем обработку если не запущена
+    // Запускаем обработку очереди
     if (!this.processing) {
       this.processQueue();
     }
 
-    return queueItem.id;
+    return requestId;
   }
 
   // Обработка очереди
   async processQueue() {
-    if (this.processing || this.activeRequests >= this.maxConcurrent) {
+    if (this.processing) return;
-      return;
-    }
 
     this.processing = true;
     logger.info(`[AIQueue] Начинаем обработку очереди. Запросов в очереди: ${this.queue.length}`);
 
-    while (this.queue.length > 0 && this.activeRequests < this.maxConcurrent) {
+    while (!this.isPaused && this.queue.length > 0 && this.activeRequests < this.maxConcurrent) {
       const item = this.queue.shift();
       if (!item) continue;
 
@@ -72,6 +81,7 @@ class AIQueue extends EventEmitter {
 
         this.stats.completed++;
         this.updateAvgResponseTime(responseTime);
+        this.stats.lastProcessedAt = Date.now();
 
         logger.info(`[AIQueue] Запрос ${item.id} завершен за ${responseTime}ms`);
 
@@ -83,6 +93,7 @@ class AIQueue extends EventEmitter {
         item.error = error.message;
 
         this.stats.failed++;
+        this.stats.lastProcessedAt = Date.now();
         logger.error(`[AIQueue] Запрос ${item.id} завершился с ошибкой:`, error.message);
 
         // Эмитим событие об ошибке
@@ -96,21 +107,24 @@ class AIQueue extends EventEmitter {
     logger.info(`[AIQueue] Обработка очереди завершена. Осталось запросов: ${this.queue.length}`);
 
     // Если в очереди еще есть запросы, продолжаем обработку
-    if (this.queue.length > 0) {
+    if (!this.isPaused && this.queue.length > 0) {
       setTimeout(() => this.processQueue(), 100);
     }
   }
 
   // Обработка одного запроса
   async processRequest(request) {
-    // Прямой вызов AI без очереди
     const aiAssistant = require('./ai-assistant');
     
-    // Используем прямой метод без очереди
+    // Формируем сообщения для API
     const messages = [];
+    
+    // Добавляем системный промпт
     if (request.systemPrompt) {
       messages.push({ role: 'system', content: request.systemPrompt });
     }
+    
+    // Добавляем историю сообщений
     if (request.history && Array.isArray(request.history)) {
       for (const msg of request.history) {
         if (msg.role && msg.content) {
@@ -118,10 +132,12 @@ class AIQueue extends EventEmitter {
         }
       }
     }
+    
+    // Добавляем текущее сообщение пользователя
     messages.push({ role: 'user', content: request.message });
 
-    // Прямой вызов API без очереди
+    // Используем прямой метод для избежания рекурсии
-    return await aiAssistant.fallbackRequestOpenAI(messages, request.systemPrompt);
+    return await aiAssistant.directRequest(messages, request.systemPrompt);
   }
 
   // Обновление средней скорости ответа
@@ -133,8 +149,17 @@ class AIQueue extends EventEmitter {
 
   // Получение статистики
   getStats() {
+    const totalProcessed = this.stats.completed + this.stats.failed;
     return {
-      ...this.stats,
+      // совместимость с AIQueueMonitor.vue и маршрутами
+      totalProcessed,
+      totalFailed: this.stats.failed,
+      averageProcessingTime: this.stats.avgResponseTime,
+      currentQueueSize: this.queue.length,
+      runningTasks: this.activeRequests,
+      lastProcessedAt: this.stats.lastProcessedAt,
+      isInitialized: true,
+      // старые поля на всякий случай
       queueLength: this.queue.length,
       activeRequests: this.activeRequests,
       processing: this.processing
@@ -146,6 +171,39 @@ class AIQueue extends EventEmitter {
     this.queue = [];
     logger.info('[AIQueue] Queue cleared');
   }
+
+  // Совместимость с роутами AI Queue
+  pause() {
+    this.isPaused = true;
+    logger.info('[AIQueue] Queue paused');
+  }
+
+  resume() {
+    const wasPaused = this.isPaused;
+    this.isPaused = false;
+    logger.info('[AIQueue] Queue resumed');
+    if (wasPaused) {
+      this.processQueue();
+    }
+  }
+
+  async addTask(taskData) {
+    // Маппинг к addRequest
+    const priority = this._calcTaskPriority(taskData);
+    const taskId = await this.addRequest(taskData, priority);
+    return { taskId };
+  }
+
+  _calcTaskPriority({ message = '', type, userRole, history }) {
+    let priority = 0;
+    if (userRole === 'admin') priority += 10;
+    if (type === 'chat') priority += 5;
+    if (type === 'analysis') priority += 3;
+    if (type === 'generation') priority += 1;
+    if (message && message.length < 100) priority += 2;
+    if (history && Array.isArray(history) && history.length > 0) priority += 1;
+    return priority;
+  }
 }
 
