Skip to content

About

Pre-enterprise POC for a closed-loop local coding assistant. RAG/MCP demo: subrosa5/rag-mcp-agent. Synthetic Python fixture: subrosa5/exchange-demo. No cloud AI; model/GPU validation pending.

Resources

Security policy

Stars

0 stars

Watchers

0 watching

Forks

Repository files navigation

Local Coding Copilot

Локальный ассистент для поиска по техническим документам и исходному коду, а также подготовки небольших проверяемых изменений.

Целевая enterprise-архитектура

Это схема конечного продукта для закрытого контура примерно на 10 проектов и до 100 разработчиков. Она не описывает текущую готовность: POC пока запускается на одном узле, без SSO, внутреннего GPU-пула и enterprise sandbox. Подробности блоков и полный пайплайн — в обзоре целевой архитектуры.

flowchart LR
  DEV["Разработчик<br/>корпоративное IDE / клиент"] --> ID["SSO + identity<br/>группы, project/repository ACL"]
  ID --> ORCH["Внутренний Copilot service<br/>policy, quotas, orchestration"]
  ORCH --> RAG["RAG: ACL → hybrid retrieval<br/>→ RRF → citations"]
  SRC["Внутренние Git и документы"] --> ING["Индексация<br/>parse + локальные embeddings"]
  ING --> DB[("PostgreSQL + pgvector<br/>chunks, ACL, commit snapshots")]
  DB --> RAG
  RAG --> MODEL["Закрытый GPU inference pool<br/>coding LLM + embeddings"]
  MODEL -->|"ответ с evidence"| ORCH
  ORCH -->|"ответ и citations"| DEV
  MODEL -->|"unified diff"| VALID["Проверка patch и путей"]
  VALID --> WT["Временный Git worktree"]
  WT --> BOX["Одноразовый VM / Kata / gVisor worker<br/>без сети и секретов"]
  BOX --> REVIEW["Diff + результаты проверок<br/>human review → обычный Git workflow"]
  ORCH -. "audit и метрики без секретов" .-> AUDIT[("Внутренний audit/monitoring")]
  BOX -. "результаты job" .-> AUDIT
  REG[("Внутренний model/artifact registry")] --> MODEL
Loading

Клиент обращается к внутреннему сервису компании; MCP и внешние AI-сервисы в этой архитектуре не используются. Все модели, данные и проверки остаются внутри закрытой сети. Схема показывает целевое устройство, а не готовые функции POC. Текущая домашняя схема и запуск описаны в Runbook, фактическая реализация — в технической архитектуре.

Статус проекта

Это pre-enterprise POC, не готовый продукт для команды и не production-система.

  • Работают document RAG, поиск по tracked Python-коду, project ACL, audit и coding loop с отдельным Git worktree и Docker-проверками.
  • Код локального OpenAI-compatible LLM provider есть, но запуск реальной модели ещё не подтверждён.
  • Embeddings пока fake, reranker не подключён.
  • Coding benchmark содержит три синтетические задачи; он проверяет plumbing, а не качество модели на рабочих задачах.
  • GPU, latency, offline и безопасность для enterprise-нагрузки ещё не измерены.

Цель POC — проверить архитектуру на синтетических данных и подготовить обоснованное решение о небольшом изолированном пилоте. Полное описание конечной системы — в обзоре продукта и пайплайна.

Принцип закрытого контура

Целевая система не отправляет исходный код, документы или запросы во внешние AI-сервисы. Модели, embeddings, БД и рабочие файлы размещаются внутри контролируемой инфраструктуры. Модель не получает прямой доступ к Git, базе данных, shell или production-секретам: её ответы проверяет управляющий сервис.

В текущем POC есть локальные HTTP/MCP-адаптеры для document/code queries и loopback HTTP-соединение с inference server. Это внутренние интерфейсы, не облачные провайдеры. Coding workflow сейчас запускается через CLI. Целевой способ доступа разработчиков нужно выбрать отдельно.

Связанные репозитории

Репозиторий Для чего нужен Отношение к этому проекту
local-coding-copilot Основной POC локального coding assistant: RAG, project ACL, orchestration, patch validation, sandbox и evaluation Здесь развивается целевой продукт. Репозиторий public.
rag-mcp-agent Отдельная демонстрация RAG/MCP: hybrid retrieval, tool use и evaluation Источник опыта и отдельных архитектурных решений. Это отдельный проект, не сервисная или Git-зависимость local-coding-copilot. Репозиторий public.
exchange-demo Синтетический Python-код биржи с тестами и известными дефектами Внешний учебный fixture для Code RAG, coding loop и benchmark. Не содержит код реальной биржи и не является частью приложения. Репозиторий public.

Дополнительно, data/synthetic/ внутри этого репозитория содержит демонстрационные документы для Document RAG. Внешние runtime-сервисы — PostgreSQL/pgvector и Docker; rag-mcp-agent и exchange-demo не являются устанавливаемыми Python-зависимостями.

Документы

  1. Обзор продукта, полный пайплайн и целевая enterprise-архитектура — начать отсюда.
  2. Компоненты и техническая архитектура
  3. Границы POC и конечные критерии
  4. Безопасность и threat model
  5. План оставшихся этапов
  6. Оценка качества и benchmark
  7. Чем POC отличается от enterprise-пилота
  8. Установка и запуск POC
  9. Сценарии будущей приёмки

Запуск POC

Инструкции и ограничения окружения находятся в Runbook. Для работы нужны Python 3.11+, Docker, PostgreSQL/pgvector и отдельный чистый checkout синтетического exchange-demo.

Все документы и код в демонстрации синтетические. Не добавляйте реальные репозитории, ключи, клиентские данные или production dumps.

About

Pre-enterprise POC for a closed-loop local coding assistant. RAG/MCP demo: subrosa5/rag-mcp-agent. Synthetic Python fixture: subrosa5/exchange-demo. No cloud AI; model/GPU validation pending.

Resources

Security policy

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages