AI_Support_SAMO_Leadership_v5

1.

AI Support для САМО‑Софт
Итоговая картина v5: отдельный web‑чат + Redmine/DokuWiki + SQL Server 2022 + Qdrant + LLM Gateway
Вопрос до задачи
Поиск в знаниях
Ответ с источниками
Эскалация человеку
Цель: снизить повторные обращения и создать управляемый корпоративный AI‑контур знаний.
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
1

2.

Главное решение
Не один плагин и не самописка с нуля — гибрид из готовых компонентов и своей бизнес-логики
Готовое используем
как ускоритель
Своё пишем там,
где правила САМО‑Софт
Redmine/DokuWiki
не меняем в ядре
• Основной пользовательский интерфейс — отдельный web‑чат, а не Telegram.
• Redmine остаётся внутренней системой задач и источником опыта.
• Готовые Redmine‑плагины проверяем отдельно как помощник сотрудника.
• Backend сам проверяет права и передаёт модели только разрешённый контекст.
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
2

3.

Уточнение: LibreChat или Redmine plugin?
Оба полезны, но для разных задач
Сценарий
Лучше использовать
Почему
Клиент спрашивает до задачи
Отдельный web‑чат / LibreChat
Клиенту не нужен интерфейс Redmine; можно развивать
отдельный UX
Сотрудник работает в задаче
Redmine AI Helper / plugin
Удобно сделать summary, похожие задачи и черновик прямо в
карточке
AI читает конкретную задачу
Redmine MCP / read‑only tool
Безопасный инструмент для get_issue, attachments, wiki
Массовая обработка 186k+
Свой Redmine Sync Worker
Нужны зеркало, retry, hash, ACL, batch index
Бизнес‑логика знаний
Свой SAMO AI Backend
Только он знает VERIFIED/HYPOTHESIS/PLANNED и права
клиентов
Итог: Redmine‑плагин — не выбрасываем. Но не делаем его главным клиентским интерфейсом.
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
3

4.

Где хранится история чата
Не в модели. Хранит AI Support Backend в отдельной базе проекта
chat_session
chat_message
ai_answer
ai_answer_source
feedback
Что храним
Как
Ресурсность
Сообщения
Текст + user_id + timestamps
Мало, это обычные записи
Источники ответа
Ссылки на chunks/issues/pages, не копии всего Redmine
Экономно
Старые диалоги
Summary вместо бесконечной истории
Сильно сокращает объём
Вложения
Отдельное хранилище + срок хранения
Контролируемый рост
Подтверждённые знания
knowledge_card/chunk
Храним дольше, пока актуально
audit_log
• Не нужно хранить “все новые задачи” как чаты: задачи живут в зеркале Redmine.
• Чатовая история хранится только для обращений, где пользователь реально общался с ассистентом.
• Если задача закрылась и потом открылась, создаём новую case_session, связанную с тем же issue_id.
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
4

5.

Политика хранения
Чтобы не раздувать базу и пройти ИБ
Данные
Хранение
Срок
Активный диалог
Полная история
Пока обращение активно
Закрытый диалог
Summary + финальный ответ + ссылки
30–90 дней или политика ИБ
Вложения пользователя
S3/MinIO/внутреннее хранилище
До закрытия + срок аудита
Проверенное знание
knowledge_card + chunk
Долгосрочно, пока актуально
AI‑ошибки и feedback
для evaluation
По политике качества
Зеркало Redmine
по API + content_hash
по политике синхронизации
Смысл: ресурсно опасны не сообщения, а бесконтрольные вложения и полное копирование всего в
каждый prompt.
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
5

6.

