docs: актуализировать service-description — парсинг на ВМ, pdfplumber+python-docx

History/architecture/service-description.md

@@ -12,7 +12,7 @@
 
 1. **Загрузка** — файлы принимаются через веб-интерфейс. Поддерживаются .docx, .doc (старый Word), .pdf, а также .zip с несколькими файлами.
 
-2. **Парсинг** — каждый файл автоматически разбирается: извлекаются таблицы и текст. Используется Apache POI (Java) для Word-документов и PDFBox для PDF. Результат — структурированный JSON (elements_json) и текстовое представление.
+2. **Парсинг** — каждый файл автоматически разбирается на ВМ: извлекаются таблицы и текст. Используется pdfplumber для PDF (с сохранением структуры таблиц) и python-docx для Word. Результат — структурированный JSON (elements_json) и текстовое представление.
 
 3. **Порядок** — файлы можно переставить стрелками ↕. Первый в списке считается базовым договором, остальные — дополнительные документы к нему.
 
@@ -31,9 +31,9 @@
     │
     ├── загрузка файлов ──→ VM (Python, convert_server.py)
     │                           │
-    │                           ├── /convert-doc ──→ Lucee (parser.cfm)
-    │                           ├── /process-v2 ───→ Lucee (apply_events.cfm)
-    │                           └── LLM (api.aillm.ru, gpt-oss-120b)
+    │                           ├── /upload ──→ parse.py (pdfplumber + python-docx)
+    │                           ├── /llm-ops ──→ LLM (api.aillm.ru, gpt-oss-120b)
+    │                           └── /process-v2 ──→ Lucee (apply_events.cfm)
     │
     └── API ──→ Lucee (CFML на k8s)
                     │
@@ -44,8 +44,8 @@
 |-----------|-----|------------|
 | Веб-интерфейс | Lucee 6.0 (k8s) | CFML + JavaScript |
 | База данных | Внутренний PostgreSQL 15 | JSONB, UUID, advisory locks |
-| Парсинг документов | Lucee | Apache POI (HWPF/XWPF), PDFBox |
-| LLM-анализ | Внешняя VM (5.172.178.213) | Python 3, httpx, SSE-стриминг |
+| Парсинг документов | ВМ (5.172.178.213) | pdfplumber (PDF) + python-docx (DOCX) |
+| LLM-анализ | ВМ (5.172.178.213) | Python 3, httpx, SSE-стриминг |
 | Модель | api.aillm.ru | gpt-oss-120b (бесплатно, 8000 токенов) |
 
 ## Event Sourcing
@@ -65,7 +65,7 @@
 
 - **Backend**: Lucee 6.0 (CFML) на Kubernetes
 - **База**: PostgreSQL 15 (JSONB, UUID, window functions)
-- **Парсинг**: Apache POI (Java, встроен в Lucee)
+- **Парсинг**: pdfplumber (PDF) + python-docx (DOCX) на ВМ
 - **LLM-прокси**: Python 3 + httpx + threading (SSE)
 - **Модель**: gpt-oss-120b (OpenAI-совместимый API)
 - **Фронтенд**: ванильный JS + Lucide иконки