PipesHub объединяет данные из Slack, Jira или GitHub для внутреннего поиска и работы искусственного интеллекта. Версия 1.0.0 включает в себя, среди прочего, графы кода и более строгие права доступа.
Содержание.
Разработчики платформы PipesHub с открытым исходным кодом выпустили версию 1.0.0. Эта система объединяет разрозненные знания, хранящиеся в различных корпоративных сервисах, таких как Slack, Jira, GitHub или Microsoft 365, для внутреннего поиска и использования в работе искусственного интеллекта. В первой крупной версии проекта были внедрены, среди прочего, графы кода для анализа репозиториев, более строгие ограничения для инструментов искусственного интеллекта, а также обновленная система поиска. Кроме того, были усилены проверки прав доступа и устранены некоторые устаревшие элементы в процессе регистрации.
Поиск с учетом прав доступа.
PipesHub – это платформа с открытым исходным кодом, которую можно самостоятельно разместить на своих серверах, и которая является альтернативой коммерческим сервисам корпоративного поиска, таким как Glean. Эта система, разработанная под лицензией Apache-2.0 и доступная на GitHub, предназначена для компаний и команд разработчиков, которые хотят сделать внутренние источники данных доступными для поиска или использовать их в качестве контекста для больших языковых моделей и ИИ-агентов, не передавая данные во внешние облачные среды. Благодаря более чем 50 коннекторам, программное обеспечение подключается к существующим системам, при этом учитываются права доступа, установленные в исходных системах (поиск с учетом прав доступа). Если пользователь не имеет доступа к документу в Google Drive или к заявке в Jira, он не получит информацию из этих источников через PipesHub или подключенные ИИ-ассистенты. Система предоставляет ответы вместе со ссылками на источники, вплоть до отдельных текстовых фрагментов.
Технически платформа сочетает в себе векторную базу данных (Qdrant) для поиска похожих элементов с графовой базой данных – по умолчанию Neo4j или ArangoDB – а также MongoDB. Благодаря такому подходу, основанному на графе знаний, PipesHub не только определяет схожие фрагменты текста, но и фиксирует структурные связи между документами, пользователями и системами. Согласно информации на сайте проекта, в отношении языковых моделей используется подход "Bring Your Own Model": администраторы могут подключать API от таких поставщиков, как OpenAI или Anthropic, или использовать локальные модели через Ollama. Внешние инструменты, такие как Claude Code или Cursor, получают доступ к контексту знаний через протокол Model Context Protocol (MCP) или SDK для Python, TypeScript и Go.
Графы кода и более точный поиск по контексту.
С выпуском версии PipesHub 1.0.0 появляется новая структура данных – граф кода. Она индексирует репозитории программного обеспечения в навигационную графовую структуру, которая позволяет ИИ-агентам отслеживать зависимости и цепочки вызовов. Это помогает, например, при анализе влияния изменений: если разработчик изменяет функцию, можно проверить, какие другие компоненты системы затронуты, проанализировав до пяти уровней в графе. Поиск путей в графе кода позволяет исследовать связи на глубине до восьми "шагов". Кроме того, проект улучшил обработку вызовов функций в TypeScript.
Разработчики также переработали общую систему поиска. Теперь по умолчанию активны две функции: "целенаправленный поиск" (TARGETED_RETRIEVAL), который позволяет извлекать конкретные, релевантные фрагменты из больших документов, и "временные сводки" (TIMELINE_SUMMARIES). Последние автоматически включаются, когда поисковый запрос охватывает период более одного месяца, и представляют результаты в хронологическом порядке по периодам. Кроме того, с помощью специальных настроек можно активировать новую функцию распознавания сущностей, которая позволяет устанавливать связи между различными системами. Например, это может быть связь между сообщением в Slack, связанным тикетом в Jira и соответствующим запросом на внесение изменений (pull request) в GitHub.
Более строгие ограничения для ИИ-агентов и новые средства интеграции.
В версии 1.0.0 платформы PipesHub, где агенты искусственного интеллекта (ИИ) не только считывают данные, но и могут выполнять действия в связанных системах с помощью инструментов, усилены механизмы контроля доступа. Теперь агенты строго ограничены наборами инструментов, которые им назначены. Инструменты, предназначенные для создания или изменения данных, могут использоваться напрямую, в то время как операции удаления требуют явного разрешения от пользователя. Если языковая модель генерирует собственные SQL-запросы, PipesHub по умолчанию выполняет их только в режиме чтения, если не получено соответствующее разрешение. Кроме того, компании могут интегрировать свои собственные REST API в качестве пользовательских действий с помощью спецификаций OpenAPI. Сервер MCP (Metadata Control Plane), который включен по умолчанию, теперь также поддерживает разрешения для каждого инструмента отдельно.
В области источников данных был добавлен коннектор для Zendesk, который синхронизирует заявки, контент справочного центра и организационные структуры. Подключения к GitHub и GitLab теперь более надежно обрабатывают большие репозитории, а запросы на объединение изменений (pull requests) и слияние (merge requests) индексируются на основе конкретных изменений в коде. Кроме того, были исправлены различные проверки прав доступа: PipesHub теперь корректно учитывает уровни безопасности заявок Jira, а также унаследованные права доступа в SharePoint и OneDrive. При обмене сообщениями агентов с коллегами система проверяет права доступа каждого пользователя и скрывает конфиденциальные данные из определенных источников информации.
Более быстрая обработка файлов PDF и существенные изменения.
Внутри системы используется многоуровневая индексация, которая позволяет более эффективно обрабатывать документы. При работе с файлами PDF, PipesHub теперь распределяет задачи: текстовые файлы PDF, содержащие более 30 страниц, обрабатываются библиотекой pdfplumber, в то время как более короткие или сложные документы, а также сканы, обрабатываются с помощью Docling и оптического распознавания символов (OCR). Это снижает потребление памяти и предотвращает сбои процессов парсинга при обработке документов, содержащих большое количество изображений. Кроме того, опционально доступны экспериментальные компоненты для PostgreSQL, предназначенные для реализации хранилищ данных типа "ключ-значение" и очередей.
При обновлении существующей версии 0.10.0 до версии 1.0.0 необходимо учитывать некоторые важные изменения. Разработчики удалили возможность входа через SAML и универсальный вход через OAuth. Установки, на которые это влияет, должны изменить способ аутентификации перед обновлением. Кроме того, приложения, использующие аутентификацию по принципу "client_credentials", обязаны указывать связанную учетную запись сервиса. При развертывании с использованием Kubernetes, Helm-шаблон теперь требует указания ключа API для векторной базы данных Qdrant и больше не предоставляет значения по умолчанию.
Первоисточник — Heise
Сообщите редакции. Существенные исправления мы отмечаем в материале