 module.exports = new AIQueue(); 

backend/services/ragService.js

@@ -19,6 +19,8 @@ const { getProviderSettings } = require('./aiProviderSettingsService');
 // Простой кэш для RAG результатов
 const ragCache = new Map();
 const RAG_CACHE_TTL = 5 * 60 * 1000; // 5 минут
+// Управляет поведением: выполнять ли upsert всех строк на каждый запрос поиска
+const UPSERT_ON_QUERY = process.env.RAG_UPSERT_ON_QUERY === 'true';
 
 async function getTableData(tableId) {
       // console.log(`[RAG] getTableData called for tableId: ${tableId}`);
@@ -67,7 +69,7 @@ async function getTableData(tableId) {
   return data;
 }
 
-async function ragAnswer({ tableId, userQuestion, product = null, threshold = 10 }) {
+async function ragAnswer({ tableId, userQuestion, product = null, threshold = 10, forceReindex = false }) {
       // console.log(`[RAG] ragAnswer called: tableId=${tableId}, userQuestion="${userQuestion}"`);
   
   // Проверяем кэш
@@ -111,12 +113,9 @@ async function ragAnswer({ tableId, userQuestion, product = null, threshold = 10
   // console.log(`[RAG] Prepared ${rowsForUpsert.length} rows for upsert`);
   // console.log(`[RAG] First row:`, rowsForUpsert[0]);
   
-  // Upsert все вопросы в индекс (можно оптимизировать по изменению)
+  // Выполняем upsert ТОЛЬКО если явно разрешено флагом/параметром.
-  if (rowsForUpsert.length > 0) {
+  if ((UPSERT_ON_QUERY || forceReindex) && rowsForUpsert.length > 0) {
     await vectorSearch.upsert(tableId, rowsForUpsert);
-    // console.log(`[RAG] Upsert completed`);
-  } else {
-    // console.log(`[RAG] No rows to upsert, skipping`);
   }
   
   // Поиск
@@ -293,7 +292,7 @@ async function generateLLMResponse({
       product,
       priority,
       date
-    });
+    }, 'generateLLMResponse');
     
     // Формируем улучшенный промпт для LLM с учетом найденной информации
     let prompt = `Вопрос пользователя: ${userQuestion}`;
@@ -329,9 +328,7 @@ async function generateLLMResponse({
     // --- КОНЕЦ ДОБАВЛЕНИЯ ---
 
     // Используем системный промпт из настроек, если он есть
-    if (finalSystemPrompt && finalSystemPrompt.trim()) {
+    if (!finalSystemPrompt || !finalSystemPrompt.trim()) {
-      prompt += `\n\nСистемная инструкция: ${finalSystemPrompt}`;
-    } else {
       // Fallback инструкция, если системный промпт не настроен
       prompt += `\n\nИнструкция: Используй найденную информацию из базы знаний для ответа. Если найденный ответ подходит к вопросу пользователя, используй его как основу. Если нужно дополнить или уточнить ответ, сделай это. Поддерживай естественную беседу, учитывая предыдущие сообщения. Отвечай на русском языке кратко и по делу. Если пользователь задает уточняющие вопросы, используй контекст предыдущих ответов.`;
     }
@@ -341,12 +338,25 @@ async function generateLLMResponse({
     // Получаем ответ от AI с учетом истории беседы
     let llmResponse;
     try {
-      llmResponse = await aiAssistant.getResponse(
+      // Прямое обращение к модели без очереди для снижения задержек при fallback
-        prompt,
+      const messages = [];
-        history,
+      if (finalSystemPrompt) {
-        finalSystemPrompt,
+        messages.push({ role: 'system', content: finalSystemPrompt });
-        rules
+      }
-      );
+      for (const h of (history || [])) {
+        if (h && h.content) {
+          const role = h.role === 'assistant' ? 'assistant' : 'user';
+          messages.push({ role, content: h.content });
+        }
+      }
+      messages.push({ role: 'user', content: prompt });
+      // Облегченные опции для снижения времени ответа на CPU
+      llmResponse = await aiAssistant.directRequest(messages, finalSystemPrompt, {
+        temperature: 0.2,
+        numPredict: 192,
+        numCtx: 1024,
+        numThread: 4
+      });
     } catch (error) {
       console.error(`[RAG] Error in getResponse:`, error.message);
       
@@ -379,7 +389,7 @@ function createConversationContext({
   product,
   priority,
   date
-}) {
+}, source = 'generic') {
   const context = {
     currentQuestion: userQuestion,
     ragData: {
@@ -394,7 +404,7 @@ function createConversationContext({
     isFollowUpQuestion: history && history.length > 0
   };
 
