ALKRAI · LOKALNE AI I PRYWATNOŚĆ
ALKRAI to projekt platformy lokalnego AI dla firm, które chcą zachować kontrolę nad danymi. Prywatna AI na własnym serwerze ma łączyć rozmowę, wiedzę z dokumentów i automatyzacje. Projektujemy przetwarzanie w środowisku organizacji, z naciskiem na prywatność, ochronę danych osobowych i informacji poufnych.
Etap: budowa platformy i procesu wdrożeń według planu z 25.10.2026. Gotowość produkcyjna wymaga potwierdzenia testami.
OD DOKUMENTU DO ODPOWIEDZI
Przykładowy przepływ w lokalnym wariancie ALKRAI. Integracje z pocztą, kalendarzem i portalami wymagają odpowiednich, kontrolowanych połączeń.
Dobre narzędzia.
Jeszcze lepsze połączenia.
KIERUNEK / ALKRAI
Rozwijamy powtarzalny produkt, który rozwiązuje podobne problemy wielu firm. Każde wdrożenie ma wzmacniać wspólny rdzeń ALKRAI.
Rozwijamy ALKRAI jako modułową platformę prywatnej sztucznej inteligencji: wspólny rdzeń, integracje z systemami firmy i wdrożenie dopasowane do wymagań organizacji.
MISJA FIRMY
Pomagamy firmom bezpiecznie wykorzystywać sztuczną inteligencję i automatyzację, zachowując kontrolę nad danymi. Dostarczamy lokalne, modułowe i łatwe w obsłudze rozwiązanie, które łączy wiedzę, systemy oraz procesy firmy, ogranicza pracę ręczną i zwiększa efektywność organizacji.
CEL NADRZĘDNY
Zbudować ALKRAI jako sprawdzony i udokumentowany produkt AI, który można szybko wdrażać u kolejnych klientów poprzez konfigurację gotowych modułów, integracji i workflowów — bez tworzenia całego systemu od początku.
SIEDEM CELÓW FIRMY
Założenia, według których rozwijamy ALKRAI.
Lokalne przetwarzanie danych, kontrola przepływu informacji, uprawnienia, separacja danych, monitoring i audyt.
Mniej powtarzalnej pracy przy dokumentach, firmowej wiedzy, poczcie, kalendarzach, obsłudze klienta, portalach i innych systemach.
Pracownik korzysta z funkcji poprzez rozmowę z agentem AI, bez konieczności poznawania technicznych narzędzi automatyzacyjnych.
Wspólny rdzeń ALKRAI, katalog modułów i osobno wyceniane rozszerzenia. Plan obejmuje całą platformę oraz powtarzalne budowanie, testowanie i dostarczanie wydań.
Głównie otwarte technologie, mniejsze koszty licencyjne i ograniczona zależność od dostawców. Dobór każdego komponentu obejmuje weryfikację zgodności licencji.
Rozważany model abonamentowy obejmuje utrzymanie, aktualizacje i uzgodnione wsparcie. Cennik, SLA, finansowanie wdrożenia i zasady zakończenia współpracy wymagają zatwierdzenia.
Pierwsze wdrożenia dopracowują produkt. Wspólne moduły i dokumentacja sprawiają, że kolejne mają być szybsze, tańsze w realizacji i bardziej rentowne.
01 / MODUŁY PLATFORMY
Projektowany wspólny rdzeń ma połączyć czat, dokumenty i działania w systemach firmy. Poniższe moduły opisują planowany zakres; ich dostępność potwierdzimy w testach integracyjnych i pilotażu.
Node-RED jest wybranym silnikiem automatyzacji. Pracownik ma uruchamiać przypisane działania przez czat; edytor przepływów pozostaje dostępny dla zaufanych administratorów.
Plan obejmuje czat LibreChat i wyszukiwanie w dokumentach przez RAG. Lokalny runtime pozostaje do wyboru: Ollama lub llama.cpp z Vulkan. Docelowy wariant vLLM wymaga testów na wybranym GPU.
Planowane integracje obejmują firmowe systemy, pocztę, kalendarze i portale. Ich zakres zależy od dostępnych API, uprawnień i wyników pilotażu; katalog nie jest jeszcze gotowym produktem.
ARCHITEKTURA / JAK TO MA DZIAŁAĆ
Jeden punkt wejścia dla pracownika. Oddzielne warstwy wiedzy, modeli i uprawnień. Animacje pokazują projektowany przepływ — nie są demonstracją gotowego systemu.
01 / ROZMOWA
LibreChat z brandingiem i konfiguracją ALKRAI. Bez budowania od zera nowego interfejsu; zakres zmian sprawdzi PoC.
