Sztuczna inteligencja / Systemy enterprise

ThinkSpace

AI-powered Knowledge Operating System

Demo / Beta Aplikacja demonstracyjna dostępna na żądanie

! Problem biznesowy

Firmy posiadają ogromne ilości wiedzy ukrytej w dokumentach, mailach i notatkach. Problemem nie jest brak informacji — lecz brak sposobu na jej szybkie odnalezienie i zastosowanie w kontekście konkretnej sprawy.

✓ Rozwiązanie

Silnik ekstrakcji wiedzy (Core Engine) z processingiem PDF, pełnotekstowym wyszukiwaniem PostgreSQL FTS, grounded Q&A opartym na Claude (Anthropic), deterministycznym odkrywaniem workspaces (bez LLM) i niezmiennym logiem decyzji gwarantującym transparentnosc kazdej zmiany.

Architektura systemu

Pipeline przetwarzania dokumentów:

PDF / TXT / MD → Ingestion → Raw Storage (Supabase)
                           ↓
              PdfExtractor → artifact_sources (per strona)
                           ↓
         SlidingWindowChunker → document_chunks (1500 chars / 200 overlap)
                           ↓
         Retriever (FullTextRetriever / KeywordRetriever)
              PostgreSQL FTS + ts_rank RPC
                           ↓
         Prompt builder (grounding rules + numerowane źródła)
                           ↓
         LLM (Anthropic Claude) → Grounded answer + cytowania [S#]

Core Engine

Domain-agnostyczny silnik ekstrakcji wiedzy. Niezmienna architektura — domain packs (Legal, Medical) rozszerzają Core bez modyfikacji.

Grounded Q&A

Odpowiedzi wyłącznie na podstawie zaindeksowanych dokumentów. Każda odpowiedź zawiera cytowania [S#] i raport zakresu wyszukiwania.

Workspace Discovery

Deterministyczny silnik odkrywania spraw: 6 plugowalnych reguł, tierowane klastrowanie. Zero wywołań LLM — wyjaśnialne propozycje z confidence buckets.

Immutable Decision Log

Każda zmiana organizacji wiedzy to append-only wpis w workspace_decisions. Stan workspace to fold logu decyzji — pełna audytowalność.

Zakresowe wyszukiwanie

Każde zapytanie rozwiązuje zakres (workspace / repository / dokumenty) server-side. Klient nie jest trusted — scope jest wymuszany na poziomie bazy danych.

AI Provider Abstraction

LLM jest jednym komponentem za interfejsem Retriever. Zmiana providera nie wymaga refaktoryzacji. Obsługuje Claude, GPT, lokalne modele.

Zrealizowane funkcjonalności

  • Pipeline ingestion: PDF → ekstrakcja stron → chunking → PostgreSQL FTS
  • Grounded Q&A — odpowiedzi wyłącznie z zaindeksowanych dokumentów, z cytowaniami
  • Deterministyczny silnik odkrywania workspace (6 reguł, zero wywołań LLM)
  • Niezmienny log decyzji — każda zmiana organizacji wiedzy jest audytowalna
  • Zakresowe wyszukiwanie: odpowiedzi ograniczone do konkretnej sprawy/workspace
  • Abstrakcja providera AI — architektura umożliwia zmianę modelu bez refaktoryzacji
  • Pluginowa architektura domain packs (Legal → Medical → Engineering)
  • Benchmark pipeline z golden dataset (Legal corpus, 47 dokumentów)

Etapy realizacji

Sprint 1–5

Core Engine

Ingestion pipeline, PDF extraction, sliding-window chunking, Supabase storage, keyword retrieval.

Sprint 6–9

Grounded Q&A

FullTextRetriever (PostgreSQL FTS), prompt builder z grounding rules, Anthropic Claude integration, cytowania.

Sprint 10–12

Retrieval quality

Native ts_rank RPC, benchmark pipeline z golden dataset, FTS jako default retriever.

Sprint 13–15

Document Intelligence

Inventory search (deterministyczny), AI document profiles z provenance, Document Catalog UI.

Sprint 16–17

Workspace Lifecycle

Deterministyczny discovery engine, accepted workspaces, immutable decision log, move/split/merge.

Sprint 18

Scoped Retrieval

Zakresowe wyszukiwanie (ADR 0006), scope banner UI, fail-closed empty workspace, demo deployment.

Kluczowe zasady projektowe

◈ "System proponuje — profesjonalista decyduje." Nic nie jest reorganizowane automatycznie.
◈ "Pokaż granice." Każde pole i każda odpowiedź zawiera swoje provenance (✓ deterministyczne · ✨ AI · 👤 użytkownik).
◈ "AI jest wymienialny." Przewaga konkurencyjna to Knowledge Engine — nie model językowy.
◈ "Fail-closed." Puste workspace = zero wyników; nierozwiązany scope = odmowa przed retrieval.

Stack technologiczny

Next.js 16TypeScriptReact 19SupabasePostgreSQLTailwind CSSAnthropic ClaudePDF ProcessingPostgreSQL FTSVitestVercel

Dane projektu

Status
Demo / Beta
Sprinty
18
Migracje DB
10
Vertikale
Legal → Medical → ...
Benchmark
47 doc golden dataset
Deployment
Vercel (demo)

Demonstracja aplikacji dostępna na żądanie. Skontaktuj się, aby umówić prezentację.

Umów prezentację
Zbudujmy coś podobnego