dtorov/projects
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
projects/pi_02.07.2025.md

8.4 KiB
Raw Blame History

Ваш запрос касается создания интеллектуального чат-бота (ИИ-агента) в системе Битрикс24, с интеграцией данных из BookStack, использованием моделей искусственного интеллекта и дополнительными функциями безопасности, обновления данных и масштабируемости.

Ниже приведён технический анализ и коммерческое предложение с точки зрения разработчика, реализующего такую систему.

🧩 1. Общая архитектура системы

Основные компоненты:

  1. Сервис синхронизации BookStack → База данных ИИ-системы
  2. ИИ-движок для обработки запросов (LLM)
  3. Сервис поиска/ранжирования статей по релевантности
  4. Модуль интеграции с Битрикс24 (REST API / Webhook)
  5. Система прав доступа и фильтрации контента
  6. Модуль загрузки сторонних документов
  7. Панель управления и мониторинг состояния системы

🛠️ 2. Реализация ключевых возможностей

✅ Интеграция с BookStack

  • Синхронизация статей происходит через REST API BookStack.
  • Поддерживается полная выгрузка: книги → главы → страницы.
  • При каждом обновлении или добавлении статьи данные сохраняются в локальной базе данных (например PostgreSQL + Elasticsearch).
  • Можно настроить частоту обновления: автоматически раз в сутки или по триггеру.

✅ Интеграция с Битрикс24

  • Чат-бот реализуется как открытый или внутренний прикладной веб-сервис, подключаемый к порталу Битрикс24 через:
    • REST API (для CRM, задач, пользователей)
    • Webhook (для получения событий от пользователя)
  • Возможна интеграция в CRM, проекты, звонки, корпоративный портал.

✅ Использование ИИ-моделей

Варианты использования моделей:

  1. Локальная модель (на сервере компании):
    • Примеры: Llama 3, Qwen, Zephyr, Mistral (Open Source)
    • Требует GPU-ускорения (минимум NVIDIA A6000 или аналог)
    • Полный контроль над данными, соблюдение регулирования
  2. Российские модели (локальные или облачные):
    • Примеры: Сбер AIPlatform, Яндекс GigaChat, KANDIDEA, SberGPT, VK AI, Mail.Ru
    • Высокая отказоустойчивость, SLA, лицензирование
  3. Гибридное размещение:
    • Языковая модель — за периметром (но только в РФ), остальное — внутри компании
    • Например: Яндекс GigaChat API + собственный бэкенд

✅ Ручная загрузка документов

  • Поддержка форматов: PDF, DOCX, XLSX, TXT, HTML
  • Загруженные документы индексируются и становятся частью знаний ИИ-агента
  • Возможность указать метаданные (например: "видимость только для руководителей")

✅ Масштабируемость

  • Архитектура позволяет подключать другие источники знаний:
    • Confluence
    • Notion
    • SharePoint
    • Wiki
  • Все источники могут быть независимыми и иметь свои правила индексации

✅ Разграничение прав доступа

  • Настройка ролей и групп пользователей (через Битрикс24)
  • Фильтрация результатов по:
    • Должности
    • Отделу
    • Профилю в CRM
  • Пример: пользователи не с ролью «Руководитель» не видят секретных статей

💰 3. Коммерческое предложение

🔹 Условия сотрудничества:

  • Работа в рамках одного договора (все вопросы по интеграциям и сторонним сервисам решает ваш исполнитель)
  • Гарантия соответствия законодательству РФ (обработка ПДн, хостинг, сертификации)

📊 4. Стоимость и варианты реализации

Параметр Локальная модель Российский провайдер (Яндекс, Сбер) Гибрид
Разработка системы от 800 000 ₽ от 700 000 ₽ от 750 000 ₽
Оборудование (мин.) от 1 200 000 ₽ (NVIDIA A6000, 256ГБ RAM, 2ТБ NVMe SSD) Не требуется от 600 000 ₽ (без ИИ)
Ежемесячная плата за модель ~ 0 ₽ (Open Source) от 50 000 до 150 000 ₽ от 30 000 до 100 000 ₽
Поддержка системы от 40 000 ₽/мес от 40 000 ₽/мес от 40 000 ₽/мес
SLA / доступность зависит от оборудования 99.9%+ 99.5%+

⚙️ 5. Технические требования к оборудованию (для локальной модели)

Минимальные требования:

Компонент Рекомендуемая конфигурация
CPU Intel Xeon W-2245 / AMD Ryzen Threadripper
RAM 256 GB
GPU NVIDIA A6000 / RTX 6000 Ada / H100 (опционально)
Storage 2 TB NVMe SSD
ОС Linux (Ubuntu 22.04 LTS)
Сеть 100 Мбит/с минимум, рекомендуется 1 Гбит/с

Для более тяжёлых моделей (Llama3 70B, Mixtral) потребуется несколько GPU или использование Quantization.

📈 6. Преимущества решения

✅ Полный цикл разработки и внедрения
✅ Единая точка ответственности (все вопросы по интеграциям решаются нами)
✅ Соответствие российскому законодательству (ФЗ-152, ФЗ-187)
✅ Расширяемость и масштабируемость
✅ Контроль над данными и безопасностью
✅ Поддержка различных источников знаний

📌 Далее можно сделать:

  1. Определиться с моделью ИИ: Open Source (локально), российская облачная модель, гибрид.
  2. Выбрать режим обновления БЗ: автоматический (раз в сутки) или вручную.
  3. Уточнить политики доступа: какие роли должны видеть какие данные.
  4. Заключить договор на проектирование и внедрение.

📞 Хотите получить ТЗ, расчёт по срокам и стоимость — могу подготовить в течение 2–3 рабочих дней.

Если нужно, могу также организовать пилотный запуск на ограниченном числе статей или прототип системы для тестирования.