02 / WIEDZA
LibreChat RAG API, PostgreSQL i pgvector oraz lokalny model embeddingów. Cel: odpowiedzi oparte na dostępnych dokumentach.
03 / UPRAWNIENIA
Keycloak dostarcza tożsamość i grupy. ContextForge i warstwa ACL mają egzekwować dostęp po stronie serwera, także przez API.
04 / AUTOMATYZACJA
Adapter MCP ma udostępniać przepływy jako narzędzia. Pracownik korzysta z przydzielonych działań, administrator zarządza edytorem.
05 / MODELE
Ollama lub llama.cpp z Vulkan — lokalny runtime pozostaje otwarty. vLLM jest wariantem docelowym do walidacji na wybranym GPU. Model i licencję dobieramy osobno.
06 / ROZWÓJ
Tworzenie workflowów przez rozmowę to funkcja docelowa. Wymaga własnej integracji: walidacji, właściciela, ACL i zatwierdzenia.
Logowanie, przekazywanie tożsamości, izolacja danych, kontrola narzędzi i bezpieczne tworzenie flowów wymagają testów całego przepływu. Sam wybór komponentów nie potwierdza bezpieczeństwa ani gotowości produkcyjnej.
Docker Compose — planowane wdrożenia i testy lokalne; Traefik OSS — ruch i TLS; Prometheus i Perses — metryki oraz dashboardy. Opcjonalnie Meilisearch Community i Valkey, zależnie od potrzeb. MongoDB w typowym wdrożeniu LibreChat oraz zależności, dodatki i wybrany model wymagają osobnej weryfikacji licencji przed dystrybucją.
02 / W PRAKTYCE
Trzy przykłady projektowanych zastosowań: wyszukiwanie w dokumentacji, porządkowanie dokumentów i obsługa zapytań. Wybierz temat, aby zobaczyć problem, sposób działania i oczekiwany efekt. Zakres oraz rezultaty potwierdzimy w pilotażu.
Zapytania przychodzą różnymi kanałami, a ręczne przepisywanie danych opóźnia przekazanie sprawy właściwej osobie.
Mniej ręcznego przepisywania, pełniejszy kontekst sprawy i sprawniejsze przekazanie zapytania do właściwego opiekuna.
PLAN / OD KODU DO WDROŻENIA
Zakres rozszerzono o kompletną platformę wdrożeniową: budowanie, testy, wersjonowanie i dostarczanie ALKRAI. Poniżej plan realizacji; dokumenty nie potwierdzają jeszcze gotowości produkcyjnej.
LibreChat, SSO, RAG i Node-RED oraz prywatny GitLab, registry i CI/CD. Oddzielne konfiguracje klientów, przypięte wersje i sekrety poza repozytoriami.
2 użytkowników, 2 grupy, 3 workflowy; blokada nieuprawnionych wywołań również przez API. Testy lokalne, następnie staging w innej chmurze.
Runner u klienta, centralny runner przez VPN albo paczka offline. Każdy wariant wymaga testów instalacji, aktualizacji, rollbacku i raportu powdrożeniowego.
Jeden proces z kryteriami odbioru. Monitoring, audyt, kopie poza hostem i test odtworzenia przed szerszym wdrożeniem oraz uzgodnionym utrzymaniem.
Rozważamy abonament za produkt, aktualizacje i wsparcie oraz osobną wycenę rozszerzeń. Cennik i warunki umowy nie są zatwierdzone. Sprzęt, infrastruktura i ewentualne licencje mają własne koszty.
DOSTARCZANIE / TRZY WARIANTY
Jedno wersjonowane wydanie, różne miejsca uruchomienia. Dobieramy sposób dostawy do zasad dostępu i łączności w Twojej organizacji. Wszystkie warianty są planowane i wymagają weryfikacji.
A / WARIANT PREFEROWANY
Dedykowany runner inicjuje połączenie wychodzące do GitLaba i rejestru obrazów. Pobiera zatwierdzone wydanie i uruchamia je lokalnie przez Ansible lub Docker Compose. Dostęp ograniczamy do konkretnego klienta.
B / WARIANT ALTERNATYWNY
Runner po naszej stronie wdraża przez VPN i SSH/Ansible. Wymaga zgody klienta na tę ścieżkę oraz ograniczonego konta dostępowego. Środowiska klientów pozostają oddzielone.
C / BEZ INTERNETU
Obrazy, modele, zależności, konfiguracje i skrypty w jednym wydaniu z manifestem oraz sumami kontrolnymi. Instalacja bez centralnego GitLaba i VPN; aktualizacja kolejną paczką z procedurą rollbacku.