Итоговая цепочка компонентов
Что зачем подключаем — сверху вниз
LibreChat
UI
SAMO AI
Backend
Policy
Engine
Redmine/DokuWiki
connectors
SQL Server
+ Qdrant
LLM
Gateway
Шаг
Что делает
Почему так
1. Web‑чат
Принимает вопрос, файлы, показывает ответ
Не пишем UI с нуля
2. Backend
Память, права, prompt, feedback, эскалация
Это собственное ядро САМО‑логики
3. Policy Engine
Проверяет customer/project/private access
Нельзя доверять модели права доступа
4. Connectors
Читают Redmine и DokuWiki через API
Источники не меняем в ядре
5. SQL/Qdrant
Хранение + точный и смысловой поиск
SQL Server ваш стек; Qdrant закрывает vector search
6. LLM Gateway
Выбор внешней/локальной модели
Свобода от одного провайдера
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
6

7.

1. Варианты готовых решений
Что можно взять, а где нужна своя логика
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
7

8.

Готовые Redmine AI‑плагины
Проверяем, но не делаем их единственным решением
Компонент
Что уже умеет
Как использовать в проекте
Redmine AI Helper
AI‑чат внутри Redmine, summary, draft comments, похожие
задачи, Qdrant, MCP
Поставить на тестовый Redmine как внутренний помощник
Redmine AI Plugin
чат по данным Redmine, промпты, вложения, локальные LLM
через Ollama
Оценить как коммерческий/плагин‑вариант
Redmine MCP
read‑only доступ к issues/wiki/attachments/custom fields
Использовать через Backend, не напрямую из клиента
Redmine Sync Worker
массовая выгрузка и индексация
Пишем сами, это не AI
• Плагины полезны для сотрудников в Redmine.
• Отдельный web‑чат нужен для клиентского сценария до создания задачи.
• Корпоративные ACL, DokuWiki и статусы знаний остаются в собственном backend.
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
8

9.

LibreChat как оболочка PoC
Не база знаний, а готовый пользовательский интерфейс
Что даёт LibreChat
• пользователи и чаты
• история диалогов
• работа с моделями
• MCP‑интеграции
• загрузка файлов/сообщений
Чего он не решает
• статусы знаний САМО
• customer ACL
• DokuWiki‑логика
• quality gates
• эскалация в Redmine
Решение
• используем в PoC
• подключаем к Backend
• позже можно заменить
• ядро не зависит от UI
Правильная связка: LibreChat → SAMO AI Backend → Policy Engine → Redmine MCP / Knowledge
Search.
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
9

10.

RAGFlow и обработка вложений
Не ядро системы, а отдельный эксперимент для сложных документов
Тип вложения
MVP
Когда подключать RAGFlow
TXT/LOG/JSON/XML/SQL
Собственные парсеры
Обычно не нужен
DOCX/XLSX
Python‑парсеры, таблицы, листы
Если много сложных таблиц
Обычный PDF
Извлечение текста/таблиц
Если плохой OCR/сложная структура
Сканы и изображения
Ограниченный Vision/OCR
Если скрины содержат ключевые ошибки
Большие архивы/опасные файлы
Карантин
Не давать в общий поток
Почему не сразу для всех файлов: отдельный сервис, нагрузка, своё хранилище и новые точки
отказа.
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
10

11.

2. Бизнес‑процесс
Как система читает задачу, ищет знания и формирует ответ
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
11

12.

Процесс уровня 0: объяснение руководству
Самый простой поток
Пользователь
задаёт вопрос
AI ищет
источники
Ответ
со ссылками
Если сложно —
эскалация
Специалист
получает контекст
• AI не обязан отвечать любой ценой.
• Если источники спорные или устаревшие — задаёт уточнение или передаёт специалисту.
• В MVP AI ничего не меняет в Redmine сам.
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
12

13.

Процесс уровня 1: клиентский web‑чат
Разбивка шагов без сложных условий
Роль
Шаг 1
Шаг 2
Шаг 3
Клиент
Вопрос + файлы
Получает ответ
Оценивает
AI Support
Уточняет продукт/версию
Ищет источники
Формирует ответ
Support/Redmine
—
—
Если не помогло: задача с контекстом
Ключевой эффект: клиент не начинает сразу с пустой задачи в Redmine; система либо решает
типовой вопрос, либо собирает нормальный контекст для поддержки.
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
13

14.