-  console.log(`[RAG] Создан контекст беседы:`, {
+  console.log(`[RAG] Создан контекст беседы (${source}):`, {
     hasRagData: context.hasRagData,
     historyLength: context.conversationHistory.length,
     isFollowUp: context.isFollowUpQuestion
@@ -412,12 +422,13 @@ async function ragAnswerWithConversation({
   product = null, 
   threshold = 10,
   history = [],
-  conversationId = null
+  conversationId = null,
+  forceReindex = false
 }) {
   console.log(`[RAG] ragAnswerWithConversation: tableId=${tableId}, question="${userQuestion}", historyLength=${history.length}`);
 
   // Получаем базовый RAG результат
-  const ragResult = await ragAnswer({ tableId, userQuestion, product, threshold });
+  const ragResult = await ragAnswer({ tableId, userQuestion, product, threshold, forceReindex });
   
   // Анализируем контекст беседы
   const conversationContext = createConversationContext({
@@ -428,26 +439,19 @@ async function ragAnswerWithConversation({
     product: ragResult.product,
     priority: ragResult.priority,
     date: ragResult.date
-  });
+  }, 'ragAnswerWithConversation');
 
   // Если это уточняющий вопрос и есть история
   if (conversationContext.isFollowUpQuestion && conversationContext.hasRagData) {
     console.log(`[RAG] Обнаружен уточняющий вопрос с RAG данными`);
 
     // Проверяем, есть ли точный ответ в первом поиске
-    if (ragResult.answer && typeof ragResult.score === 'number' && Math.abs(ragResult.score) <= 200) {
+    if (ragResult.answer && typeof ragResult.score === 'number' && Math.abs(ragResult.score) <= threshold) {
-      console.log(`[RAG] Найден точный ответ (score=${ragResult.score}), модифицируем с учетом контекста беседы`);
+      console.log(`[RAG] Найден точный ответ (score=${ragResult.score}), возвращаем ответ из базы без модификаций`);
-      
-      // Модифицируем точный ответ с учетом контекста беседы
-      let contextualAnswer = ragResult.answer;
-      if (history && history.length > 0) {
-        const contextSummary = history.slice(-3).map(msg => msg.content).join(' | ');
-        contextualAnswer = `Контекст: ${contextSummary}\n\nОтвет: ${ragResult.answer}`;
-      }
-      
       return {
         ...ragResult,
-        answer: contextualAnswer,
+        // Возвращаем чистый ответ
+        answer: ragResult.answer,
         conversationContext,
         isFollowUp: true
       };
@@ -461,7 +465,8 @@ async function ragAnswerWithConversation({
       tableId, 
       userQuestion: contextualQuestion, 
       product, 
-      threshold 
+      threshold,
+      forceReindex
     });
     
     // Объединяем результаты

backend/services/telegramBot.js

@@ -444,7 +444,7 @@ async function getBot() {
           } else {
             // Используем системный промпт из настроек, если RAG не используется
             const systemPrompt = aiSettings ? aiSettings.system_prompt : '';
-            aiResponse = await aiAssistant.getResponse(content, 'auto', history, systemPrompt);
+            aiResponse = await aiAssistant.getResponse(content, history, systemPrompt);
           }
           
           return aiResponse;

backend/services/vectorSearchClient.js

@@ -53,7 +53,7 @@ async function search(tableId, query, topK = 3) {
 async function remove(tableId, rowIds) {
   logger.info(`[VectorSearch] remove: tableId=${tableId}, rowIds=${rowIds}`);
   try {
-    const res = await axios.post(`${VECTOR_SEARCH_URL}/remove`, {
+    const res = await axios.post(`${VECTOR_SEARCH_URL}/delete`, {
       table_id: String(tableId),
       row_ids: rowIds.map(String)
     });

clean-logs.sh

@@ -23,20 +23,20 @@ else
     echo "ℹ️  Папка frontend/logs не найдена"
 fi
 
-# 2. Очистка логов Docker контейнеров
+# 2. Очистка логов Docker контейнеров (без удаления контейнеров)
 echo "🐳 Очистка логов Docker контейнеров..."
-docker system prune -f --volumes
+docker system prune -f
 
-# 3. Очистка конкретных контейнеров если они существуют
+# 3. Очистка логов конкретных контейнеров (без удаления)
 containers=("dapp-backend" "dapp-frontend" "dapp-postgres" "dapp-ollama")
 for container in "${containers[@]}"; do
     if docker ps -a --format "table {{.Names}}" | grep -q "^${container}$"; then
-        echo "🗑️  Удаление контейнера ${container}..."
+        echo "🧹 Очистка логов контейнера ${container}..."
-        docker rm -f "${container}" 2>/dev/null || true
+        docker logs --since 0s "${container}" > /dev/null 2>&1 || true
     fi
 done
 
