OpenRouter PHP 8+ MySQL Embeddings
⚡ Enterprise‑ready RAG

Точные ответы
из ваших данных

FRAGMAN — корпоративная RAG-система нового поколения. Загружайте документы, ИИ парсит, структурирует, создаёт эмбеддинги и отвечает только на основе вашей базы знаний. Без галлюцинаций.

📎 Запросить демо

30+

релевантных чанков

5

топ-чанков после реранжинга

RAG

без выдумок
🧠 ⚙️ 📄
Документ → Чанки + Эмбеддинги → Поиск → LLM ответ
vector_search(question) → rerank(top5) → prompt(контекст + вопрос) → ответ
Процесс FRAGMAN

Как работает интеллектуальная обработка

От загрузки файлов до ответа — каждый шаг оптимизирован для точности и безопасности

📂➡️🧩

1. Загрузка + парсинг

Система принимает любые форматы (PDF, DOCX, TXT, Markdown). Файлы парсятся, текст извлекается и очищается.

✨🧠

2. ИИ‑структурирование

LLM на базе OpenRouter приводит сырой текст к улучшенной структуре: заголовки, списки, нормализация.

🔪📦

3. Чанкинг + эмбеддинги

Документ нарезается на семантические чанки, для каждого создается векторное представление (embeddings).

💾🗃️

4. Хранение в БД

Чанки, метаданные и эмбеддинги сохраняются в MySQL. Быстрый векторный поиск и фильтрация.

🔍⚡

5. Поиск + реранжинг

По запросу создается эмбеддинг → поиск 20-30 чанков → реранжирование → остаются 5 релевантных.

🤖🎯

6. Генерация без галлюцинаций

Промт + 5 чанков + контекст отправляются в ИИ. Ответ строится строго на ваших данных. Если данных нет — система честно сообщает.

Технологии FRAGMAN

Современный стек: PHP, MySQL с векторным расширением, интеграция с OpenRouter (GPT, Claude, Llama и другие модели)

1

📁 Загрузка файлов

любые форматы

2

🧹 Парсинг + ИИ структура

OpenRouter LLM

3

🔢 Эмбеддинги

текст → вектор

4

🗄️ MySQL

таблицы + индексы

5

🔁 rerank 5/30

точность выше

6

✅ ответ

фактологический

Преимущества для бизнеса

Безопасно, прозрачно, управляемо — система, которая понимает ваш корпоративный контекст

🎯

Контроль над источниками

Ответ всегда ссылается на конкретные чанки из загруженных документов. Легко проверить происхождение информации.

🧩

Динамический реранжинг

Выбор 20-30 кандидатов и умное ранжирование до 5 лучших чанков гарантирует, что в ответ попадают только релевантные факты.

🔐

Данные под вашим контролем

FRAGMAN работает на вашей инфраструктуре (on‑premise или VPS). Никакой утечки документов, всё хранится в вашей БД.

🧠

Отказ от «галлюцинаций»

Промпт инжениринг запрещает модели выдумывать факты. При недостатке данных выдаётся чёткий ответ: «информации недостаточно».

❓ важные ответы

Вопросы и ответы о FRAGMAN

Развеиваем сомнения — технология RAG для корпоративного сектора

Что такое RAG‑система и зачем она бизнесу?
RAG (Retrieval-Augmented Generation) — подход, который сначала находит релевантные фрагменты в вашей базе знаний, а затем на их основе генерирует ответ. Это исключает выдумки ИИ, повышает достоверность и даёт возможность использовать LLM на ваших приватных данных.
Какие преимущества даёт FRAGMAN перед обычным чатом с LLM?
Обычный чат не знает вашу внутреннюю документацию. FRAGMAN по запросу извлекает нужные чанки из БД, улучшает структуру документов, делает реранжинг и гарантирует ответ только по фактам. Дополнительно — полный контроль над чанками и возможность аудита.
Чем FRAGMAN отличается от других RAG‑решений?
1) Двойной этап улучшения структуры ИИ до чанкинга. 2) Механизм реранжирования (30 → 5) увеличивает точность. 3) Строгий промпт «не выдумывай», что критично для юриспруденции, медицины и техподдержки. 4) Полная кастомизация на PHP/MySQL — легко интегрируется в существующий ландшафт.
Как FRAGMAN обрабатывает конфиденциальные данные?
Все эмбеддинги и чанки сохраняются в вашей MySQL БД. OpenRouter используется только для вызова LLM (без сохранения данных). Вы можете выбрать модель, работающую в режиме privacy, либо локальную. Весь процесс контролируется вашей инфраструктурой.
Какие форматы файлов поддерживаются?
PDF, DOCX, TXT, Markdown, HTML (опционально изображения с OCR). Система парсит содержимое, извлекает таблицы и списки для дальнейшего структурирования.
Что происходит, если информации в БД недостаточно для ответа?
FRAGMAN чётко сообщает: «Недостаточно данных в загруженных документах для ответа на ваш вопрос». Модель не будет генерировать необоснованные предположения — это ключевое правило нашего промпта.
Сложно ли внедрить FRAGMAN в корпоративную среду?
Система написана на PHP, работает с MySQL (включая поддержку векторов через собственные расширения или pgvector-like подход). Поставляется как готовый docker-образ или установщик. Интерфейс простой: админка для загрузки файлов и чат-виджет.
Почему мы называем систему FRAGMAN?
Название сочетает «Fragment» (фрагмент данных) и «Management». Выделенный RAG внутри логотипа подчеркивает основную технологию: Retrieval‑Augmented Generation в каждом фрагменте вашей базы знаний.

Полный цикл обработки

От сырого файла до ответа, основанного на фактах

📄 Загрузка → ⚙️ Парсинг → 🧠 ИИ‑структура → ✂️ Чанки → 📊 Эмбеддинги → 🗃️ MySQL (таблицы) → 🔎 Поиск 20‑30 чанков → 🔄 Re‑ranking → топ5 → 🤖 LLM + Промпт → Ответ

💡 Модели на выбор через OpenRouter: GPT-4o, Claude 3.5, Llama 3, Mistral и др.

Вы также можете подключить локальную модель для полного air‑gap режима