1день

Развёртывание за 1 день

Подготовленный сервер, Docker Compose и лицензия. KLAR ставится в контур клиента за день, без отдельной команды внедрения на месяцы.

Docker Composeлокальная LLMбез обязательного интернета

Микросервисная архитектура

KLAR состоит из изолированных сервисов в Docker Compose; ниже они сгруппированы по назначению

KLAR Core

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.

KLAR Collector

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 ML

klar-embed — векторы multilingual-e5-large (1024-dim), klar-rerank — переранжирование найденного, klar-models — единственный сервис, который вызывает локальную LLM.

Технологический стек

Проверенные технологии для работы с большими объёмами документов

КомпонентТехнологияНазначение
СУБДPostgreSQL 17 + pgvectorХранение документов и векторный индекс
BackendPython, FastAPIAPI, бизнес-логика, фоновые задачи
Embeddingmultilingual-e5-large (1024-dim)Векторизация текста для семантического поиска
ПоискВекторный (pgvector + HNSW)Отбор документов по смысловой близости
LLMЛокальная, OpenAI-совместимаяГенерация отчётов, анализ, ответы на вопросы внутри контура
КонтейнеризацияDocker ComposeИзоляция сервисов, простое развёртывание
FrontendVanilla JS + бандлыesbuild в CI; Node в образе не нужен

Ingestion Pipeline

Что происходит при загрузке документа

Загрузка
PDF, DOCX, XML, HTML, веб-страницы
↓
Парсинг и структурирование
Извлечение текста, разделение на секции, нумерация пунктов
↓
LLM-анализ
Аннотация, ключевые сущности, тематика, связи с другими документами
↓
Embedding + индексация
Векторизация секций, HNSW-индекс, полнотекстовый индекс

Поиск по смыслу

Документы отбираются векторным поиском, результат переранжируется и объясняется ссылками на источник

Векторный поиск

pgvector + HNSW и multilingual-e5-large. «Требования к капиталу» находит документ про «нормативы достаточности» — по смыслу, а не по точной фразе.

Ответ с источником

Найденное переранжируется, а ответ показывает документ и пункт, на котором он основан.

Управление доступом (ACL)

Роли, назначения и объекты — право выдаётся в конкретном пространстве

Роли и назначения

Право выдаётся назначением роли в пространстве. Роль — набор действий; область — свои объекты или все объекты пространства.

Объекты и документы

Доступ проверяется к объекту целиком: карточке, кейсу, документу. Скрытия отдельных полей нет.

Разделение обязанностей

SoD не даёт одному человеку замкнуть конфликтующие действия; спорные сочетания ролей закрываются явным исключением с причиной и вторыми глазами.

LLM внутри контура

Модель работает на вашем оборудовании и не выносит документы за периметр

Локальная модель

Ваша модель на вашем сервере

Подключается по OpenAI-совместимому протоколу и работает внутри контура. Данные не покидают периметр.

  • Не требует интернета
  • Любой сервер с OpenAI-совместимым API
  • Обновления через контролируемый канал
Модели по задачам

Embedding, rerank, генерация

Векторизация, переранжирование и генерация ответов работают в одном контуре. Модель не отправляет документы во внешние сервисы.

  • multilingual-e5-large для поиска
  • Rerank для точности выдачи
  • Единая точка вызова модели — klar-models

Внешние интерфейсы

REST API для интеграций и MCP для локальных AI-инструментов внутри контура

REST API

HTTP API для интеграций

Встройте KLAR в корпоративный портал, Telegram-бот, ServiceDesk.

POST /api/v1/ask
Authorization: Bearer sk-xxx

{"query": "Ваш вопрос"}
MCP

Model Context Protocol

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"}
  }
}

Разработано экспертами в области ИИ и ИБ

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».

  • Поиск и RAG в промышленном исполнении
  • Опыт интеграций и on-prem-поставок
  • Понимание требований ИБ и аудита

Не чёрный ящик: проверенный Enterprise-стек

KLAR собран на PostgreSQL, pgvector, FastAPI, Docker и открытых моделях. Мы не изобретаем закрытую магию — используем технологии, которые уже прошли проверку в enterprise.

  • Открытые компоненты и предсказуемое поведение
  • Локальная LLM по OpenAI-совместимому протоколу
  • Данные и модель остаются в вашем контуре

Модульная поставка и лицензирование

Включайте только нужные модули — платите только за них

📄

Core

Поиск, документы, пользователи, отчёты

✓

Compliance

Проверки документов, библиотека требований

📡

Collector

Мониторинг, веб-импорт, внешние источники

📊

Analyst

Аналитика, Knowledge Story, эксперты

🏢

Counterparty

Карточка компании, досье, риски и проверка контрагента по подключённым источникам

⚖

Obligations

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.

Обсудите архитектуру с нашей командой

Расскажем, как KLAR впишется в вашу инфраструктуру и какие модули нужны.

Запросить демо-стенд