AI Chatbot Maker

Tölts fel egy mappa dokumentumot. Egyedi AI-asszisztenst építettünk, ami a saját dokumentumaidból válaszol. A te szervereden fut, egy adat sem hagyja el az irodát.

• 01Felhasználói felület

  Az egész élmény amit a felhasználó lát

  Ez a frame az élesben futó terméket mutatja: egy-kattintásos saas, amivel bármely cég készíthet saját ai-chatbotot · fájl, mappa, weboldal-feed, minden lokálisan a szerveren. Minden komponens mi vagyunk · scope, design, kód, deploy.

• 02Stack a háttérben

  Mi hajtja: Python, LangChain, PostgreSQL

  A frame mögötti technológia 6 elemű · Python, LangChain, PostgreSQL a látható felületet hajtja, a többi az adatrétegben fut. Minden a stúdió kezében.

• 03Mit szállítottunk

  Tudásforrás: feltöltött fájlok, mappa, weboldal URL · vegyesen is

  5 perc alatt élő chatbot, ami csak a cég adatán válaszol

• 04Státusz

  Magán-deploy · NDA alatt.

  Az ügyfél kérésére nem publikus a URL · a build, az architektúra és a tanulságok megoszthatóak hívás keretében.

• 01 · BRIEF

  Oldjuk fel a GDPR + élesítés-sebesség konfliktust.

  Az OpenAI-integráció adatot szivárogtat; egyedi chatbot-fejlesztés 6 hónap. Olyan SaaS-t scope-oltunk, ami az ügyfél szerverén fut lokálisan · alapból GDPR-safe, egy Docker-image a deployhoz.

• 02 · ARCHITECTURE

  Stack-döntések minden kód előtt.

  A döntési dokumentum lefogta az adatfolyamot, a Python, LangChain, PostgreSQL, Docker szerep-felosztást, és a v1-ben kezelt vs halasztott hibamódokat. A szolgáltatás-határokat (hol végződik az AI és hol kezdődik a webapp) itt húztuk meg, így a két oldal nem szivárgott egymásba később.

• 02 · BUILD

  FastAPI + Ollama + Postgres pgvector.

  A FastAPI viszi a multi-tenant API-t, az Ollama futtatja a lokális LLM-et, a Postgres + pgvector kezeli a per-tenant retrievalt RLS-sel · a LangChain ragasztja össze a retrieval-augmented generation pipeline-t.

• 04 · POLISH

  Teljesítmény, akadálymentesség, megfigyelhetőség.

  PSI / a11y / coverage budgetek launch-feltételként kikényszerítve. Logging + metrika bekötve még a cut-over előtt · a csapat egy dashboardról válaszol arra, hogy „működik-e?”, nem Slack-szálból. A fenyegetésmodell-checklist aláírva, mielőtt forgalom érkezne a gépre.

• 03 · SHIP

  Egy Docker-image, beágyazható snippet.

  Az ügyfél lehúz egy image-et, egy parancs, kap egy dashboardot. Onnan: adatfeltöltés → „chatbot létrehozása” → snippet beillesztése a saját honlapra. 5 perc end-to-end egy friss gépen.

• 01Lokális LLM

  Ollama + Postgres pgvector on-prem

  Nulla külső API-hívás · a válasz nem hagyja el az ügyfél szerverét. GDPR + audit-ready alapból.

• 02Források

  Fájl, mappa, weboldal-URL · vegyesen is

  A tudásbázis fogad feltöltött dokumentumokat és crawlol weboldal-feedet ugyanabban a projektben · az újra-ingestálás egy kattintás.

• 03Multi-tenant

  Per-tenant RLS-izoláció

  A Postgres row-level security garantálja, hogy egyetlen tenant sem látja a másikét · a retrieval-rétegben is kikényszerítve.

• 04Deploy

  Egy Docker-image, egy parancs

  Az ügyfél ops-csapata kezeli a saját infráján · nincs AWS-account-megosztás, nincs közös SaaS-tenant.

• 
  01Képkocka

  Tudás-bevitel · URL + mappa + AI-hierarchia

  Bal: „Add from URL” (azonos-eredetű crawl-lal) és „Add folder” (rekurzív, .git kihagyva). Jobb: AI-rendezett téma-hierarchia (Cafe Events, Menü, Cégadatok, Rendelés, Policy-k, Termékek) automatikusan klaszterezi a tudásbázist.

• 
  02Képkocka

  Try-it fül · élő beszélgetés, nincs kliens-setup

  Settings, Knowledge, Tools, Try it, Preview, Embed egyetlen fül-csíkban. Teszteld a chatbotot az admin-on belül · a beszélgetés inspectionre logolva, nincs külön staging.

• 
  03Képkocka

  Embed preview · widget egy mock ügyfél-oldalon

  A jobb pane sandboxolt mock ügyfél-oldalt futtat nyitott chat-buborékkal · az operátor pont úgy beszél a bottal, ahogy egy weblátogató tenné, mielőtt beillesztené a snippet-et.

• 
  04Képkocka

  RAG válasz · forrás-citációkkal

  A bot magyarul válaszol a tényleges menü-tételekkel, majd kilistázza a retrieval-forrásokat (products/subscriptions.md, cafe/menu.md, wholesale/onboarding.md), így az operátor látja, melyik doc alapozta meg a választ.