Создание рабочей области искусственного интеллекта с открытым исходным кодом: векторный поиск с помощью различных инструментов и синхронизация в реальном времени с помощью Next.js 14 и pgvector

Каждая команда удаленных инженеров сталкивается с фрагментацией контекста. Критическое архитектурное решение скрыто в потоке Slack, спецификация находится в Notion, проблема отслеживания — в Jira, а фактический код — на GitHub. Чтобы решить эту проблему разрастания инструментов, не загоняя команды в еще один бункер, мы создали WorkContext — рабочее пространство для повышения производительности ИИ с открытым исходным кодом, которое действует как единый контекстный уровень для всего вашего стека. Вот описание того, как мы разработали систему с использованием Next.js 14, Node.js/Express, PostgreSQL (pgvector) и Yjs. 1. Единый векторный поиск с помощью pgvector Вместо того чтобы полагаться на сторонние векторные базы данных, мы использовали PostgreSQL с расширением pgvector через Prisma ORM. Это обеспечивает транзакционность операций с данными, совместимость с ACID и упрощает развертывание на собственном хостинге. [ Slack / Notion / Jira / GitHub / Figma ] │ ▼ (OAuth/веб-перехватчики) [ Двигатель соединителя ] │ ▼ [ API встраивания OpenAI ] │ ▼ [База данных PostgreSQL с pgvector] │ ▼ [Второй пилот ИИ, основанный на исходном коде] Ключевые инженерные решения: Атрибуция глубоких ссылок: каждый фрагмент, хранящийся в pgvector, сохраняет метаданные, указывающие на исходный поток платформы или идентификатор документа. Зеркальное отображение разрешений (RBAC): Befo