Claude и открытый словарь казахских запросов о здоровье
Появился небольшой открытый словарь тем о теле и самочувствии на казахском, русском и английском, который может помочь с поиском и разметкой запросов. Заодно автор проекта показала MCP-сервер для ChatGPT и Claude — он не содержит языковой модели, а лишь отдаёт структуру для самопроверки по методике «Лестница».
Что вошло в словарь
Новый датасет называется kazakh-body-wellbeing-lexicon и опубликован на Hugging Face под лицензией CC BY 4.0. Внутри есть 83 темы, 1 913 поисковых фраз и отдельные файлы с вопросами WHO-5 на казахском, русском и английском. Для каждой темы указаны короткое жизненное название и ссылки на исходные страницы на трёх языках.
Словарь собран на базе сайта с материалами о женском здоровье и психосоматике. Русских тем на сайте было 140, но в датасет попали только те 83, у которых уже есть версии на казахском и английском. Это важно учитывать: перед нами не полный корпус, а компактный набор для тестов и поиска.
Почему казахские запросы так устроены
Автор отдельно отмечает, что казахский в NLP всё ещё считается малоресурсным: открытых текстов немного, а размеченных данных по теме здоровья почти нет. При этом люди ищут информацию в смешанном виде, объединяя казахские, русские и даже сокращённые формы в одном запросе.
В качестве примера приводятся слова вроде «қалқанша без», «щитовидка» и «ттг» в одном поиске. Поэтому в казахских списках специально оставлены и русские вставки, если так реально пишут пользователи. Это делает словарь полезнее для поиска и классификации живых запросов, а не только «чистого» языка из учебника.
Где он пригодится на практике
По словам автора, датасет можно использовать как тестовый набор для поиска и классификации запросов на казахском, для проверки перевода бытовых медицинских слов и для расширения смешанного поиска между казахским и русским. Зато для обучения медицинских моделей или задач, где можно делать выводы о диагнозе, он не подходит.
Есть и ограничения по качеству: казахский перевод не выверял профессиональный переводчик, а переводы WHO-5 здесь рабочие, но не валидированные версии. Для исследований с участием людей нужен официальный вариант. То есть словарь хорош для разработки и экспериментов, но не для ответственных медицинских решений.
MCP-сервер для Claude и ChatGPT без модели внутри
На том же сайте автор сделала самопроверку по методике «Лестница» и подключила её через Model Context Protocol. Сервер работает на Cloudflare Workers по адресу 108psy.com/mcp и отдаёт два инструмента: один выдаёт вопросы самопроверки на казахском, русском или английском, второй разбирает цель, текущее состояние, преграды и страхи и возвращает структурированный результат.
Смысл в том, что языковая модель уже есть у клиента — у ChatGPT или Claude. Сервер не генерирует текст сам, а только помогает системе понять структуру ответа: что относится к цели, что к препятствиям, что ближе всего к человеку. Такой подход даёт одинаковый результат на одних и тех же входных данных и не расходует токены на стороне сервера.