Obsigen AI — Jak to działa

Pipeline

Pięć kroków do rezultatów

Zrozum

Analiza zapytania oraz dobór optymalnej strategii (Fast / ReAct / Swarm / Hybrid).

Planuj

Dekompozycja na kroki oraz wybór narzędzi — wyszukiwanie, pliki, kod, obrazy, PPT.

Wykonaj

Realizacja działań w kontrolowanych środowiskach — routing EEA-first i izolowane wykonanie kodu.

Zweryfikuj

Weryfikacja poprzez wzorce krytyk/tester lub mechanizmy Swarm — dla spójności, jakości i trafności.

Dostarcz

Finalny rezultat — raport, SOP, prezentacja lub plan działania — przygotowany w standardzie zarządczym.

Warstwa wiedzy

RAG — Generowanie wspomagane wyszukiwaniem

RAG pozwala Obsigenowi odpowiadać na podstawie Twojej wiedzy, ograniczając halucynacje i zwiększając śledzalność. Odpowiedzi mogą wskazywać dokument źródłowy, sekcję oraz wersję.

Rekomendowany pipeline RAG

Zasilanie: SOP-y, polityki, dokumenty ERP, zgłoszenia, katalogi produktów
Przetwarzanie: Parsowanie → chunking → wzbogacanie metadanych (dział, ACL, wersja, data)
Osadzanie: Wektory semantyczne do szybkiego wyszukiwania podobieństwa
Przechowywanie: Wektorowa baza danych hostowana w UE + indeks metadanych
Wyszukiwanie: Top-k + filtry (ACL, aktualność, kontekst systemowy)
Generowanie: Uziemiona odpowiedź + fragmenty dowodowe

Źródło RAG	Przykładowa zawartość	Rezultat biznesowy
ERP / MRP	BOM-y, marszruty, stany, czasy realizacji	Szybsze planowanie, mniej braków
SOC KB	Runbooki, detekcje, historia incydentów	Szybszy triaż i reakcja
CRM / E-commerce	Informacje o produktach, ceny, segmentacja	Lepsze rekomendacje działań
Dokumenty SOP / ISO	Procedury, audyty, compliance	Spójność + dowody audytowe

Dostosowanie

Trenowalny AI — Fine-Tuning

Fine-tuning dostosowuje Obsigen do terminologii, tonu i wzorców procesowych organizacji — zapewniając spójne wyniki zgodne ze standardami pracy.

Bezpieczna polityka treningu w UE

Trening wyłącznie na zatwierdzonych zbiorach danych
Przechowywanie danych i artefaktów w magazynie EOG
Bramki ewaluacyjne i red-team prompts przed wdrożeniem

Metoda	Najlepsze zastosowanie	Uwagi
SFT / Instruction Tuning	Spójne odpowiedzi w standardzie firmowym	Wymaga kuratorowanych przykładów
Adaptery LoRA	Efektywna kosztowo specjalizacja	Warianty per-tenant lub per-zespół
Preference Tuning	Dopasowanie do wewnętrznych standardów	Wykorzystuje rankingowane wyniki
Tool-Use Tuning	Lepsze planowanie i wykonanie	Podnosi niezawodność zachowań agentowych

Stos technologiczny

Referencyjna implementacja

Warstwa	Technologia
Backend API	Symfony 7, PHP 8.2 — REST + SSE streaming
Frontend	Symfony + Vanilla JS — streaming UI
Database	MySQL 8.0 — chats, users, sessions
Cache / Rate Limits	Redis 6+ — throttling, TTL storage
Auth	JWT (HS256) — secure sessions

Usługa	Technologia
Search (self-hosted)	SearXNG (Docker) — private meta-search
Search (premium)	Brave Search API Pro
Sandbox	Docker + Python 3.11 — isolated execution
AI Inference	OpenAI-compatible API via EU provider
Images / Vision	FLUX.1-schnell / Llama-4-Scout-17B

Jak to działa