Процесс уровня 2: реальная цепочка с условиями
Разделяем чтение, поиск, ответ и feedback
Case
Reader
Attachment
Processor
Security
Processor
Case
Analyzer
Если уверенность высокая и знание
approved_for_customer → ответ со ссылками
Feedback
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
Quality score
Search
Planner
FTS +
Qdrant
Reranker
Answer
LLM
Если уверенность низкая / только гипотеза →
уточнение или черновик задачи специалисту
Evaluation dataset
Fine‑tuning later
14

15.

Один prompt или цепочка?
Финальный ответ можно делать одним prompt, но только после подготовки контекста
Подход
Почему плохо/хорошо
Решение
Один огромный prompt с сырой задачей
дорого, непредсказуемо, смешивает шум и решения
Не использовать
10 автономных агентов
сложно отлаживать, много конфликтов
Не нужно на MVP
Контролируемая цепочка
каждый шаг проверяем, легче тестировать
Рекомендуется
LLM #1
анализ + rewrite
Поиск
FTS/Qdrant
Reranker
LLM #2
финальный ответ
Evidence
Checker
Сильная модель отвечает не по сырому Redmine, а по подготовленному пакету: правила + права + карточка обращения + 5–10 лучших источников.
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
15

16.

3. Архитектура
С учётом SQL Server 2022, Qdrant и отдельного web‑чата
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
16

17.

Целевая архитектура v5
Один контур знаний, несколько интерфейсов
Web‑чат
LibreChat / свой UI
SAMO AI Support Backend
память · права · RAG · аудит
Policy Engine
ACL · customer · private
Retrieval Service
FTS + vector + rerank
Redmine UI
plugin optional
SQL Server 2022
зеркало · чаты · FTS · audit
Redmine REST/MCP
issues · journals · attachments
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
Qdrant
embeddings · vector search
DokuWiki Remote API
pages · namespaces · ACL
LLM Gateway
OpenRouter / РФ cloud / local vLLM
Files / MinIO/S3
logs · PDF · XLSX · images
17

18.

SQL Server + Qdrant: кто за что отвечает
Не две базы знаний, а два разных типа поиска
SQL Server 2022
полный текст, права, чаты, audit
Qdrant
vector index, point_id, metadata
SQL Server FTS
Qdrant
qFarState, procedure names, exact error text
похожие по смыслу формулировки
полный текст и права доступа
embedding + chunk_id
основной audit и feedback
не хранит источник как единственную правду
отдельная база SAMO_AI_SUPPORT_DEV
контейнер/сервис под DevOps
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
18

19.

Прототип хранения данных
Минимальная схема, чтобы понимать ресурсы и ответственность
Таблица
Что хранит
Комментарий
redmine_issue
шапка и описание задачи
не чат, а зеркало источника
redmine_journal
комментарии и изменения
private_notes помечаются отдельно
source_attachment
файлы и extracted text
файлы по retention policy
dokuwiki_page
страницы и sections
content_hash для обновлений
knowledge_card
симптом, причина, решение
основная единица знания
knowledge_chunk
поисковый фрагмент
связь с Qdrant point_id
chat_session/message
диалоги
можно summary после закрытия
feedback/audit_log
оценки и контроль
нужны для качества и ИБ
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
19

20.

Redmine Sync Worker — не нейросеть
Обычный фоновый сервис для выгрузки и обновления зеркала
issues list
limit/offset
queue
issue_id
get issue
include data
download
attachments
save mirror
SQL Server
index
FTS/Qdrant
• AI не нужен для листания страниц API и скачивания файлов.
• AI подключается позже: классификация, карточки знаний, query rewriting, ответ.
• Sync Worker должен иметь retry, content_hash, last_successful_sync и ограничение нагрузки на Redmine.
Правило: production-источник — Redmine REST API, а не PDF-распечатки задач.
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
20

21.

Redmine MCP: где нужен
Инструмент для чтения текущего контекста, но не для массовой индексации
Использовать MCP
Не использовать MCP
прочитать текущую задачу в чате
массово выгружать все 186k+ задач
получить один issue/wiki/attachment по запросу
строить зеркало, content_hash, retry
помочь сотруднику внутри Redmine
заменять customer ACL backend
только read-only tools
давать модели admin key
Правильная цепочка: LibreChat → SAMO AI Backend → Policy Engine → Redmine MCP.
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
21

22.