Plan obejmuje przypięte wersje, izolację konfiguracji klientów, testy aktualizacji i rollbacku oraz szyfrowane kopie poza hostem z próbą odtworzenia. Ciężkie buildy i modele uruchamiamy w odpowiednich środowiskach, oddzielnie od usług centralnych.
PRYWATNOŚĆ / OCHRONA DANYCH
Projekt ALKRAI łączy lokalną sztuczną inteligencję z kontrolą dostępu do firmowej wiedzy. Zabezpieczenie danych osobowych i dokumentów poufnych wymaga sprawdzonej konfiguracji, uprawnień oraz zasad utrzymania.
01 / MIEJSCE PRZETWARZANIA
Planowany wariant on-premises obejmuje lokalny model AI, czat i bazę wiedzy z dokumentów. Celem jest przetwarzanie pytań oraz odpowiedzi w infrastrukturze organizacji. Połączenia z zewnętrznymi usługami ustalamy osobno i sprawdzamy w testach przepływu danych.
02 / UPRAWNIENIA
Projekt zakłada logowanie SSO oraz dostęp do dokumentów i działań zgodny z rolą pracownika. Kontrola ma obowiązywać także po stronie serwera i API. Baza wiedzy RAG powinna udostępniać wyłącznie materiały, do których użytkownik ma uprawnienia.
03 / UTRZYMANIE
Przed wdrożeniem określamy zakres danych, okresy przechowywania rozmów i logów, dostęp administratorów oraz zasady kopii zapasowych. Plan obejmuje separację środowisk klientów, audyt operacji i testy odtwarzania. Zabezpieczenia wymagają wdrożenia i weryfikacji.
Sama instalacja lokalna nie zastępuje kontroli dostępu i testów. W pilotażu sprawdzamy, kto może odczytać dokument, wywołać narzędzie i zobaczyć wynik. Dla odizolowanych środowisk planujemy także wariant AI offline.
Poznaj plan pracy bez internetu
LOKALNE AI OFFLINE / DANE POUFNE
Plan obejmuje kompletny pakiet offline: obrazy kontenerowe, modele, zależności, konfiguracje, skrypty oraz manifest z sumami kontrolnymi. Instalacja i aktualizacje mają działać bez dostępu do centralnego GitLaba i VPN. Pełny wariant wymaga testu na odizolowanym serwerze.
To rozwiązanie dla firm pracujących z tajemnicą przedsiębiorstwa, dokumentacją wewnętrzną i danymi wrażliwymi. Zabezpieczenia dobieramy do rodzaju informacji oraz wymagań organizacji.
Porozmawiajmy o Twoim środowisku ↗POKAZ / PRZYKŁADOWE DANE
Sprawdź dwa warianty tej samej rozmowy: odpowiedź ze źródłem i odmowę dostępu do dokumentu.
To interaktywna prezentacja projektowanego działania, z gotowymi odpowiedziami. Nie łączy się z modelem AI ani dokumentami firmy.
01 / PYTANIE PRACOWNIKA
Ta sama prośba. Różne uprawnienia do wiedzy.
02 / KONTROLA DOSTĘPU
Wybierz rolę i kliknij „Pokaż odpowiedź”.
03 / ODPOWIEDŹ I ŹRÓDŁO
Tutaj pojawi się wynik symulacji. Uprawnienia są sprawdzane przed udostępnieniem odpowiedzi.
Zarejestruj zapytanie w CRM, przypisz opiekuna i potwierdź odbiór w ciągu jednego dnia roboczego.
Przykładowa procedura „Obsługa zapytań” · DEMO-01, §2
Nowe zapytanie rejestrujemy w CRM i przypisujemy opiekuna. Odbiór potwierdzamy w ciągu jednego dnia roboczego.
Dokument fikcyjny, przygotowany wyłącznie na potrzeby pokazu.
Twoja przykładowa rola nie ma uprawnień do dokumentu. Odpowiedź ani fragment źródła nie zostaną wyświetlone. Poproś właściciela dokumentu o nadanie dostępu.
W tej symulacji rolę wybierasz samodzielnie. W rzeczywistym wdrożeniu tożsamość i uprawnienia muszą być sprawdzane po stronie serwera — także przy wywołaniu API.
PYTANIA / ODPOWIEDZI
Plan obejmuje lokalne przetwarzanie, logowanie SSO, uprawnienia do dokumentów i narzędzi oraz kontrolę wywołań po stronie serwera. Przed pilotażem ustalamy zakres danych, okresy przechowywania i zasady dostępu do logów oraz kopii. Skuteczność zabezpieczeń trzeba potwierdzić testami w środowisku klienta.
