Revornix: ferramenta de gerenciamento de informações com assistente de IA integrado

O Revornix é uma ferramenta de gerenciamento de informações para a era da IA. Ela permite que os usuários consolidem informações e documentos de diferentes fontes, interajam e os analisem com assistentes de IA integrados. No centro da ferramenta está o cliente de Processamento Colaborativo Multimodal (MCP), que oferece suporte ao resumo diário automático de documentos e informações coletados para gerar relatórios estruturados. O Revornix é um projeto de código aberto que permite aos usuários implantá-lo em seus próprios servidores para garantir a privacidade dos dados. Ele suporta o uso de vários locatários, o que significa que vários usuários podem usar um sistema ao mesmo tempo e ter seus próprios bancos de dados de documentos independentes. Ao mesmo tempo, a ferramenta permite que os usuários personalizem o acesso a uma variedade de modelos de linguagem grandes (precisam ser compatíveis com a interface OpenAI), para que os usuários possam escolher com flexibilidade o modelo de IA apropriado para o processamento e a interação do conteúdo de seus próprios documentos.

Lista de funções

• Agregação de conteúdo entre plataformasSuporte à coleta centralizada de conteúdo de várias fontes, como sites de notícias, blogs, fóruns etc. Atualmente, oferece uma versão da Web, com planos futuros de suporte a applets para iOS e WeChat.
• Processamento e vetorização de documentosUso da tecnologia de macromodelo multimodal: documentos carregados ou coletados (por exemplo, PDF, Word etc.) são uniformemente convertidos no formato Markdown, vetorizados e depositados no banco de dados de vetores Milvus para posterior recuperação semântica e análise de conteúdo.
• Assistente inteligente incorporado (MCP)Assistente de IA: fornece um assistente de IA com tecnologia de coprocessamento multimodal (MCP) integrada que permite que os usuários conversem e interajam diretamente com suas próprias bibliotecas de documentos, com suporte para alternar entre diferentes modelos de idiomas.
• arquitetura multilocatárioO sistema suporta nativamente o uso por vários usuários, sendo que cada usuário tem um espaço de documentos e um banco de dados separados, garantindo o isolamento e a privacidade dos dados.
• Localização e código abertoCódigo-fonte: O código-fonte do projeto é totalmente aberto e todos os dados são armazenados localmente pelo usuário, evitando o risco de vazamento de dados.
• Altamente personalizávelSuporte para que os usuários configurem e substituam livremente o modelo de linguagem grande (LLM) de back-end, desde que o modelo seja compatível com a interface API da OpenAI e possa ser acessado.
• Notificação de mensagem personalizadaOs usuários podem definir regras para permitir que o sistema envie notificações de mensagens personalizadas por e-mail, telefone, etc.
• Interface responsiva e multilíngueO sistema oferece uma boa experiência de usuário para usuários de computadores e telefones celulares, chineses e ingleses.

Usando a Ajuda

A Revornix recomenda o uso do Docker para implementação, o que simplifica a configuração do ambiente e faz com que os usuários comecem a trabalhar rapidamente.

Introdução rápida ao Docker (recomendado)

1. Repositório de código clone
   Primeiro, o código do Revornix precisa ser clonado do GitHub para seu computador ou servidor local. Abra um terminal (ferramenta de linha de comando) e execute o seguinte comando:

   git clone git@github.com:Qingyon-AI/Revornix.git
   

   Em seguida, vá para o diretório do projeto:

   cd Revornix
   

2. Configuração de variáveis de ambiente
   No diretório raiz do projeto, há um arquivo chamado envs que contém modelos para os arquivos de configuração de variáveis de ambiente exigidos por cada serviço. Você precisa adicionar os arquivos de modelo (começando com .example ending) é copiado como um arquivo de configuração formal.
   Execute o seguinte comando:

   cp ./envs/.api.env.example ./envs/.api.env
   cp ./envs/.file.env.example ./envs/.file.env
   cp ./envs/.celery.env.example ./envs/.celery.env
   cp ./envs/.hot.env.example ./envs/.hot.env
   cp ./envs/.mcp.env.example ./envs/.mcp.env
   cp ./envs/.web.env.example ./web/.env
   

   Na maioria dos casos, você só precisa configurar um parâmetro-chave. Use um editor de texto (por exemplo vim talvez nano) para abrir um dos arquivos de configuração, por exemplo nano ./envs/.api.envLocalizar SECRET_KEY Esse parâmetro. É necessário definir uma cadeia de caracteres complexa e aleatória para ser usada como chave para autenticação e criptografia do usuário.
   Observações importantes::SECRET_KEY devem ser mantidos exatamente iguais nos arquivos de configuração de todos os serviços; caso contrário, o sistema de autenticação de usuário entre os serviços não poderá interoperar, resultando em falhas de login. Para outros parâmetros, se não houver nenhum requisito especial, você poderá manter os valores padrão por enquanto.

