CONTEXT ARTIFACT: B2B Process Intelligence Platform (LangGraph)

1. Суть продукта и позиционирование

Что делаем: Корпоративную мультиагентную систему (Workflow Orchestrator) на базе LangGraph для анализа бизнес- и ИТ-процессов.

Источники данных: «Человеческий шум» — транскрипты созвонов (встреч), «партизанские» Excel-таблицы, локальные трекеры задач и метрики менеджмента.

Главная ценность (Value Prop): Ищет неочевидные, проактивные инсайты и причины блокировок («почему процесс встал»).

Киллер-фича против Celonis (Process Mining): Celonis видит только сухие логи систем (ERP/CRM/Jira) и слеп к человеческому фактору. Наш продукт видит контекст (например, разработчик на созвоне трижды говорил, что ждет доступов, но в Jira это не отражено). Продукт внедряется за дни, а не за 6-12 месяцев, как Celonis.

2. Бизнес-модель и GTM-стратегия (Выход на рынок)

Гибридная модель: Базовый SaaS (для среднего бизнеса, обкатки промптов и быстрой итерации графов) + Дорогой On-Premise / Private Cloud под Enterprise за очень большой чек.

Целевой регион: Ближний Восток, приоритет — Саудовская Аравия (KSA) и Катар.

Почему: Экстремальные требования к суверенитету данных (Data Residency / регулятор SDAIA в KSA, инициатива qai в Катаре). Локальный Enterprise панически боится публичных облаков (OpenAI/Claude API туда не пустит ИБ), но обладает безлимитными бюджетами под On-Premise коробки, развернутые на их железе.

Стратегия продаж (B2B2B): Отказ от «холодных» стендов на выставках (Дубай хаотичен и перегрет). Вместо этого — точечный личный outreach через LinkedIn на партнеров/директоров Big 4 (Accenture, PwC, Deloitte) и национальных интеграторов (solutions by stc, Elm, Meeza). Мы заходим к ним как вендор «чистой технологии», а они берут на себя комплаенс, ИБ-сертификацию и заводят продукт в контур банков и министерств под своим крылом.

3. Архитектурный паттерн (6 изолированных модулей)

Архитектура спроектирована так, чтобы код графов LangGraph оставался неизменным как в SaaS, так и в On-Premise контуре. Меняется только .env-обвязка.

Ingestion-адаптеры: Абстрагированные коннекторы (API Zoom/Jira в облаке или локальная папка/S3-хранилище в On-Premise), отдающие наружу чистый JSON/бинарный поток.

Слой предобработки: Парсеры документов (Pandas/OpenPyXL для выравнивания Excel) + аудио-движок (Faster-Whisper локально или Whisper API в облаке) с диаризацией (разделением спикеров). Оптимизировано под «арабиш» и тяжелые экспатские акценты (индийский, арабский).

Inference Gateway (Абстракция моделей): Единый интерфейс (прослойка типа LiteLLM). В SaaS шлет запросы в Claude 3.5 Sonnet / GPT-4o. В On-Premise по щелчку тумблера в .env переключается на локальный инференс-движок (vLLM / Ollama), крутящий открытые модели уровня Llama-3-70B / Qwen-2.5 на GPU клиента.

Core Graph Engine (Сердце системы): Чистая бизнес-логика на LangGraph. Набор детерминированных узлов (Nodes) и условных переходов (Conditional Edges) с жесткими лимитами на итерации (max_loops), чтобы избежать циклического выжигания токенов (Tool Storms). Агенты-аналитики созвонов и Excel проверяют друг друга и синтезируют финальный отчет.

Storage & Persistence (Память): Единый стек на Postgres (для сохранения состояний графа / Checkpointers) + расширение pgvector для векторного RAG (хранение локальных баз знаний, регламентов компании и глоссария сленга).

Observability & Security (Мониторинг): Локально разворачиваемый в контуре клиента open-source инстанс LangFuse или Phoenix для трейсинга шагов агента. Позволяет дебажить логи без выпуска трафика в интернет.

4. Следующий шаг для нового чата

Перейти к детальному техническому проектированию и написанию кода первого рабочего MVP (локальный прототип: связка Postgres Checkpointer + базовый граф на 2-3 агента с абстрагированным вызовом моделей).