-# 4. Очистка неиспользуемых образов
+# 4. Очистка неиспользуемых образов (опционально)
 echo "🖼️  Очистка неиспользуемых образов..."
 docker image prune -f
 

docker-compose.yml

@@ -40,8 +40,8 @@ services:
         max-file: "3"
     volumes:
       - ollama_data:/root/.ollama
-    # ports:
+    ports:
-    #   - '11434:11434'  # Закрываем - используется только backend'ом
+      - '11434:11434'  # Открываем для доступа к Ollama
     deploy:
       resources:
         limits:
@@ -55,12 +55,16 @@ services:
       - OLLAMA_ORIGINS=*
       - OLLAMA_NUM_PARALLEL=1
       - OLLAMA_NUM_GPU=1
+      - OLLAMA_KEEP_ALIVE=1
+      - OLLAMA_MODEL_TIMEOUT=0
     healthcheck:
       test: ["CMD", "ollama", "list"]
       interval: 30s
       timeout: 10s
       retries: 5
       start_period: 120s
+    # Современные версии ollama не поддерживают флаг --keep-alive; используем переменные окружения
+    # command: ["serve"]
   vector-search:
     build:
       context: ./vector-search

frontend/nginx-tunnel.conf

@@ -3,6 +3,9 @@
 # Включаем WAF конфигурацию
 # include /etc/nginx/conf.d/waf.conf;
 
+# Ограничение запросов (5 r/s на IP, с небольшим burst)
+limit_req_zone $binary_remote_addr zone=req_limit_per_ip:10m rate=5r/s;
+
 # Блокировка всех подозрительных поддоменов
 server {
     listen 80;
@@ -60,11 +63,16 @@ server {
         return 404;
     }
 
-    # Блокировка сканирования резервных копий и архивов
+    # Блокировка сканирования резервных копий и архивов (путьовые паттерны)
     if ($request_uri ~* "(backup|backups|bak|old|restore|www\.tar|website\.tar|\.tar\.gz|\.gz|\.sql\.tar|public_html\.tar|sftp-config\.json)") {
         return 404;
     }
 
+    # Явный запрет на потенциально опасные расширения (чтобы SPA не отдавала index.html со статусом 200)
+    location ~* \.(zip|rar|7z|tar|gz|bz2|xz|sql|sqlite|db|bak|backup|old|csv)$ {
+        return 404;
+    }
+
     # Блокировка опасных файлов (НЕ блокируем .js, .css)
     if ($request_uri ~* "\.(php|asp|aspx|jsp|cgi|pl|py|sh|bash|exe|bat|cmd|com|pif|scr|vbs|vbe|jar|war|ear|dll|so|dylib|bin|sys|ini|log|bak|old|tmp|temp|swp|swo|~)$") {
         return 404;
@@ -92,6 +100,9 @@ server {
 
     # Основной location
     location / {
+        # Лимитируем агрессивные сканеры по IP
+        limit_req zone=req_limit_per_ip burst=15 nodelay;
+
         try_files $uri $uri/ /index.html =404;
         
         # Заголовки безопасности
@@ -149,8 +160,13 @@ server {
         add_header X-Content-Type-Options "nosniff" always;
     }
 
+    # Общий запрет SPA-фоллбэка для любых запросов с расширением, кроме /api и /ws
+    location ~* ^/(?!api/|ws).+\.[^/]+$ {
+        try_files $uri =404;
+    }
+
     # Запрет доступа к чувствительным файлам
-    location ~* /(\.htaccess|\.htpasswd|\.env|\.git|\.svn|\.DS_Store|Thumbs\.db|web\.config|robots\.txt|sitemap\.xml)$ {
+    location ~* /(\.\htaccess|\.\htpasswd|\.env|\.git|\.svn|\.DS_Store|Thumbs\.db|web\.config|robots\.txt|sitemap\.xml)$ {
         deny all;
         return 404;
     }