ИБ: защита до поиска
Недоступный фрагмент не должен попасть в модель
Пользователь
Auth/SSO
Policy Engine
Tool Gateway
Разрешённый поиск
LLM
• Модель не получает API‑ключ Redmine, SQL‑логин или доступ к файлам.
• Backend сам добавляет customer_id, project_id, private_notes filters.
• MVP: только read‑only tools. Draft/write — позже и с подтверждением человека.
Неправильно: LibreChat → Redmine MCP с админским ключом. Правильно: всё через SAMO AI Backend и Policy
Engine.
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
22

23.

Модель: внешняя, российская или локальная
Память диалога всё равно хранит backend
Вариант
Плюс
Минус
Когда
OpenRouter/API
быстрый PoC, сравнение моделей
внешняя передача данных
только обезличенные данные после ИБ
Облако РФ
быстрее on‑prem, юрисдикция
договоры и vendor lock‑in
если допускает ИБ
Локальная open‑weight
данные внутри контура
GPU, DevOps, MLOps
production для закрытых данных
Гибрид
модели по классу данных
сложнее схема
целевой вариант после MVP
LLM Gateway нужен обязательно: backend не должен зависеть от одного провайдера или формата.
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
23

24.

Локальная модель под ключ
Не пишем нейросеть с нуля, разворачиваем готовую open‑weight модель
Выбрать
модель и лицензию
GPU
сервер
vLLM/Ollama
inference
LLM
Gateway
100–300
тестов
Pilot:
черновики
• Локальная модель тоже не “помнит” Redmine — RAG обязателен.
• Отдельно нужны embedding‑модель, reranker и возможно vision‑модель.
• Fine‑tuning/LoRA — поздний этап после накопления проверенных примеров.
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
24

25.

4. Что пишем сами и что ставим
Практическая матрица решения
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
25

26.

Матрица компонентов: ставим, пишем, тестируем
Собираем систему из готовых деталей, но ядро знаний своё
Блок
Решение
Действие
Почему
Web‑чат
LibreChat
ставим для PoC
быстрый UI и история
Redmine внутренний AI
Redmine AI Helper
эксперимент
проверить польза в задаче
Текущая задача
Redmine MCP
ставим read‑only
инструмент чтения
Массовая выгрузка
Redmine Sync Worker
пишем сами
batch, retry, ACL, mirror
DokuWiki
свой connector
пишем сами
ваши namespaces/ACL
База
SQL Server 2022
используем
текущий стек
Семантика
Qdrant
ставим
vector search
Сложные файлы
RAGFlow
эксперимент
не ядро, только сложные кейсы
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
26

27.

Что платно, что бесплатно
Лицензии могут быть free, но работа и инфраструктура не бесплатны
Категория
Может быть бесплатно
За что платим ресурсами/деньгами
LibreChat
open‑source
настройка, SSO, сервер, поддержка
Redmine tools
MCP/AI Helper open‑source
совместимость, тестовая копия, настройка
Qdrant/Redis/MinIO
open‑source
серверы, диски, monitoring, backup
SQL Server
уже есть
отдельная БД, FTS, ресурсы, DBA
RAGFlow
open‑source
CPU/RAM/disk, сопровождение
LLM
open‑weight модели
GPU или API‑токены, MLOps
Разработка
внутренняя команда
рабочее время и code review
Минимальный PoC можно сделать дёшево по инфраструктуре, но не бесплатно по времени
специалистов.
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
27

28.

