microdao-daarion/DATALAB-CHANDRA-INSTALLATION-GUIDE.md

📄 Встановлення Datalab Chandra на НОДА1

Дата: 2026-01-12

---

✅ Це нормально!

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

Chandra доповнить поточну обробку документів і надасть:

• ✅ Обробку складних таблиць (зберігає структуру)
• ✅ Розпізнавання рукописного тексту
• ✅ Обробку форм та документів
• ✅ Збереження макету документа (bounding boxes, метадані)
• ✅ Вихід у форматах: Markdown, HTML, JSON

---

📊 Поточна ситуація

НОДА1:

• ✅ GPU: NVIDIA RTX 4000 SFF Ada (20GB VRAM) — достатньо для Chandra Small
• ✅ Обробка документів: gateway-bot/services/doc_service.py
• ✅ Router: має OCR_URL налаштування

Що додасть Chandra:

• Покращена обробка таблиць
• Розпізнавання рукопису
• Обробка складних форм
• Детальні метадані документа

---

🔧 Встановлення

Крок 1: Отримати Docker образ Chandra

Варіант A: Офіційний Datalab образ (потрібна ліцензія)

# Потрібно отримати доступ до Datalab registry
docker pull datalab/chandra-inference:latest

Варіант B: HuggingFace модель (open-source)

# Використати HuggingFace модель
# Створити власний Dockerfile з моделлю

Крок 2: Налаштувати змінні оточення

Додати в .env або docker-compose.node1.yml:

environment:
  - CHANDRA_LICENSE_KEY=${CHANDRA_LICENSE_KEY:-}  # Якщо потрібна ліцензія
  - CHANDRA_MODEL=chandra-small  # або chandra для повної версії

Крок 3: Запустити сервіси

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

Крок 4: Перевірити статус

# Перевірка health check
curl http://localhost:8002/health

# Перевірка моделей
curl http://localhost:8002/models

---

🔗 Інтеграція

Router інтеграція:

• ✅ OCR_URL оновлено на http://chandra-service:8002
• ✅ Додано CHANDRA_URL для прямих викликів

Gateway інтеграція:

• doc_service.py може використовувати Chandra через Router
• Або напряму через chandra-service:8002

---

📝 Використання

API виклик:

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",  # або html, json
            "accurate_mode": "false"
        }
    )
    result = response.json()

Інтеграція в doc_service:

# В doc_service.py додати метод:
async def parse_with_chandra(
    self,
    doc_url: str,
    output_format: str = "markdown"
) -> Dict[str, Any]:
    """Parse document using Chandra OCR"""
    async with httpx.AsyncClient() as client:
        response = await client.post(
            "http://chandra-service:8002/process",
            json={
                "doc_url": doc_url,
                "output_format": output_format
            }
        )
        return response.json()

---

⚠️ Важливо

1. Ліцензія: Для повної версії Chandra потрібна ліцензія Datalab
2. VRAM: Chandra Small потребує ~8GB VRAM, повна версія ~16GB
3. Час обробки: Accurate mode повільніший, але точніший
4. Docker образ: Потрібно замінити placeholder на реальний образ Datalab

---

🔄 Наступні кроки

1. Отримати Docker образ Chandra (Datalab registry або HuggingFace)
2. Оновити docker-compose.node1.yml з правильним образом
3. Налаштувати ліцензію (якщо потрібна)
4. Протестувати обробку таблиць та форм
5. Інтегрувати в doc_service.py

---

Оновлено: 2026-01-12