Перейти к содержимому

GLOBUS.RAG Core: RAG на PHP без второго рантайма

Генерация с поиском по документам обычно приезжает со вторым стеком: Python-сервис для эмбеддингов, векторная база, HTTP-слой между ними. GLOBUS.RAG Core держит весь конвейер внутри PHP, и приложение получает поиск по своим документам без новой инфраструктуры.

Что работает внутри PHP

Под капотом стоит FerryAI. Он связывает PHP 8.3 с нативными библиотеками через FFI и запускает три семейства моделей в одном процессе: ONNX, GGUF через llama.cpp и RubixML для классических моделей. Чат, стриминг, эмбеддинги, поиск и векторный индекс работают через один API.

Отсюда исчезает обычная склейка. Нет Python-воркера, нет HTTP-микросервиса, нет Docker-сайдкара. Очередь или cron собирают эмбеддинги на том же сервере, который отдаёт страницы.

Почему это важно для бизнеса

Документы лежат в WordPress, в CRM, в файловом хранилище. Конвейер на PHP достаёт их с теми правами, которые у сайта уже есть, и ответ остаётся внутри периметра: корпус не уходит третьей стороне.

Второй эффект операционный. Одно развёртывание, один набор логов, одно место для настройки памяти. Командам на PHP не нужно нанимать людей под вторую экосистему.

Где видна инженерия

В пакете 793 теста, PHPStan уровня 8 и Psalm уровня 3. Версия 0.1.1 ранняя, API стабилизируется, и репозиторий говорит об этом прямо: фиксируйте версию и читайте changelog перед обновлением.

Файлы моделей лежат вне репозитория. Инференс здесь единственная задача, обучение и дообучение идут отдельно. Эта граница держит пакет компактным и предсказуемым.

С чего начинается проект

Начинается всё с аудита корпуса: какие документы, как часто меняются, как выглядит правильный ответ. Затем нарезка на фрагменты, эмбеддинги и проверка поиска на двадцати реальных вопросах. Интерфейс появляется после этого.

Типовая работа: внутренний ассистент по документации, поиск по договорам, ответы поддержки из базы знаний. Услуга разработки RAG включает аудит и сборку. Рядом по смыслу: Atomic Framework как окружение.

Код и документация: FerryAI на GitHub, llama.cpp.