Варианты бюджета
Без точных цен до ответа DevOps, но с понятными сценариями
Сценарий
Состав
Расход
Минимальный PoC
SQL Server + Backend + Qdrant + 100–500 задач + внешняя
модель на обезличенных данных
главное — время команды
PoC без внешних моделей
плюс локальная small/medium модель на GPU или
внутреннем сервисе
GPU/сервер + DevOps
MVP внутренний
DEV/TEST, Redis, MinIO, evaluation, 5–20 сотрудников
инфраструктура + разработка
Production client
SSO, tenant ACL, audit, monitoring, local/hybrid LLM, SLA
полноценный IT‑проект
• Точные рубли надо считать после выбора модели, GPU/облака, объёмов файлов и требований ИБ.
• Первые 2 недели лучше тратить на техническое обследование, а не на закупку GPU.
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
28

29.

5. Вопросы администраторам
Что нужно узнать до разработки
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
29

30.

Redmine: вопросы администратору
Это блокирующие вопросы для PoC
Вопрос
Зачем
Точная версия Redmine
совместимость AI Helper, REST API и плагинов
Список плагинов и кастомизаций
могут менять поля, права и UI
REST API включён?
без него нет нормального connector
Можно read‑only сервисную учётку?
безопасная выгрузка без изменений
Возвращаются custom fields?
нужны заказчик, продукт/отдел, версия
Доступны journals/private_notes?
решения часто в комментариях; private надо фильтровать
Доступны attachments/relations?
вложения и дубликаты важны для знаний
Есть updated_on filter/rate limits?
нужна инкрементальная синхронизация без нагрузки
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
30

31.

DokuWiki, SQL, DevOps, ИБ
Остальные вопросы перед стартом
Направление
Вопросы
DokuWiki
версия, Remote/JSON‑RPC, namespaces, ACL, media, даты изменений
SQL Server
где создать SAMO_AI_SUPPORT_DEV, FTS установлен, backup, лимиты CPU/RAM/IO
DevOps
Docker, CI/CD, Redis, Qdrant, MinIO, TLS, proxy, monitoring
Модели
внешние LLM допустимы? GPU есть? какие лицензии моделей разрешены?
SSO/права
как сопоставить пользователя с заказчиком Redmine?
Эксплуатация
кто Knowledge Owner, кто подтверждает знания, кто отвечает за production?
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
31

32.

Команда САМО‑Софт
Кто что может сделать
Роль
Зона ответственности
Ты / системный аналитик
логика знаний, статусы, тесты, приемка, связь отделов
Backend
SAMO AI Backend, Sync Worker, LLM Gateway, API
Online/frontend
web‑чат, SSO, личный кабинет, feedback UI
Redmine admin/Ruby
API, плагины, тестовая копия, MCP, AI Helper
DokuWiki admin
Remote API, namespaces, ACL
DBA/SQL
SAMO_AI_SUPPORT_DEV, FTS, backup, схемы
AI/RAG
Qdrant, embeddings, reranker, prompts, evaluation
DevOps/ИБ/QA/Support
инфраструктура, безопасность, тесты, проверка ответов
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
32

33.

Параллельные потоки работ
Чтобы проект не ждал одного большого “готово”
Поток
Команда
Результат
A. Доступы и ИБ
Product + ИБ + админы
роли, SSO, read‑only, политика данных
B. Источники
Backend + Redmine/DokuWiki admin
выгрузка задач, journals, attachments, pages
C. Хранилище и поиск
DBA + DevOps + AI/RAG
SQL FTS, Qdrant, Redis, MinIO
D. Знания
ты + поддержка + эксперты
карточки, статусы, 100–300 вопросов
E. Интерфейс
frontend/backend
LibreChat PoC, feedback, admin panel
F. Модель
AI/RAG + DevOps + ИБ
LLM Gateway, external PoC, local production
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
33

34.

Первые 2 эксперимента
Не строить всё сразу — проверить готовность Redmine и чата
Эксперимент A: Redmine readiness
тестовый Redmine + read‑only API + 20–50 задач + custom fields + private_notes + attachments + MCP/AI
Helper
Эксперимент B: Chat readiness
LibreChat + SAMO AI Backend заглушка + один read‑only инструмент поиска + 20–30 реальных вопросов
Цель: за 1–2 недели понять, что действительно подходит, а что красиво выглядит только в демо.
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
34

35.