scripts/manage-models.sh

@@ -0,0 +1,170 @@
+#!/bin/bash
+# Copyright (c) 2024-2025 Тарабанов Александр Викторович
+# All rights reserved.
+# This software is proprietary and confidential.
+# For licensing inquiries: info@hb3-accelerator.com
+
+# Цвета для вывода
+GREEN='\033[0;32m'
+YELLOW='\033[1;33m'
+BLUE='\033[0;34m'
+NC='\033[0m'
+
+# Функции
+log() {
+    echo -e "${BLUE}[$(date +'%H:%M:%S')]${NC} $1"
+}
+
+success() {
+    echo -e "${GREEN}✅ $1${NC}"
+}
+
+warning() {
+    echo -e "${YELLOW}⚠️  $1${NC}"
+}
+
+# Проверка статуса моделей
+check_models_status() {
+    log "Проверка статуса моделей..."
+    
+    # Проверяем какие модели загружены в память
+    loaded_models=$(docker exec dapp-ollama ollama ps 2>/dev/null | grep -v "NAME" | wc -l)
+    
+    if [ "$loaded_models" -gt 0 ]; then
+        success "Модели в памяти: $loaded_models активных"
+        docker exec dapp-ollama ollama ps
+    else
+        warning "Модели не загружены в память"
+    fi
+    
+    # Проверяем доступные модели
+    available_models=$(docker exec dapp-ollama ollama list 2>/dev/null | grep -v "NAME" | wc -l)
+    success "Доступных моделей: $available_models"
+}
+
+# Предзагрузка моделей
+preload_models() {
+    log "Предзагрузка моделей в память..."
+    
+    # Проверяем что Ollama готов
+    until curl -s http://localhost:11434/api/tags > /dev/null 2>&1; do
+        log "Ожидание запуска Ollama..."
+        sleep 2
+    done
+    
+    success "Ollama готов!"
+    
+    # Загружаем основные модели
+    log "Загрузка qwen2.5:7b..."
+    docker exec dapp-ollama ollama run qwen2.5:7b "Инициализация" > /dev/null 2>&1 &
+    
+    log "Загрузка mxbai-embed-large:latest..."
+    docker exec dapp-ollama ollama run mxbai-embed-large:latest "Инициализация" > /dev/null 2>&1 &
+    
+    # Ждем загрузки
+    sleep 10
+    
+    success "Модели загружены!"
+    check_models_status
+}
+
+# Поддержание моделей в памяти
+keep_alive() {
+    log "Запуск поддержания моделей в памяти..."
+    
+    while true; do
+        # Проверяем статус каждые 5 минут
+        loaded_models=$(docker exec dapp-ollama ollama ps 2>/dev/null | grep -v "NAME" | wc -l)
+        
+        if [ "$loaded_models" -eq 0 ]; then
+            log "Модели выгружены, перезагружаем..."
+            preload_models
+        else
+            log "Модели в памяти: $loaded_models активных"
+        fi
+        
+        sleep 300  # 5 минут
+    done
+}
+
+# Очистка моделей из памяти
+clear_memory() {
+    log "Очистка моделей из памяти..."
+    
+    # Останавливаем все модели
+    docker exec dapp-ollama ollama ps | grep -v "NAME" | awk '{print $1}' | xargs -I {} docker exec dapp-ollama ollama stop {} 2>/dev/null || true
+    
+    success "Память очищена"
+    check_models_status
+}
+
+# Главное меню
+show_help() {
+    echo "🤖 Управление моделями Ollama"
+    echo "================================"
+    echo "Использование: $0 [команда]"
+    echo ""
+    echo "Команды:"
+    echo "  status    - Показать статус моделей"
+    echo "  preload   - Предзагрузить модели в память"
+    echo "  keep      - Поддерживать модели в памяти"
+    echo "  clear     - Очистить память"
+    echo "  test      - Протестировать скорость ответа"
+    echo "  help      - Показать эту справку"
+    echo ""
+    echo "Примеры:"
+    echo "  $0 status    # Проверить статус"
+    echo "  $0 preload   # Загрузить модели"
+    echo "  $0 keep      # Держать в памяти"
+}
+
+# Тест производительности
+test_performance() {
+    log "Тест производительности..."
+    
+    # Тест с холодным стартом
+    log "Тест холодного старта..."
+    start_time=$(date +%s.%N)
+    docker exec dapp-ollama ollama run qwen2.5:7b "Тест" > /dev/null 2>&1
+    end_time=$(date +%s.%N)
+    cold_time=$(echo "$end_time - $start_time" | bc)
+    
+    # Тест с горячим стартом
+    log "Тест горячего старта..."
+    start_time=$(date +%s.%N)
+    docker exec dapp-ollama ollama run qwen2.5:7b "Тест" > /dev/null 2>&1
+    end_time=$(date +%s.%N)
+    hot_time=$(echo "$end_time - $start_time" | bc)
+    
+    echo "📊 Результаты теста:"
+    echo "   Холодный старт: ${cold_time}s"
+    echo "   Горячий старт:  ${hot_time}s"
+    
+    if (( $(echo "$hot_time < $cold_time" | bc -l) )); then
+        success "Модели работают быстрее из памяти!"
+    else
+        warning "Модели не остаются в памяти"
+    fi
+}
+
+# Обработка аргументов
+case "${1:-help}" in
+    "status")
+        check_models_status
+        ;;
+    "preload")
+        preload_models
+        ;;
+    "keep")
+        keep_alive
+        ;;
+    "clear")
+        clear_memory
+        ;;
+    "test")
+        test_performance
+        ;;
+    "help"|*)
+        show_help
+        ;;
+esac

