Для ИТ-директоров и архитекторов: как устроены проверка контрагентов, проверка договоров и база знаний внутри вашего контура
KLAR состоит из изолированных сервисов в Docker Compose; ниже они сгруппированы по назначению
Бизнес-логика, API, пользователи, проверки и отчёты. Сервисы: klar-app (ядро), klar-gateway (вход и интерфейс), klar-worker (фоновые задачи), klar-ingest (обработка загрузок), klar-search (поиск и ответы), klar-db (PostgreSQL). FastAPI + Python.
Сервис внешнего доступа klar-collector: поиск, загрузка веб-страниц и мониторинг; по желанию — свой поисковик searxng. Стоит внутри периметра клиента и проверяет чистоту и полноту данных перед передачей в контур.
klar-embed — векторы multilingual-e5-large (1024-dim), klar-rerank — переранжирование найденного, klar-models — единственный сервис, который вызывает локальную LLM.
Проверенные технологии для работы с большими объёмами документов
| Компонент | Технология | Назначение |
|---|---|---|
| СУБД | PostgreSQL 17 + pgvector | Хранение документов и векторный индекс |
| Backend | Python, FastAPI | API, бизнес-логика, фоновые задачи |
| Embedding | multilingual-e5-large (1024-dim) | Векторизация текста для семантического поиска |
| Поиск | Векторный (pgvector + HNSW) | Отбор документов по смысловой близости |
| LLM | Локальная, OpenAI-совместимая | Генерация отчётов, анализ, ответы на вопросы внутри контура |
| Контейнеризация | Docker Compose | Изоляция сервисов, простое развёртывание |
| Frontend | Vanilla JS + бандлы | esbuild в CI; Node в образе не нужен |
Что происходит при загрузке документа
Документы отбираются векторным поиском, результат переранжируется и объясняется ссылками на источник
pgvector + HNSW и multilingual-e5-large. «Требования к капиталу» находит документ про «нормативы достаточности» — по смыслу, а не по точной фразе.
Найденное переранжируется, а ответ показывает документ и пункт, на котором он основан.
Роли, назначения и объекты — право выдаётся в конкретном пространстве
Право выдаётся назначением роли в пространстве. Роль — набор действий; область — свои объекты или все объекты пространства.
Доступ проверяется к объекту целиком: карточке, кейсу, документу. Скрытия отдельных полей нет.
SoD не даёт одному человеку замкнуть конфликтующие действия; спорные сочетания ролей закрываются явным исключением с причиной и вторыми глазами.
Модель работает на вашем оборудовании и не выносит документы за периметр
Подключается по OpenAI-совместимому протоколу и работает внутри контура. Данные не покидают периметр.
Векторизация, переранжирование и генерация ответов работают в одном контуре. Модель не отправляет документы во внешние сервисы.
REST API для интеграций и MCP для локальных AI-инструментов внутри контура
Встройте KLAR в корпоративный портал, Telegram-бот, ServiceDesk.
POST /api/v1/ask
Authorization: Bearer sk-xxx
{"query": "Ваш вопрос"}
MCP-сервер запускается внутри контура. Подключайте только клиенты с локальной моделью: внешний AI-клиент получит контекст наружу, поэтому для него MCP не используем.
"mcpServers": {
"klar": {
"command": "python3",
"args": ["mcp_server.py"],
"env": {"KLAR_API_KEY": "sk-xxx",
"KLAR_API_URL": "https://klar.company.local"}
}
}
За продуктом стоит инженерная команда, которая строит поиск, модели и защиту данных для корпоративного контура. Мы делаем инструмент для инженеров и безопасников, а не «ещё один AI-стартап».
KLAR собран на PostgreSQL, pgvector, FastAPI, Docker и открытых моделях. Мы не изобретаем закрытую магию — используем технологии, которые уже прошли проверку в enterprise.
Включайте только нужные модули — платите только за них
Поиск, документы, пользователи, отчёты
Проверки документов, библиотека требований
Мониторинг, веб-импорт, внешние источники
Аналитика, Knowledge Story, эксперты
Карточка компании, досье, риски и проверка контрагента по подключённым источникам
Реестр обязательств: кто, кому и сколько должен на дату
Лицензия — подписанный файл: срок, лимиты и состав модулей. Загружается в интерфейсе, в настройках платформы. Обновления и поддержка включены.