Загрузка и индексация документов для RAG в мобильных приложениях

Приложение вылетает при загрузке PDF 50+ МБ — типичная жалоба на этапе QA. В 90% случаев прямая загрузка в память приводит к OutOfMemoryError на Android и низкой производительности на iOS. Мы решили это потоковой передачей данных и асинхронным pipeline. Пользователь прикрепляет PDF из Files.app или галереи, нажимает «Загрузить» — и через несколько секунд получает возможность задавать вопросы по документу. За этими секундами скрывается сложный pipeline: загрузка файла на сервер, парсинг, разбиение на чанки, генерация эмбеддингов и запись в векторную БД. Каждый этап — потенциальный источник проблем: утечка памяти на мобильном, обрыв соединения, неверный чанкинг, потеря данных. Мы реализовали такой pipeline под ключ для 5 проектов, включая приложения с миллионными базами документов. Наш опыт показывает, что без правильной архитектуры пайплайн может рухнуть при нагрузке. В этой статье детально разбираем технические решения каждого этапа — от выбора API для загрузки до обработки ошибок на сервере.

Как реализовать загрузку файлов на мобильном устройстве?

Android: выбор правильного API

Для Android 13+ используем ActivityResultContracts.GetContent() с MIME-типом application/pdf или */*. Получаем Uri типа content://. Чтобы прочитать данные без OutOfMemoryError для больших файлов, не загружаем всё в ByteArray — передаём InputStream напрямую через кастомный RequestBody в OkHttp. Пример:

val uri: Uri = // из ActivityResult val requestBody = object : RequestBody() { override fun contentType() = "application/octet-stream".toMediaType() override fun contentLength() = -1 // unknown override fun writeTo(sink: BufferedSink) { contentResolver.openInputStream(uri)?.use { input -> sink.writeAll(input.source()) } } } 

Для файлов более 50 МБ — чанкованная загрузка через MultipartBody с вызовом writeTo по частям. Это позволяет избежать перегрузки оперативной памяти и повысить стабильность приложения.

iOS: UIDocumentPicker и потоковая загрузка

На iOS используем UIDocumentPickerViewController с UTType.pdf и т.д. Получаем URL типа file://. Чтение через Data(contentsOf:) для файлов >20 МБ опасно — лучше использовать URLSession.uploadTask(with:fromFile:), который читает файл напрямую из файловой системы, не загружая в память.

let request = URLRequest(url: uploadEndpoint) let (_, response) = try await URLSession.shared.upload(for: request, fromFile: fileURL) 

Подробнее об URLSession – стандартная документация Apple (Apple URLSession documentation).

Прогресс загрузки

Прогресс-бар обязателен: на Android — через CountingOutputStream в OkHttp, на iOS — через URLSession в свойстве uploadProgress. Пользователь должен видеть, сколько осталось. Без прогресса крупные файлы создают впечатление «зависания». Типичное время загрузки 20-30 МБ файла — около 5 секунд на хорошем соединении.

Серверный pipeline: от файла до векторов

Процесс включает следующие шаги: 1) загрузка файла, 2) извлечение текста, 3) разбиение на чанки, 4) генерация эмбеддингов, 5) загрузка в векторную БД. После загрузки файла на сервер запускаем асинхронный pipeline через Celery (или аналогичную очередь). Клиенту сразу возвращаем {"job_id": "abc", "status": "processing"}, а статус отслеживается через polling или WebSocket.

@celery.task def process_document(file_path: str, user_id: str, content_type: str): text = extract_text(file_path, content_type) chunks = split_into_chunks(text, chunk_size=500, overlap=50) embeddings = create_embeddings_batch(chunks) upsert_to_vector_store(chunks, embeddings, user_id) update_document_status(file_path, "completed") 

Парсинг документов — таблица:

PyMuPDF — наш выбор для PDF: корректно обрабатывает кириллицу, сохраняет информацию о шрифтах (полезно для определения заголовков). Источник: PyMuPDF. Подробнее — PyMuPDF.

Какие чанки выбирать: фиксированный размер vs семантический?

Фиксированный чанкинг быстрее и предсказуемее, но может разрывать смысловые блоки. Семантический дольше, но повышает качество ответов RAG на 15–20% по нашим замерам. Размер чанка зависит от модели эмбеддингов: для text-embedding-3-small оптимально 512 токенов. Если документ содержит таблицы или код, увеличивайте перекрытие до 100 токенов.

Почему важен прогресс и статус индексации?

Пока документ обрабатывается, клиент должен видеть актуальное состояние. Два подхода:

• Polling — каждые 2–3 секунды запрашиваем /api/documents/{job_id}/status. Просто, работает везде, но создаёт лишние запросы (до 20-30 за минуту).
• WebSocket / SSE — клиент подписывается на события для job_id. Бэкенд отправляет обновления: {"step": "chunking", "progress": 0.3} → {"step": "embedding", "progress": 0.7} → {"step": "completed"}. Лучший UX, но сложнее реализовать при фоновой работе.

Мы используем SSE как баланс между сложностью и опытом пользователя. После завершения индексации — push-уведомление через APNs/FCM. Время индексации одного документа сократили на 40% за счёт параллельной обработки чанков.

Управление документами пользователя

Пользователь может удалять документы. При удалении:

1. Удаляем файл из хранилища.
2. Удаляем все чанки из векторной БД (по user_id + document_id).
3. Обновляем запись в реляционной БД.

В Pinecone: index.delete(filter={"document_id": "xyz"}, namespace=user_id). В pgvector: DELETE FROM documents WHERE document_id = $1 AND user_id = $2.

Документы хранятся с метаданными: имя, размер, дата загрузки, количество чанков, статус. Это позволяет восстановить индексацию при сбое.

Что входит в нашу работу по внедрению RAG-пайплайна

Мы предоставляем:

• Проектирование архитектуры пайплайна под ваши сценарии
• Реализацию загрузки с прогрессом на iOS/Android
• Серверную часть: парсинг, чанкинг, эмбеддинги, векторное хранение
• Интеграцию с Firebase Cloud Messaging для уведомлений
• Документацию по API и инструкции по деплою
• Обучение команды работе с системой
• Гарантию стабильности: покрываем код unit-тестами и проводим нагрузочное тестирование

Наша команда имеет более 5 лет опыта в мобильной разработке и успешно внедрила RAG-пайплайны для 5+ проектов. Получите консультацию по архитектуре пайплайна.

Сроки и стоимость

MVP с поддержкой PDF и TXT, базовым чанкингом и pgvector — 3–4 недели. Полный pipeline с OCR, несколькими форматами, асинхронной очередью и WebSocket-статусом — 6–8 недель. Стоимость рассчитывается индивидуально после анализа требований.

Свяжитесь с нами для оценки вашего проекта. Закажите внедрение под ключ.