# 🚀 Datalab Chandra - Швидкий старт

**Дата:** 2026-01-12

---

## ✅ Підтверджено: Це нормально!

**Так, встановлення Datalab Chandra для обробки документів та таблиць — відмінна ідея!**

---

## 📋 Що вже зроблено

1. ✅ Створено `chandra-service` — API wrapper для Chandra
2. ✅ Додано в `docker-compose.node1.yml`:
   - `chandra-inference` — контейнер для inference (потрібен реальний образ)
   - `chandra-service` — API wrapper сервіс
3. ✅ Оновлено Router:
   - `OCR_URL` → `http://chandra-service:8002`
   - Додано `CHANDRA_URL`

---

## 🔧 Що потрібно зробити

### 1. Отримати Docker образ Chandra

**Варіант A: Офіційний Datalab (потрібна ліцензія)**
```bash
# Потрібно отримати доступ до Datalab registry
docker pull datalab/chandra-inference:latest
```

**Варіант B: HuggingFace модель (open-source)**
- Використати модель з HuggingFace
- Створити власний Dockerfile

### 2. Оновити docker-compose.node1.yml

Замінити placeholder:
```yaml
chandra-inference:
  image: python:3.11-slim  # ← Замінити на реальний образ
```

На реальний образ:
```yaml
chandra-inference:
  image: datalab/chandra-inference:latest  # або ваш образ
```

### 3. Налаштувати ліцензію (якщо потрібна)

Додати в `.env`:
```bash
CHANDRA_LICENSE_KEY=your_license_key_here
CHANDRA_MODEL=chandra-small  # або chandra
```

### 4. Запустити сервіси

```bash
cd /opt/microdao-daarion
docker compose -f docker-compose.node1.yml up -d chandra-inference chandra-service
```

### 5. Перевірити

```bash
# Health check
curl http://localhost:8002/health

# Список моделей
curl http://localhost:8002/models
```

---

## 📊 Вимоги

- **GPU:** NVIDIA RTX 4000 SFF Ada (20GB VRAM) — достатньо для `chandra-small`
- **VRAM:** 
  - `chandra-small`: ~8GB
  - `chandra`: ~16GB
- **Ліцензія:** Потрібна для комерційного використання

---

## 🔗 Інтеграція

### Router:
- Використовує `CHANDRA_URL` для обробки документів
- Автоматично маршрутизує OCR запити

### Gateway:
- `doc_service.py` може викликати Chandra через Router
- Або напряму через `chandra-service:8002`

---

## 📝 Приклад використання

```python
import httpx

async with httpx.AsyncClient() as client:
    response = await client.post(
        "http://chandra-service:8002/process",
        files={"file": ("document.pdf", file_data)},
        data={
            "output_format": "markdown",
            "accurate_mode": "false"
        }
    )
    result = response.json()
    markdown = result["result"]["markdown"]
```

---

## ⚠️ Важливо

1. **Docker образ:** Потрібно замінити placeholder на реальний образ
2. **Ліцензія:** Для повної версії потрібна ліцензія Datalab
3. **VRAM:** Переконайтеся, що GPU має достатньо пам'яті

---

**Готово до встановлення!**

---

**Оновлено:** 2026-01-12