3. Início dos serviços
   Depois de concluir a configuração da variável de ambiente, você pode usar o Docker Compose para extrair todas as imagens necessárias e iniciar todos os serviços em um clique. Execute-o no diretório raiz do projeto:

   docker compose up -d
   

   este -d fará com que o serviço seja executado em segundo plano.
   O processo de inicialização leva algum tempo, pois precisa baixar várias imagens do Docker e iniciar vários contêineres, como backend, banco de dados, serviço de modelo de IA etc., em sequência. Normalmente, o tempo de espera é de 3 a 5 minutos.

4. Acesso a páginas de front-end
   Depois que todos os serviços tiverem sido iniciados com sucesso, você poderá acessá-los no navegador em http://localhost para visualizar e usar a interface de front-end do Revornix.
   tomar nota deObservação: Devido ao longo tempo de inicialização do serviço de back-end, podem ocorrer falhas de solicitação ou incapacidade de carregar dados quando você abrir a página de front-end pela primeira vez. Isso é normal. Você pode verificar os logs do serviço de back-end principal (api) para confirmar que ele está pronto com o seguinte comando:

   docker compose logs api
   

   Quando vir um registro como se o serviço tivesse sido executado com êxito, atualize a página de front-end e tudo funcionará bem.

Modo de implementação manual

Para os desenvolvedores que desejam personalizar mais profundamente ou entender a arquitetura do sistema, o projeto também oferece suporte à implantação manual. O processo detalhado de implantação manual pode ser encontrado na documentação oficial.

cenário do aplicativo

1. Gerenciamento de conhecimento pessoal
   Os usuários podem fazer upload de artigos, blogs, eBooks e documentos PDF locais da Web para o Revornix. O sistema converte e vetoriza automaticamente esses documentos em um formato uniforme. Os usuários podem encontrar rapidamente as informações de que precisam conversando com o assistente de IA integrado ou fazer com que o assistente de IA resuma tópicos específicos e gere relatórios com base no conteúdo de toda a base de conhecimento.
2. Compartilhamento e colaboração de informações da equipe
   Em uma equipe, diferentes membros podem depositar informações coletadas do setor, análises de produtos concorrentes, documentos técnicos, etc. no Revornix. Como o sistema suporta multilocação, cada membro pode ter seu próprio espaço ou configurar um espaço compartilhado. Os gerentes podem usar a função de resumo diário para entender rapidamente a dinâmica das preocupações dos membros da equipe, enquanto os membros da equipe também podem interagir com o assistente de IA para obter rapidamente respostas da base de conhecimento da equipe e melhorar a eficiência da colaboração.
3. Monitoramento de informações verticais
   Para os usuários que precisam acompanhar os desenvolvimentos em campos específicos (por exemplo, finanças, tecnologia, saúde) por um longo período, eles podem usar o Revornix para agregar informações de diferentes fontes de notícias e fóruns. Ao configurar palavras-chave e regras de notificação, o sistema pode alertar automaticamente os usuários por e-mail ou por outros meios quando surgirem informações importantes e pode gerar um resumo diário dos tópicos mais importantes para ajudar os usuários a economizar tempo na filtragem e leitura de informações.

QA

1. Qual é a diferença entre o Revornix e outros softwares de gestão do conhecimento?
   O principal diferencial da Revornix é seu cliente MCP (Multimodal Co-Processing) integrado e a profunda integração com o Big Language Model. Não se trata apenas de armazenar documentos, mas de "interagir" com seu conteúdo. Você pode fazer perguntas, resumos ou análises à sua base de conhecimento como se estivesse falando com um ser humano. Além disso, seu código-fonte aberto e sua implantação localizada o tornam mais confortável para usuários preocupados com a privacidade dos dados.
2. Preciso ter meu próprio modelo de IA para usar o Revornix?
   Não. A própria Revornix não fornece modelos de IA, mas projetou uma estrutura de acesso a modelos abertos. Os usuários podem se conectar a qualquer serviço de modelo de linguagem que seja compatível com a interface da API OpenAI, quer estejam usando modelos oficialmente fornecidos pela OpenAI, por terceiros ou por seus próprios modelos de código aberto implantados (por exemplo, Llama, Mistral etc.), que podem ser facilmente configurados e usados.
3. O que é MCP?
   MCP é a sigla de "Multi-modal Co-pilot", que significa coprocessamento multimodal ou copiloto multimodal. No Revornix, significa um assistente inteligente que pode entender e processar vários tipos de dados (por exemplo, texto, possível suporte futuro para imagens etc.) e interagir com o usuário. Ele pode invocar diferentes ferramentas e modelos para cumprir os comandos do usuário, por exemplo, resumir documentos, responder a perguntas etc.
4. Existem requisitos elevados de servidor para a implantação do Revornix?
   A implantação básica não exige muito do servidor, mas se você precisar trabalhar com um grande número de documentos ou usar modelos de IA nativos mais avançados, terá algumas demandas sobre a CPU, a memória e a placa gráfica do servidor (especialmente ao realizar cálculos de IA). A recomendação oficial é usar o Docker para implantação, o que simplifica os problemas de dependência do ambiente, mas o servidor em si ainda precisa ter o desempenho básico para executar o Docker.