Esettanulmány · 2026 · AI · Web · Egyedi szoftver
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.
Az AI Chatbot Maker egy kulcsrakész SaaS cégspecifikus chatbotokhoz: tölts fel egy mappát, mutass egy weboldalra, és kapsz egy beágyazható chatbotot, ami csak abból az adatból válaszol. A stúdió szállította a SaaS-dashboardot, az Ollama-alapú lokális LLM-stacket, a multi-tenant pgvector store-t és a Docker-image-alapú deployt.
- Python
- LangChain
- PostgreSQL
- Docker
- Ollama
- FastAPI
A működés
Áttekintés
- 5 min
- Mappa → élő chatbot
- 100%
- On-prem · nulla adat távozik
- RLS
- Per-tenant izoláció
- <embed>
- Snippet · nincs integrációs projekt
Az ügyfél feltölt egy mappát dokumentumokkal, vagy megadja a weboldalát, és kap egy kulcsrakész AI-chatbotot, ami csak a saját adatain válaszol. Lokális LLM Ollama-n át, adat nem hagyja el a cég szerverét · GDPR-barát default. Egy Docker-kép, egy parancs a deployra.
Mi készült el
Mit csinál
- Tudásforrás: feltöltött fájlok, mappa, weboldal URL · vegyesen is
- 100%-ban lokális · Ollama + Postgres pgvector a szerveren, nincs külső API
- Egy-kattintásos chatbot-létrehozás embed-kóddal a cég weboldalához
- Docker-image alapú deploy · 5 perces telepítés saját szerverre
- Multi-tenant SaaS mód · több cég egy platformon, szigorú RLS-izolációval
A probléma
- A ChatGPT-plugin nem tudja a cég saját adatát · általános válasz mindenkire
- OpenAI/Anthropic-integráció adatot kiküld · GDPR-szempontból nehezen tartható
- Egyedi chatbot-fejlesztés 3-6 hónap · nem fér bele a budgetbe
- Egy-cégre szabott modell tanításához ML-csapat kellene
Miért számít
- 5 perc alatt élő chatbot, ami csak a cég adatán válaszol
- Semmi nem kerül el a szerverről · audit-ready, GDPR-kompatibilis
- Egy platform, több ügyfél · SaaS-modell multi-tenant izolációval
- Embed-kód a cég weboldalához · nincs integrációs projekt
Hogyan készült
- 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 · 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.
- 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.
Technológia
Lokális LLM
Ollama + Postgres pgvector on-prem
Nulla külső API-hívás · a válasz nem hagyja el az ügyfél szerverét. GDPR + audit-ready alapból.
Források
Fájl, mappa, weboldal-URL · vegyesen is
A tudásbázis fogad feltöltött dokumentumokat és crawlol weboldal-feedet ugyanabban a projektben · az újra-ingestálás egy kattintás.
Multi-tenant
Per-tenant RLS-izoláció
A Postgres row-level security garantálja, hogy egyetlen tenant sem látja a másikét · a retrieval-rétegben is kikényszerítve.
Deploy
Egy Docker-image, egy parancs
Az ügyfél ops-csapata kezeli a saját infráján · nincs AWS-account-megosztás, nincs közös SaaS-tenant.
Esettanulmány
“Szigorú GDPR-szabályunk volt és 6 hetünk a leszállításra. A csapat olyan chatbotot épített, ami teljesen a saját szerverünkön fut, csak feltöltünk egy mappa dokumentumot, és úgy válaszol, mintha egy kolléga elolvasta volna az egészet. A 38. napon került ki a kód a honlapra. Egyetlen byte adat sem hagyta el a gépünket. A megfelelőségi felelősünk tényleg elmosolyodott.”
További munkák
Következő projekt
AIHealthIQ