# PDF-даташиты подключены (12.11.2026) ## Что сделано Официальные PDF-даташиты HP/Poly добавлены в тот же конвейер: воркер скачивает PDF, вытаскивает текст через `pdftotext -layout` и отдаёт его локальной модели — как и HTML-страницы. ### Четыре ловушки, каждая проверена | Ловушка | Симптом | Решение | |---|---|---| | битая TLS-цепочка CDN HP | `curl` → 000, `-k` → 200 | `-k` только для PDF (публичные даташиты) | | хост периодически рвёт соединение | 000 через одну загрузку | 2 повтора + пауза | | `subprocess`-таймаут короче `curl -m` | повторы обрывались исключением | таймаут 90 с при `curl -m 60` | | нестабильная сеть | часть PDF не качается | **локальный кэш** `research/pdf/` + `file://` в очереди | ### Кэш 9 файлов, от 466 КБ до 2.4 МБ. Очередь указывает на `file://`, оригинальный адрес сохранён в `source_url` — для отчёта и повторной загрузки. PDF поставлены **в начало очереди**: они информативнее продуктовых обзоров. ## Проверка ``` Poly Studio E60 (772 КБ) → текст 8 087 символов фрагмент: «Connectivity and communications … 1 USB-B; 1 RJ-45 (10/100/1000 Mbps) … Camera resolution: 2160p, 4K UHD … PoE+» Poly Studio R30 → 8 234 символа Poly Studio G62 → факт: compatible_with Poly Studio E60 ``` ## Итоги по вендорам (живые данные) | Вендор | Документов | Фактов | Зависимостей | |---|---|---|---| | vinteo | 44 | 70 | 17 | | poly | 23 | **50** | 9 | | logitech | 25 | 21 | 11 | | iva | 13 | 30 | 7 | | yealink | 25 | 8 | 1 | ## Честное ограничение Модель **qwen2.5:3b** плохо разбирает плотные таблицы характеристик в PDF: текст извлекается идеально, но фактов выходит 0–1 из документа, хотя там десятки параметров. Варианты: 1. **qwen2.5:7b на ночь** — когда сбор остановлен и Ollama свободна. 2. **Мелкие окна**: резать PDF на фрагменты по 800–1000 символов с заголовком раздела — модель 3b справляется лучше. 3. Оставить как есть: PDF дают **зависимости** (совместимости), а числа приходят с HTML-страниц. ## Что дальше * догрузить оставшиеся 3 PDF (хост нестабилен) — повторным прогоном кэша; * прогнать PDF ночью моделью 7b и сравнить качество; * добавить PDF-источники для Vinteo (`/download/`) — там тоже даташиты.