Локальный ассистент для поиска по техническим документам и исходному коду, а также подготовки небольших проверяемых изменений.
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
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.
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.
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.
| 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.
- Обзор продукта, полный пайплайн и целевая enterprise-архитектура — начать отсюда.
- Компоненты и техническая архитектура
- Границы POC и конечные критерии
- Безопасность и threat model
- План оставшихся этапов
- Оценка качества и benchmark
- Чем POC отличается от enterprise-пилота
- Установка и запуск POC
- Сценарии будущей приёмки
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.