Труды КНЦ. Технические науки. – 2026. - № 1

системы на сервере ИИММ КНЦ РАН. Локальное развертывание системы совместно с применяемыми на сайте механизмами аутентификации пользователей обеспечивает требуемый уровень контроля доступа к информации, предотвращая ее несанкционированное использование. Для повышения релевантности ответов на запросы в случае обработки больших корпусов текста, например при работе с электронной библиотекой ФИЦ КНЦ РАН, предлагается использовать технологии онтологического инжиниринга и промпт-инжиниринга. Для некоторых типов запросов разработаны специализированные промпты, позволяющие формулировать ответ в соответствии со спецификой запроса. Проведенные эксперименты продемонстрировали применимость предлагаемых решений для рассматриваемых в статье задач интеллектуального поиска. Дальнейшие направления исследований связаны с выбором более мощной языковой модели, а также с реализацией дополнительных возможностей интеллектуализации сайта ФИЦ КНЦ РАН. Авторы надеются, что получат отклик со стороны пользователей сайта ФИЦ КНЦ РАН в виде предложений относительно интересующих их задач, связанных с интеллектуализацией поиска. Список источников Агенты искусственного интеллекта: Руководство по разработке. / Ю. Цзяншу и др. М.: ДМК Пресс, 2025. 502 с. Использование RAG-технологии для создания интеллектуальной информационной системы поддержки исследовательского поиска / А. Г. Олейник [и др.] // Труды Кольского научного центра РАН. Серия: Технические науки. 2024. Т. 15, № 3. С. 5-26. DOI 10.37614/2949.1215.2024.15.3.001. Федеральный исследовательский центр «Кольский Научный Центр» Российской академии наук [Электронный ресурс]. URL: www.ksc.ru/ (дата обращения: 01.02.2026). Шестаков А. В., Зуенко А. А., Применение RAG-технологии для автоматической генерации тестов и проверки знаний с поддержкой диалога на естественном языке // Труды Кольского научного центра РАН. Серия: Технические науки. 2025. Т. 16, № 3. С. 56-70. doi:10.37614/2949-1215.2025.16.3.000. Beautiful Soup [Электронный ресурс]. URL: https://beautiful-soup-4.readthedocs.io/en/latest/ (дата обращения: 13.01.2026). BERT [Электронный ресурс]. URL: https://huggingface.co/docs/transformers/model_doc/bert (дата обращения: 03.02.2026). Chains [Электронный ресурс]. URL: https://reference.langchain.eom/v0.3/python/community/chains.html (дата обращения: 04.02.2026). Configuring Chroma Collection. [Электронный ресурс]. URL: https://docs.trychroma.com/docs/collections/ configure (дата обращения: 02.02.2026). Hugging Face Integration [Электронный ресурс]. URL: https://docs.langchain.com/oss/python/integrations/ text_embedding/huggingfacehub (дата обращения: 05.02.2026). Instructed integrations. [Электронный ресурс]. URL: https://docs.langchain.com/oss/python/integrations/ providers/unstructured (дата обращения: 01.02.2026). Langchain Introduction [Электронный ресурс]. URL: https://python.langchain.com/docs/introduction/ (дата обращения: 15.01.2026). Langchain Text Splitters [Электронный ресурс]. URL: https://reference.langchain.com/python/langchain_ text_splitters/ (дата обращения: 05.02.2026) LitLLM: A Toolkit for Scientific Literature Review // arXiv:2402.01788 [cs]. 2024. llama3.1:8b [Электронный ресурс]. URL: https://ollama.com/library/llama3.1:8b (дата обращения: 01.02.2026). Lxml - XML and HTML with Python [Электронный ресурс]. URL: https://lxml.de/ (дата обращения: 30.01.2026). Manning C. D. Human Language Understanding & Reasoning // Daedalus. 2022. Vol. 151, № 2. P. 127-138. Mitchell M., Krakauer D. The Debate Over Understanding in Al's Large Language Models // arXiv:2210.13966 [cs.LG ], 2022. Neo4j [Электронный ресурс]. URL: https://neo4j.com/ (дата обращения: 27.01.2026). Ollama ’a Documentation [Электронный ресурс]. URL: https://docs.ollama.com/ (дата обращения: 01.02.2026). Phi3 [Электронный ресурс]. URL: https://ollama.com/library/phi3 (дата обращения: 30.01.2026). Qwen2.5:3b [Электронный ресурс]. URL: https://ollama.com/library/qwen2.5:3b (дата обращения: 01.02.2026). Retrieval-Augmented Generation for Large Language Models: A Survey [Электронный ресурс] / Y. Gao et al. // ResearchGate URL: https://www.researchgate.net/publication/389004683_The_Survey_of_Retrieval-Augmented_Text_ Generation_in_Large_Language_Models (дата обращения: 10.01.2026) SBERT [Электронный ресурс]. URL: https://developers.sber.ru/portal/products/sbert (дата обращения: 07.02.2026). Tessaract User Manual [Электронный ресурс]. URL: https://tesseract-ocr.github.io/tessdoc/#tesseract-user-manual (дата обращения: 29.01.2026) Try Chroma [Электронный ресурс]. URL: https://docs.trychroma.com/ (дата обращения: 08.02.2026). Труды Кольского научного центра РАН. Серия: Технические науки. 2026. Т. 17, № 1. С. 129-142. Transactions of the Kola Science Centre of RAS. Series: Engineering Sciences. 2026. Vol. 17, No. 1. P. 129-142. © Шестаков А. В., Зуенко А. А., Зуенко О. Н., 2026 1 4 1