Od FileMaker k cloudu: Jak SchallOS propojuje podnikový software s umělou inteligencí, runtime a aktualizacemi

SchallOS – inteligentní aplikační platforma

Při vývoji podnikové aplikace se pozornost nejprve soustředí na viditelné úkoly. Vytvářejí se tabulky, definují se vztahy, navrhují se vstupní formuláře a automatizují se provozní procesy. Jakmile mohou první uživatelé s řešením pracovat, zdá se, že velká část projektu je dokončena. V praxi však teprve tehdy začíná fáze, která je z dlouhodobého hlediska náročnější. Aplikace používaná v podniku musí být udržována, rozšiřována a přizpůsobována novým požadavkům. Změny je třeba dokumentovat, nové verze distribuovat a stávající data bezpečně převést. K tomu přibývají různá uživatelská oprávnění, zálohování dat, analýzy chyb a otázka, zda má být řešení provozováno lokálně, na vlastním serveru nebo v cloudu.

Mnoho vývojových platforem se soustředí především na tvorbu samotné aplikace. Pro aktualizace, dokumentaci, nasazení a provoz se později doplňují další nástroje a individuální postupy. Postupem času tak vzniká technické prostředí složené z mnoha vzájemně oddělených částí, které lze udržet pohromadě pouze s velkým úsilím. SchallOS proto uplatňuje komplexnější přístup. Platforma má doprovázet podnikovou aplikaci nejen při jejím vzniku, ale po celou dobu jejího životního cyklu: od vývoje přes dokumentaci a nasazení až po aktualizace a trvalý provoz.

Číst dál

Od exportu dat ChatGPT k vlastní znalostní AI: krok za krokem s Ollama a Qdrant

Cesta k vlastní paměti umělé inteligence

V první části této série článků jsme si ukázali, že export dat ChatGPT je mnohem víc než jen technická funkce. Vaše exportovaná data obsahují soubor myšlenek, nápadů, analýz a konverzací, které se nahromadily za dlouhou dobu. Dokud jsou však tato data uložena pouze jako archiv na vašem pevném disku, zůstávají pouze archivem. Zásadním krokem je, aby tyto informace byly opět použitelné. Právě zde začíná vývoj osobní znalostní umělé inteligence.

Myšlenka je vlastně překvapivě jednoduchá: umělá inteligence by měla pracovat nejen s obecnými znalostmi, ale také by měla mít přístup k vašim vlastním datům. Měla by být schopna prohledat předchozí konverzace, najít vhodný obsah a začlenit jej do nových odpovědí. Tím se z obyčejné umělé inteligence stane jakási digitální paměť. Toto je druhá část série článků, která se nyní zabývá praktickou stránkou věci.

Číst dál

RAG s Ollama a Qdrant jako univerzální vyhledávač vlastních dat

Rozšíření místní umělé inteligence o databáze pomocí RAG, Ollama a Qdrant

Ve stále nepřehlednějším světě informací je stále důležitější, aby bylo možné cíleně vyhledávat ve vlastních databázích - nikoli prostřednictvím klasického fulltextového vyhledávání, ale prostřednictvím sémanticky relevantních odpovědí. Právě zde vstupuje do hry princip databáze RAG - řešení pro vyhledávání s podporou umělé inteligence, které se skládá ze dvou ústředních komponent:

Číst dál

Ollama a Qdrant: Místní paměť pro vaši umělou inteligenci na Macu

Paměť pro místní umělou inteligenci s Ollama a Qdrant

Místní AI s pamětí - bez cloudu, bez předplatného, bez odklonů

V předchozí články Vysvětlil jsem, jak nakonfigurovat Ollama na Macu install. Pokud jste již tento krok dokončili, máte nyní k dispozici výkonný místní jazykový model - například Mistral, LLaMA3 nebo jiný kompatibilní model, který lze oslovit prostřednictvím rozhraní REST API.

Model však "ví" pouze to, co je v aktuální výzvě. Nepamatuje si předchozí konverzace. Chybí vzpomínka.

Číst dál