W planowanym wariancie lokalnym model, czat i firmowa baza wiedzy mają działać we wskazanej infrastrukturze organizacji. Rzeczywisty przepływ danych zależy od wybranego modelu i integracji, na przykład poczty lub usług chmurowych. Połączenia zewnętrzne ustalamy i testujemy przed wdrożeniem.
Przykładowe zastosowania to wyszukiwanie w dokumentacji wewnętrznej, odpowiedzi o procedurach ze wskazaniem źródeł, porządkowanie dokumentów i uruchamianie przypisanych automatyzacji. Dostęp do wiedzy i działań ma wynikać z uprawnień pracownika. Zakres integracji oraz jakość odpowiedzi wymagają sprawdzenia w pilotażu.
ALKRAI to projekt prywatnej, modułowej AI dla firm: czat LibreChat, wiedza z dokumentów i automatyzacje Node-RED. Zakres obejmuje również kompletną platformę budowania, testowania, wersjonowania i dostarczania produktu lokalnie, w chmurze oraz offline.
Plan z 25 października 2026 rozszerza prace na całą platformę wdrożeniową. Ukończenie produktu, integracji i testów produkcyjnych nie zostało potwierdzone. Kolejne etapy to walidacja dostępu i instalacji, a następnie pilotaż jednego procesu z uzgodnionymi kryteriami odbioru.
Wybrano Node-RED. Przepływy mają być publikowane jako narzędzia MCP, dostępne pracownikowi przez czat ALKRAI. Integracja i kontrola uprawnień wymagają wdrożenia oraz testów.
W docelowym modelu edytor jest przeznaczony tylko dla zaufanych administratorów. Pracownik korzysta z przypisanych narzędzi przez LibreChat. Dostęp ma być sprawdzany po stronie serwera na podstawie tożsamości SSO, także przy bezpośrednim wywołaniu API.
To funkcja docelowa, wymagająca własnej warstwy integracyjnej. Propozycja workflowu musi przejść walidację, otrzymać właściciela i ACL oraz wymagane zatwierdzenie przed publikacją. Nie jest to potwierdzona gotowa funkcja połączonych komponentów.
Lokalny runtime pozostaje otwarty: nowszy plan wskazuje Ollama, wcześniejsze ustalenia llama.cpp z Vulkan. vLLM jest wariantem docelowym wymagającym walidacji na wybranym GPU. Testy mają objąć środowisko lokalne i staging w innej chmurze. Model, licencja i zasoby wymagają doboru.
Planowany pełny pakiet offline ma zawierać obrazy, modele, konfiguracje, zależności, skrypty, manifest i sumy kontrolne. Instalacja nie ma wymagać centralnego GitLaba ani VPN. Pełną ścieżkę instalacji, aktualizacji i rollbacku trzeba jeszcze zweryfikować bez internetu. Integracje z zewnętrznymi usługami wymagają połączeń.
Celem jest maksymalne wykorzystanie gotowych otwartych komponentów. Dokumentacja wskazuje jednak MongoDB/SSPL jako nierozstrzygniętą kwestię względem celu pełnego OSI open source. Przed komercyjną dystrybucją potrzebna jest weryfikacja konkretnych wersji, modeli i dodatków.
Plan zakłada GitLab CI/CD i registry z wersjonowanymi wydaniami. Preferujemy dedykowany runner u klienta z połączeniem wychodzącym; alternatywą jest centralny runner przez VPN i SSH/Ansible. W środowisku offline aktualizacja trafia w kompletnej paczce. Każde wydanie wymaga testów i procedury rollbacku.
Test obejmuje 2 użytkowników, 2 grupy i 3 workflowy. Uprawniony użytkownik ma wykonać narzędzie, a nieuprawniony ma być zablokowany również przez API. Plan obejmuje też branding po aktualizacji i bezpieczne tworzenie własnego workflowu przez AI.
Nie ma zatwierdzonego cennika. Rozważany jest model abonamentowy, wspólny rdzeń i osobno wyceniane rozszerzenia. Zakres pilotażu, sprzęt, infrastruktura, wsparcie, SLA oraz zasady zakończenia współpracy wymagają indywidualnego uzgodnienia.
Przygotuj krótki opis jednego powtarzalnego procesu, obecnych systemów i oczekiwanego efektu. Formularz poniżej tworzy brief do skopiowania; nie wysyła wiadomości ani nie zapisuje danych na serwerze.
05 / ZRÓBMY PIERWSZY KROK
Sprawdźmy, które moduły ALKRAI odpowiadają na potrzeby Twojej firmy. Opisz proces i wymagania infrastruktury — bez wklejania danych wrażliwych ani poufnych.