GLOBUS.RAG Core: RAG у PHP без другого рантайму
Генерація з пошуком по документах зазвичай приїздить із другим стеком: Python-сервіс для ембедингів, векторна база, HTTP-шар між ними. GLOBUS.RAG Core тримає весь конвеєр усередині PHP, і застосунок отримує пошук по своїх документах без нової інфраструктури.
Що працює всередині PHP
Під капотом стоїть FerryAI. Він зв’язує PHP 8.3 з нативними бібліотеками через FFI і запускає три родини моделей в одному процесі: ONNX, GGUF через llama.cpp і RubixML для класичних моделей. Чат, стрімінг, ембединги, пошук і векторний індекс працюють через один API.
Звідси зникає звична склейка. Немає Python-воркера, немає HTTP-мікросервісу, немає Docker-сайдкара. Черга або cron збирають ембединги на тому самому сервері, який віддає сторінки.
Чому це важливо для бізнесу
Документи лежать у WordPress, у CRM, у файловому сховищі. Конвеєр на PHP дістає їх із тими правами, які сайт уже має, і відповідь залишається всередині периметра: корпус не йде третій стороні.
Другий ефект операційний. Одне розгортання, один набір логів, одне місце для налаштування пам’яті. Командам на PHP не потрібно наймати людей під другу екосистему.
Де видно інженерію
У пакеті 793 тести, PHPStan рівня 8 і Psalm рівня 3. Версія 0.1.1 рання, API стабілізується, і репозиторій каже про це прямо: фіксуйте версію та читайте changelog перед оновленням.
Файли моделей лежать поза репозиторієм. Інференс тут єдине завдання, навчання й донавчання йдуть окремо. Ця межа тримає пакет компактним і передбачуваним.
З чого починається проєкт
Спочатку аудит корпусу: які документи, як часто змінюються, як виглядає правильна відповідь. Далі нарізка на фрагменти, ембединги й перевірка пошуку на двадцяти реальних питаннях. Інтерфейс робиться після цього.
Типова робота: внутрішній асистент із документації, пошук за договорами, відповіді підтримки з бази знань. Послуга розробки RAG включає аудит і складання. Поруч за змістом: Atomic Framework як оточення.
Код і документація: FerryAI на GitHub, llama.cpp.
