{% extends "layout.html" %}

{% block page_title %}Информация{% endblock %}
{% block page_description %}Информация о системе, используемых моделях и движках поиска.{% endblock %}

{% block content %}

<div style="display: grid; grid-template-columns: 1fr 1fr; gap: 1.5rem;">

    <!-- General Info -->
    <div class="card">
        <h3>О системе</h3>
        <p>BSL Search MCP — это система семантического поиска кода для 1С:Предприятие. Позволяет находить фрагменты кода
            по их смыслу, даже если ключевые слова не совпадают.</p>

        <div style="margin-top: 1rem; padding-top: 1rem; border-top: 1px solid var(--border-color, #eee);">
            <strong>Порядок работы:</strong>
            <ol style="margin-top: 0.5rem; padding-left: 1.2rem; color: var(--text-color); margin-bottom: 1rem;">
                <li>Добавляется информационная база.</li>
                <li>Модель генерирует эмбеддинги и передает их движку.</li>
                <li>Движок индексирует данные и обеспечивает выполнение поиска.</li>
            </ol>
        </div>

        <div>
            <strong>Версия:</strong> 1.0.0<br>
            <strong>Платформа:</strong> Python + FastAPI<br>
            <strong>Поддерживаемые файлы:</strong> .bsl, .xml
        </div>
    </div>

    <!-- Engine Info -->
    <div class="card">
        <h3>Движки</h3>
        <ul style="margin-top: 1rem; padding-left: 1.2rem; color: var(--text-color);">
            <li style="margin-bottom: 0.8rem;">
                <strong>Qdrant</strong>: Текущий выбор. Отличный функционал, есть локальный режим.
            </li>
            <li style="margin-bottom: 0.8rem;">
                <strong>LanceDB</strong>: Очень перспективный embedded векторный DB. Работает поверх Arrow,
                сверхбыстрый, не требует демона. Идеален для локальных MCP.
            </li>
            <li>
                <strong>ChromaDB</strong>: Популярный выбор для простых скриптов, но бывает капризен с зависимостями.
            </li>
        </ul>
    </div>

    <!-- Models Info -->
    <div class="card" style="grid-column: span 2;">
        <h3>Модели Машинного Обучения</h3>
        <p>Для превращения кода в векторы используются нейросетевые модели (Embedding Models). По умолчанию используется
            облегченная модель, оптимизированная для русского языка и кода.</p>

        <table style="margin-top: 1rem; width: 100%; border-collapse: collapse;">
            <thead>
                <tr style="text-align: left;">
                    <th style="padding: 8px;">Модель</th>
                    <th style="padding: 8px;">Тип</th>
                    <th style="padding: 8px;">Описание</th>
                </tr>
            </thead>
            <tbody>
                <tr style="border-bottom: 1px solid var(--border-color, #eee);">
                    <td style="font-weight: 600; padding: 8px;">cointegrated/rubert-tiny2</td>
                    <td style="padding: 8px;">Transformer (ONNX)</td>
                    <td style="padding: 8px;">Абсолютный лидер для CPU. Очень быстрый, качество достаточное для поиска
                        кода.</td>
                </tr>
                <tr style="border-bottom: 1px solid var(--border-color, #eee);">
                    <td style="font-weight: 600; padding: 8px;">intfloat/multilingual-e5-small</td>
                    <td style="padding: 8px;">Transformer (ONNX)</td>
                    <td style="padding: 8px;">Современный стандарт качественных эмбеддингов. Чуть тяжелее, но точнее.
                    </td>
                </tr>
                <tr>
                    <td style="font-weight: 600; padding: 8px;">ai-forever/sbert_large_nlu_ru</td>
                    <td style="padding: 8px;">Transformer (ONNX)</td>
                    <td style="padding: 8px;">Отличная русская модель, но тяжелая для CPU (не рекомендуем для этого
                        сетапа, но можно добавить для опции).</td>
                </tr>
            </tbody>
        </table>
    </div>

</div>

{% endblock %}