Где AnythingLLM даёт сбой
Типичная история: программа установлена, документы загружены, а ответы на русском путаные — локальная модель слабая. Облачная модель умнее, но для неё нужен API-ключ, а зарубежный API не оплатить российской картой. Плюс настройки: провайдеры, модели эмбеддингов, режимы поиска.
Вторая жалоба — результат остаётся в чате. Чтобы получить справку или таблицу файлом, нужен агент с инструментами и модель, которая их поддерживает.
Что сделает ИИ-агент LeanTech
Результат приходит файлом — DOCX, PDF или XLSX. Модели GPT, Claude, Gemini и DeepSeek подключены сразу, оплата с одного баланса картой РФ, кредит равен рублю.
- выпишет главное из длинного PDF и соберёт конспект;
- найдёт ответ в пачке документов и укажет, откуда он;
- сравнит несколько договоров по пунктам и покажет расхождения;
- сведёт данные из документов в таблицу XLSX;
- напишет ответ на письмо или служебную записку по материалам.
Как поставить задачу
Загрузите файлы в чат
PDF, DOCX, таблицы — несколько сразу.
Скажите, что нужно на выходе
«Таблица расхождений по срокам и суммам», а не просто «проанализируй».
Укажите формат
DOCX для текста, XLSX для таблиц, PDF для отправки.
Проверьте ключевые места
Попросите агента привести цитаты по спорным пунктам и сверьте их с оригиналом.
Когда оставаться на AnythingLLM
Если документы нельзя выносить за пределы компьютера — коммерческая тайна, персональные данные, требования безопасности — выбирайте AnythingLLM с локальной моделью. Агент работает в облаке, и это честное ограничение.
То же, если нужна постоянная база знаний, к которой вся команда обращается месяцами: для этого AnythingLLM в Docker подходит лучше, чем разовые задачи в чате.
Примеры задач
Юрист загружает пять версий договора и просит таблицу: какие пункты менялись, в какой редакции и что это значит для заказчика. Бухгалтер — пачку актов и просит свести суммы по контрагентам в XLSX. Студент — учебник в PDF и просит конспект по главам с вопросами для самопроверки.
Во всех случаях результат — готовый файл, который можно сразу отправить или доработать. Если вывод кажется странным, попросите агента показать цитату из документа, на которую он опирается.
Большие документы и пачки файлов
AnythingLLM решает проблему объёма поиском по кускам текста: модель видит не весь документ, а найденные фрагменты. Отсюда типичная ошибка — ответ по одному куску без учёта остального. В агенте документ среднего размера модель может прочитать целиком, и выводы получаются связнее.
Для очень больших пачек разбивайте задачу: сначала конспект каждого документа, потом сводный вывод по конспектам. Так проще проверить результат и найти, откуда взялась каждая мысль.
Чего агент не делает
Не устанавливает AnythingLLM, Ollama или модели на ваш компьютер, не подключается к вашей программе и не настраивает API-ключи. Он не работает внутри чужих программ — только с файлами, которые вы загрузили.
И как любая языковая модель, может ошибаться в деталях. Для договоров и цифр проверяйте выводы по цитатам.
Сколько это стоит
AnythingLLM бесплатен, но вы платите временем на настройку и железом для локальных моделей. В агенте оплата за задачу в рублях: разбор одного документа — небольшая сумма, пакет договоров — дороже. Для пробы есть стартовый баланс.