Edmund AI Dokumentace
/DOKUMENTACE

Architektura a tok dat

Naše architektura se drží dvou hlavních pravidel: jednotnost napříč poskytovateli serverů a výhradně odchozí provoz z Edmunda.

Architektura kompatibilní s Azure a Amazon Web Services

Architektura Edmunda se konzistentně uplatňuje ve všech nasazovacích prostředích, tedy v Azure, AWS i on-premise. Jednotné struktury je dosaženo použitím kontejnerizace (Docker) a orchestrace (Kubernetes), což zjednodušuje nasazení, správu i údržbu v různých provozních kontextech.

Tyto technologie zajišťují přenositelnost, škálovatelnost a spolehlivost platformy Edmund bez ohledu na infrastrukturu, na které běží.

Níže je přehled architektury a diagram toku dat; popis komponent následuje za diagramy.

Cloudová architektura (AWS)

Cloudová architektura Edmunda na AWS

Diagram toku dat

Tok zákaznických dat a sub-processoři třetích stran

Hlavní komponenty architektury

Frontend: aplikace v TypeScriptu (framework React) komunikující s REST API

Backend API: Python (framework Django)

Databáze: jedna instance PostgreSQL pro data aplikace a Milvus Zilliz (self-hosted nebo cloud-hosted databáze) pro indexaci dokumentů. U on-premise instalací může být databáze Milvus hostovaná lokálně.

Cache: Redis

Indexovací služby a workery: zpracování dokumentů a datových zdrojů

LLM agent: integrace s Azure OpenAI API

Orchestrace: Kubernetes (nasaditelný v AWS, Azure, GCP nebo on-premise)

Monitoring a logování:

  • Sentry (monitoring aplikace)

  • LangSmith (monitoring LLM)

  • Grafana (systémové metriky)

Autentizace: podporované připojení přes MFA nebo SSO

Veškerá data se zpracovávají dočasně a neukládají se trvale mimo databázi zákazníka.

Popis komponent

Základ

Base platform — trvale běžící základ Edmunda. Zahrnuje web workery, které obsluhují uživatelské rozhraní a API, jeden indexovací worker, který přijímá a zpracovává dokumenty, pool 6 souběžných chat agentů odpovídajících na dotazy uživatelů a backendovou databázi se stavem aplikace. Je to minimum potřebné k provozu Edmunda a je součástí každého nasazení.

Škálovatelné jednotky

Indexing worker — přidává kapacitu na zpracování dokumentů pro větší objemy. Jeden worker zvládne přibližně 30 000 stran denně nebo asi 10 standardních PLC programů denně. Workery přidávejte, když roste nezpracovaná fronta nebo když se současně onboarduje více závodů.

Chat agents — zvyšuje počet uživatelů, kteří mohou s Edmundem pracovat současně. Každý blok přidává 6 souběžných chat agentů; bloky přidávejte, když se ve špičce očekává více souběžných konverzací.

Monitoring — malá monitorovací instance pokrývající sledování chyb a observabilitu volání modelů. Další jednotky poskytují oddělené nebo kapacitně větší pokrytí, jak nasazení roste.

Služby účtované podle spotřeby

Custom OCR service — převádí skenované a obrázkové dokumenty do strojově čitelného textu.

Milvus (vektorová DB) — self-hosted nebo cloud-hosted vektorová databáze, která ukládá embeddingy a zajišťuje sémantické hledání a vyhledávání kontextu. Účtuje se podle počtu uložených embeddingů, zaokrouhleno nahoru na další alokovanou úroveň (viz tabulka níže).

Úrovně nasazení (indikativní dimenzování a očekávané využití)

DimenzeTier 1Tier 2Tier 3
Cílový rozsah1–5 závodů5–10 závodů30–40 závodů
Konfigurace
Indexovací workery13 (base + 2 navíc)7 (base + 6 navíc)
Souběžní chat agenti612 (+1 blok)24 (+3 bloky)
Monitorovací instance1×2×5×
Očekávané využití
OCR konverze20 000 stran/měs.100 000 stran/měs.500 000 stran/měs.
Embeddingy v Milvusu5 M (≈ 3 CU, ≈ 60 GB S3)20 M (≈ 10 CU, ≈ 240 GB S3)100 M (≈ 50 CU, ≈ 1 200 GB S3)
Zprávy v chatu800–4 000/měs.4 000–8 000/měs.24 000–32 000/měs.

Připojení

Všechno, co Edmund čte, přichází jedním z níže uvedených připojení. Každé z nich je šifrované (HTTPS / SSL), autentizované (API token nebo servisní účet) a omezené na nezbytný rozsah.

Datové zdroje

Edmund čte zákaznickou databázi přes účet pouze pro čtení. Podporované databáze:

  • Oracle
  • PostgreSQL
  • Microsoft SQL Server
  • SAP HANA
  • Snowflake
  • InfluxDB

Na jedno připojení jeden uživatel a jedno schéma; co která databáze potřebuje, řeší kapitola Specifika jednotlivých databází. Jak se samotné připojení zřizuje — v rámci AWS, přes NAT gateway s port forwardingem, nebo Site-to-Site VPN — řeší kapitola Připojení k datovým zdrojům zákazníka.

Integrace

  • SharePoint konektor – synchronizace dokumentů z jedné SharePointové site, pouze pro čtení. Složky ve sledované knihovně dokumentů se mapují na projekty v Edmundovi, takže soubor vložený do složky se objeví v odpovídajícím projektu, aniž by ho někdo nahrával ručně. Edmund do SharePointu nikdy nezapisuje. Registraci aplikace, udělení přístupu k site i každodenní provoz popisuje návod Práce se SharePointem.
  • API – volitelné připojení k internímu REST nebo GraphQL API zákazníka.

Jaké formáty souborů která cesta přijímá a jaké platí limity velikosti, uvádí kapitola Podporované formáty souborů.