От FileMaker к облаку: как SchallOS объединяет бизнес-программное обеспечение с ИИ, средой выполнения и обновлениями

SchallOS — интеллектуальная платформа приложений

При разработке бизнес-приложения в первую очередь внимание уделяется видимым задачам. Создаются таблицы, определяются связи, разрабатываются формы ввода данных и автоматизируются рабочие процессы. Как только первые пользователи получают возможность работать с решением, кажется, что значительная часть проекта завершена. Однако при практическом использовании начинается этап, который в долгосрочной перспективе оказывается более сложным. Приложение, используемое в бизнесе, необходимо поддерживать, расширять и адаптировать к новым требованиям. Изменения должны документироваться, новые версии — распространяться, а имеющиеся данные — надежно переноситься. К этому добавляются различные права доступа пользователей, резервное копирование данных, анализ ошибок и вопрос о том, где будет развернуто решение: локально, на собственном сервере или в облаке.

Многие платформы разработки в первую очередь сосредоточены на создании самого приложения. Для обновлений, документирования, развертывания и эксплуатации позже добавляются дополнительные инструменты и индивидуальные процедуры. Со временем формируется техническая среда, состоящая из множества отдельных компонентов, которые можно удержать вместе лишь с значительными затратами. Поэтому SchallOS придерживается более комплексного подхода. Платформа призвана сопровождать бизнес-приложение не только на этапе его создания, но и на протяжении всего жизненного цикла: от разработки, документирования и развертывания до обновлений и постоянной эксплуатации.

Читать далее

От экспорта данных ChatGPT к собственному ИИ знаний: шаг за шагом с Ollama и Qdrant

Путь к собственной памяти искусственного интеллекта

В первой части этого цикла статей мы увидели, что экспорт данных ChatGPT - это нечто большее, чем просто техническая функция. Экспортированные данные - это коллекция мыслей, идей, анализов и разговоров, которые накапливались в течение длительного периода времени. Но пока эти данные хранятся только в виде архива на вашем жестком диске, они так и остаются архивом. Решающий шаг - сделать эту информацию снова пригодной для использования. Именно с этого начинается разработка персонального ИИ знаний.

Идея на самом деле удивительно проста: ИИ должен не только работать с общими знаниями, но и иметь доступ к вашим собственным данным. Он должен уметь искать информацию в предыдущих разговорах, находить подходящий контент и включать его в новые ответы. Таким образом, обычный ИИ превращается в своего рода цифровую память. Это вторая часть цикла статей, в которой мы рассмотрим практическую сторону вопроса.

Читать далее

RAG с Ollama и Qdrant как универсальная поисковая система для собственных данных

Расширение локального ИИ с помощью баз данных с использованием RAG, Ollama и Qdrant

В условиях все более запутанного мира информации становится все более важным сделать собственные базы данных пригодными для целенаправленного поиска - не через классический полнотекстовый поиск, а через семантически релевантные ответы. Именно в этом и заключается принцип работы базы данных RAG - поискового решения с поддержкой искусственного интеллекта, состоящего из двух центральных компонентов:

Читать далее

Ollama встречает Qdrant: локальная память для вашего ИИ на Mac

Память для локального ИИ с Ollama и Qdrant

Локальный ИИ с памятью - без облака, без подписки, без отвлекающих факторов

В предыдущие статьи Я рассказал, как настроить Ollama на Mac install. Если вы уже выполнили этот шаг, то теперь у вас есть мощная локальная языковая модель - например, Mistral, LLaMA3 или другая совместимая модель, к которой можно обратиться через REST API.

Однако модель „знает“ только то, что находится в текущей подсказке. Она не запоминает предыдущие разговоры. Не хватает только воспоминаний..

Читать далее