scripts/test-ai-assistant.sh

@@ -0,0 +1,373 @@
+#!/bin/bash
+# Copyright (c) 2024-2025 Тарабанов Александр Викторович
+# All rights reserved.
+# This software is proprietary and confidential.
+# For licensing inquiries: info@hb3-accelerator.com
+
+echo "🤖 Полный тест AI ассистента"
+echo "================================"
+
+# Цвета для вывода
+RED='\033[0;31m'
+GREEN='\033[0;32m'
+YELLOW='\033[1;33m'
+BLUE='\033[0;34m'
+NC='\033[0m' # No Color
+
+# Функция для логирования
+log() {
+    echo -e "${BLUE}[$(date +'%H:%M:%S')]${NC} $1"
+}
+
+success() {
+    echo -e "${GREEN}✅ $1${NC}"
+}
+
+error() {
+    echo -e "${RED}❌ $1${NC}"
+}
+
+warning() {
+    echo -e "${YELLOW}⚠️  $1${NC}"
+}
+
+# Проверка зависимостей
+check_dependencies() {
+    log "Проверка зависимостей..."
+    
+    if ! command -v curl &> /dev/null; then
+        error "curl не установлен"
+        exit 1
+    fi
+    
+    if ! command -v jq &> /dev/null; then
+        warning "jq не установлен - JSON ответы не будут форматированы"
+    fi
+    
+    success "Зависимости проверены"
+}
+
+# Проверка Docker контейнеров
+check_containers() {
+    log "Проверка Docker контейнеров..."
+    
+    containers=("dapp-backend" "dapp-ollama" "dapp-postgres" "dapp-vector-search")
+    
+    for container in "${containers[@]}"; do
+        if docker ps --format "table {{.Names}}" | grep -q "^${container}$"; then
+            status=$(docker inspect --format='{{.State.Status}}' "$container")
+            if [ "$status" = "running" ]; then
+                success "$container: запущен"
+            else
+                error "$container: статус $status"
+            fi
+        else
+            error "$container: не найден"
+        fi
+    done
+}
+
+# Проверка Ollama
+test_ollama() {
+    log "Тестирование Ollama..."
+    
+    # Проверка доступности API
+    if curl -s http://localhost:11434/api/tags > /dev/null 2>&1; then
+        success "Ollama API доступен"
+    else
+        error "Ollama API недоступен"
+        return 1
+    fi
+    
+    # Проверка моделей
+    models=$(curl -s http://localhost:11434/api/tags | jq -r '.models[].name' 2>/dev/null || echo "")
+    if echo "$models" | grep -q "qwen2.5:7b"; then
+        success "Модель qwen2.5:7b загружена"
+    else
+        error "Модель qwen2.5:7b не найдена"
+    fi
+    
+    if echo "$models" | grep -q "mxbai-embed-large:latest"; then
+        success "Модель mxbai-embed-large:latest загружена"
+    else
+        error "Модель mxbai-embed-large:latest не найдена"
+    fi
+    
+    # Тест генерации
+    log "Тест генерации текста..."
+    response=$(curl -s -X POST http://localhost:11434/api/generate \
+        -H "Content-Type: application/json" \
+        -d '{
+            "model": "qwen2.5:7b",
+            "prompt": "Привет! Как дела?",
+            "stream": false
+        }')
+    
+    if echo "$response" | jq -e '.response' > /dev/null 2>&1; then
+        success "Генерация текста работает"
+        echo "Ответ: $(echo "$response" | jq -r '.response' | head -c 100)..."
+    else
+        error "Генерация текста не работает"
+        echo "Ответ: $response"
+    fi
+}
+
+# Проверка Backend API
+test_backend_api() {
+    log "Тестирование Backend API..."
+    
+    # Проверка здоровья
+    if curl -s http://localhost:8000/api/health > /dev/null 2>&1; then
+        success "Backend API доступен"
+    else
+        error "Backend API недоступен"
+        return 1
+    fi
+    
+    # Проверка AI health
+    ai_health=$(curl -s http://localhost:8000/api/ai/health 2>/dev/null || echo "")
+    if [ -n "$ai_health" ]; then
+        success "AI health endpoint работает"
+    else
+        warning "AI health endpoint недоступен"
+    fi
+}
+
+# Тест RAG системы
+test_rag_system() {
+    log "Тестирование RAG системы..."
+    
+    # Создание тестовой таблицы
+    log "Создание тестовой таблицы..."
+    table_response=$(curl -s -X POST http://localhost:8000/api/tables \
+        -H "Content-Type: application/json" \
+        -d '{
+            "name": "test_ai_table",
+            "description": "Тестовая таблица для AI"
+        }')
+    
+    table_id=$(echo "$table_response" | jq -r '.id' 2>/dev/null || echo "")
+    if [ -n "$table_id" ] && [ "$table_id" != "null" ]; then
+        success "Таблица создана (ID: $table_id)"
+        
+        # Добавление колонок
+        log "Добавление колонок..."
+        curl -s -X POST "http://localhost:8000/api/tables/$table_id/columns" \
+            -H "Content-Type: application/json" \
+            -d '{
+                "name": "question",
+                "type": "text",
+                "placeholder": "vopros"
+            }' > /dev/null
+        
+        curl -s -X POST "http://localhost:8000/api/tables/$table_id/columns" \
+            -H "Content-Type: application/json" \
+            -d '{
+                "name": "answer",
+                "type": "text",
+                "placeholder": "otvet"
+            }' > /dev/null
+        
+        # Добавление данных
+        log "Добавление тестовых данных..."
+        curl -s -X POST "http://localhost:8000/api/tables/$table_id/rows" \
+            -H "Content-Type: application/json" \
+            -d '{
+                "data": {
+                    "question": "Как работает AI ассистент?",
+                    "answer": "AI ассистент использует машинное обучение для понимания и ответа на вопросы пользователей."
+                }
+            }' > /dev/null
+        
+        curl -s -X POST "http://localhost:8000/api/tables/$table_id/rows" \
+            -H "Content-Type: application/json" \
+            -d '{
+                "data": {
+                    "question": "Что такое RAG?",
