Разработана система интеллектуального хранения и поиска персональных данных, объединяющая векторный поиск и граф знаний.
Классические заметки и базы знаний плохо масштабируются: информация теряется, связи неочевидны, поиск не находит нужное.
Решение — построение персонального Knowledge Graph, где данные не просто хранятся, а связаны между собой и доступны через семантический поиск.
Система работает с файлами разных форматов:
MD, PDF, DOCX, а также код (Python, TypeScript).
Создан backend + frontend комплекс для построения и использования графа знаний.
Как работает система:
- Индексация файлов из разных источников
- Извлечение сущностей и связей через LLM (Claude API)
- Построение графа знаний в Neo4j
- Создание векторных представлений и сохранение в Qdrant
Гибридный поиск:
- семантический (vector search)
- структурный (graph traversal)
- реранкинг результатов
Дополнительно:
- Жизненно-ориентированная онтология:
- 11 сфер жизни
- 6 типов сущностей
- MCP-сервер для интеграции с Claude Desktop
- Полноценный UI с навигацией и аналитикой
Интерфейс (Next.js):
- Chat — работа с системой в диалоговом режиме
- Goals — цели
- Life Areas — сферы жизни
- Projects — проекты
- Explorer — просмотр данных
- Analytics — аналитика
- Graph Map — визуализация графа
Технологии:
- Python / FastAPI
- Neo4j 5
- Qdrant
- Next.js 14
- Docker Compose
- Единая система хранения знаний с реальными связями между данными
- Быстрый поиск даже по большим объемам информации
- Контекстное понимание данных за счёт графа + векторов
- Удобный интерфейс для работы и анализа
- Основа для построения AI-ассистентов с долговременной памятью
Метрики:
- 10 интерактивных разделов интерфейса
- 6 типов сущностей
- Гибридный поиск (vector + graph)