Roadmap MVP: 8 недель
Пилот должен закончиться реальными ответами на реальные вопросы
Нед.1
обследование
Нед.2
коннекторы
Нед.3
парсинг + ИБ
Нед.4
FTS+Qdrant
Нед.5
чат+RAG
Нед.6
качество
Контрольная точка
Что должно быть
Конец 2 недели
test extract Redmine + DokuWiki, понятны поля и ACL
Конец 4 недели
первые реальные поисковые ответы по FTS/Qdrant
Конец 6 недели
100–300 вопросов, ошибки retrieval, список улучшений
Конец 8 недели
решение: production / расширение / смена компонентов
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
Нед.7–8
пилот
35

36.

Definition of Done для PoC
Что должно получиться, чтобы идти к MVP
Критерий
Минимум
Данные
100–500 задач + 20–50 страниц DokuWiki загружены через API
Поиск
находит правильный источник по 20–30 реальным вопросам
ИБ
private notes и чужие customer data не попадают в ответ
Чат
пользователь задаёт вопрос и получает ответ со ссылками
Feedback
сотрудник может принять/исправить/отклонить ответ
Решение по компонентам
понятно: LibreChat/плагин/MCP/RAGFlow подходят или нет
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
36

37.

Риски и контрмеры
Ассистент не обязан отвечать на всё, но обязан безопасно отказаться
Риск
Контрмера
Утечка данных клиента
ACL до retrieval, tenant isolation
Секреты в логах
secret scanning, redaction, quarantine
Галлюцинации
ответ только по источникам + confidence gate
Старые решения
valid_from/valid_to + приоритет DokuWiki
Prompt injection
источники считаются недоверенным контентом
Опасные действия
read‑only MVP, human approval для записи
Vendor lock‑in
LLM Gateway и модульная архитектура
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
37

38.

Что не делать
Чтобы не получить дорогой и опасный “колхоз”
• Не загружать PDF‑распечатки задач как основной production‑источник.
• Не подключать LibreChat напрямую к Redmine MCP с админским ключом.
• Не считать “закрыто” = “решено”.
• Не давать клиенту гипотезы как подтверждённые решения.
• Не начинать с автоматических ответов клиентам.
• Не покупать GPU до понимания объёма, качества и политики ИБ.
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
38

39.

Итоговое решение для утверждения
Что фиксируем как рабочую позицию
№
Решение
1
Основной интерфейс MVP — отдельный web‑чат.
2
Redmine AI Helper — тест внутри Redmine, не клиентский frontend.
3
Redmine MCP — read‑only инструмент через SAMO AI Backend.
4
Redmine Sync Worker пишем сами для массовой индексации.
5
DokuWiki Connector пишем сами.
6
SQL Server 2022 — основная база; Qdrant — семантический поиск.
7
LibreChat — оболочка PoC, можно заменить позже.
8
RAGFlow — отдельный эксперимент для сложных вложений.
9
LLM Gateway обязателен для свободы выбора модели.
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
39

40.

Финальная формула
Готовые детали + собственный контур знаний и прав
LibreChat
Redmine MCP
SQL Server
Qdrant
LLM Gateway
+ SAMO Knowledge Builder + ACL + Feedback + Evaluation
Так мы не изобретаем велосипед, но и не отдаём корпоративную логику готовому плагину.
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
40

41.

Источники для проверки
Ссылки на открытые компоненты и документацию
• LibreChat GitHub и MCP docs: github.com/danny-avila/LibreChat, librechat.ai/docs/features/mcp
• Redmine AI Helper: redmine.org/plugins/redmine_ai_helper
• Redmine AI Plugin: redmine.org/plugins/redmine_ai
• Redmine REST API / Rest Issues: redmine.org/projects/redmine/wiki/rest_api, /rest_issues
• Qdrant: github.com/qdrant/qdrant
• RAGFlow: github.com/infiniflow/ragflow
• vLLM: github.com/vllm-project/vllm
SAMO AI Support v5 · Redmine + DokuWiki + SQL Server + Qdrant
41