+                    "answer": "RAG (Retrieval-Augmented Generation) - это метод, который объединяет поиск информации с генерацией ответов."
+                }
+            }' > /dev/null
+        
+        success "Тестовые данные добавлены"
+        
+        # Тест RAG запроса
+        log "Тест RAG запроса..."
+        rag_response=$(curl -s -X POST "http://localhost:8000/api/rag/answer" \
+            -H "Content-Type: application/json" \
+            -d '{
+                "tableId": '$table_id',
+                "question": "Как работает AI ассистент?",
+                "threshold": 5
+            }')
+        
+        if echo "$rag_response" | jq -e '.answer' > /dev/null 2>&1; then
+            success "RAG система работает"
+            echo "RAG ответ: $(echo "$rag_response" | jq -r '.answer' | head -c 100)..."
+        else
+            error "RAG система не работает"
+            echo "RAG ответ: $rag_response"
+        fi
+        
+        # Очистка тестовой таблицы
+        log "Очистка тестовой таблицы..."
+        curl -s -X DELETE "http://localhost:8000/api/tables/$table_id" > /dev/null
+        success "Тестовая таблица удалена"
+        
+    else
+        error "Не удалось создать тестовую таблицу"
+        echo "Ответ: $table_response"
+    fi
+}
+
+# Тест AI ассистента
+test_ai_assistant() {
+    log "Тестирование AI ассистента..."
+    
+    # Простой тест
+    log "Простой тест AI..."
+    simple_response=$(curl -s -X POST http://localhost:8000/api/chat/guest-message \
+        -H "Content-Type: application/json" \
+        -d '{
+            "message": "Привет! Как дела?",
+            "guestId": "test-guest-123"
+        }')
+    
+    if echo "$simple_response" | jq -e '.aiMessage' > /dev/null 2>&1; then
+        success "AI ассистент отвечает"
+        echo "Ответ: $(echo "$simple_response" | jq -r '.aiMessage.content' | head -c 100)..."
+    else
+        error "AI ассистент не отвечает"
+        echo "Ответ: $simple_response"
+    fi
+    
+    # Тест с контекстом
+    log "Тест с контекстом..."
+    context_response=$(curl -s -X POST http://localhost:8000/api/chat/guest-message \
+        -H "Content-Type: application/json" \
+        -d '{
+            "message": "Как меня зовут?",
+            "guestId": "test-guest-123"
+        }')
+    
+    if echo "$context_response" | jq -e '.aiMessage' > /dev/null 2>&1; then
+        success "AI ассистент помнит контекст"
+        echo "Ответ: $(echo "$context_response" | jq -r '.aiMessage.content' | head -c 100)..."
+    else
+        error "AI ассистент не помнит контекст"
+        echo "Ответ: $context_response"
+    fi
+}
+
+# Тест плейсхолдеров
+test_placeholders() {
+    log "Тестирование плейсхолдеров..."
+    
+    # Создание таблицы с плейсхолдерами
+    log "Создание таблицы с плейсхолдерами..."
+    table_response=$(curl -s -X POST http://localhost:8000/api/tables \
+        -H "Content-Type: application/json" \
+        -d '{
+            "name": "test_placeholders",
+            "description": "Тест плейсхолдеров"
+        }')
+    
+    table_id=$(echo "$table_response" | jq -r '.id' 2>/dev/null || echo "")
+    if [ -n "$table_id" ] && [ "$table_id" != "null" ]; then
+        success "Таблица создана (ID: $table_id)"
+        
+        # Добавление колонки с плейсхолдером
+        curl -s -X POST "http://localhost:8000/api/tables/$table_id/columns" \
+            -H "Content-Type: application/json" \
+            -d '{
+                "name": "company_name",
+                "type": "text",
+                "placeholder": "company"
+            }' > /dev/null
+        
+        # Добавление данных
+        curl -s -X POST "http://localhost:8000/api/tables/$table_id/rows" \
+            -H "Content-Type: application/json" \
+            -d '{
+                "data": {
+                    "company_name": "HB3 Accelerator"
+                }
+            }' > /dev/null
+        
+        success "Плейсхолдеры настроены"
+        
+        # Очистка
+        curl -s -X DELETE "http://localhost:8000/api/tables/$table_id" > /dev/null
+        
+    else
+        error "Не удалось создать таблицу для плейсхолдеров"
+    fi
+}
+
+# Проверка производительности
+test_performance() {
+    log "Тестирование производительности..."
+    
+    start_time=$(date +%s)
+    
+    # Тест скорости ответа
+    response_time=$(curl -s -w "%{time_total}" -o /dev/null \
+        -X POST http://localhost:8000/api/chat/guest-message \
+        -H "Content-Type: application/json" \
+        -d '{
+            "message": "Быстрый тест",
+            "guestId": "test-guest-123"
+        }')
+    
+    end_time=$(date +%s)
+    duration=$((end_time - start_time))
+    
+    if (( $(echo "$response_time < 10" | bc -l) )); then
+        success "Время ответа: ${response_time}s (нормально)"
+    else
+        warning "Время ответа: ${response_time}s (медленно)"
+    fi
+    
+    # Проверка памяти
+    ollama_memory=$(docker stats dapp-ollama --no-stream --format "table {{.MemUsage}}" | tail -1)
+    log "Использование памяти Ollama: $ollama_memory"
+}
+
+# Главная функция
+main() {
+    echo "🚀 Начинаем полный тест AI ассистента"
+    echo "========================================"
+    
+    check_dependencies
+    echo
+    
+    check_containers
+    echo
+    
+    test_ollama
+    echo
+    
+    test_backend_api
+    echo
+    
+    test_rag_system
+    echo
+    
+    test_ai_assistant
+    echo
+    
+    test_placeholders
+    echo
+    
+    test_performance
+    echo
+    
+    echo "🎯 Тестирование завершено!"
+    echo "================================"
+    
+    # Итоговая статистика
+    log "Статус контейнеров:"
+    docker-compose ps --format "table {{.Name}}\t{{.Status}}\t{{.Ports}}"
+}
+
+# Запуск
+main "$@"

setup.sh

@@ -131,6 +131,36 @@ start_project() {
   # Проверяем, что сервисы запустились
   if [ $? -eq 0 ]; then
     print_green "Сервисы успешно запущены!"
+    
+    # Предзагрузка моделей Ollama
+    print_blue "Предзагрузка моделей Ollama..."
+    print_yellow "Это может занять несколько минут..."
+    
+    # Ждем, пока Ollama запустится
+    print_blue "Ожидание запуска Ollama..."
+    for i in {1..30}; do
+      if curl -s http://localhost:11434/api/tags > /dev/null 2>&1; then
+        print_green "Ollama готов!"
+        break
+      fi
+      if [ $i -eq 30 ]; then
+        print_yellow "Ollama не ответил за 60 секунд, продолжаем без предзагрузки..."
+        break
+      fi
+      sleep 2
+    done
+    
+    # Предзагружаем модели
+    if curl -s http://localhost:11434/api/tags > /dev/null 2>&1; then
+      print_blue "Предзагрузка qwen2.5:7b..."
+      curl -X POST http://localhost:11434/api/generate -d '{"model": "qwen2.5:7b", "prompt": "test", "stream": false}' > /dev/null 2>&1
+      
+      print_blue "Предзагрузка mxbai-embed-large:latest..."
+      curl -X POST http://localhost:11434/api/generate -d '{"model": "mxbai-embed-large:latest", "prompt": "test", "stream": false}' > /dev/null 2>&1
+      
+      print_green "✅ Модели предзагружены и останутся в памяти!"
+    fi
+    
     print_green "----------------------------------------"
     print_green "Проект Digital_Legal_Entity(DLE) доступен по адресам:"
     print_green "Frontend: http://localhost:5173"
@@ -138,9 +168,7 @@ start_project() {
     print_green "Ollama API: http://localhost:11434"
     print_green "PostgreSQL: localhost:5432"
     print_green "----------------------------------------"
-    print_green "Загрузка модели qwen2.5:7b может занять некоторое время..."
+    print_green "ИИ-ассистент готов к работе!"
-    print_green "Вы можете проверить статус загрузки модели командой:"
-    print_green "docker logs -f dapp-ollama-setup"
     print_green "----------------------------------------"
   else
     print_red "Произошла ошибка при запуске сервисов."