Платформа

Одно ядро. Разные отрасли.

Synapster Core — это проверенная архитектура из десяти переиспользуемых модулей. Каждая отраслевая платформа собирается как Core + доменный слой: ядро берёт на себя безопасность, данные и AI, а доменный слой — специфику отрасли.

Поэтому каждый новый проект усиливает не только себя, но и саму платформу: внутри продуктовых семейств ядро переиспользуется на уровне кода, между семействами — на уровне единой архитектуры и компонентов.

Synapster → Synapster Core (10 модулей) → вертикальные платформы (Core + доменный слой)

Synapster Core

Одно ядро — разные отрасли

Каждая платформа собирается как Core + доменный слой. Ниже — какие модули ядра переиспользуются в продуктах, подтверждённых код-аудитом.

●переиспользуется◐частично / упрощённо○нет

Модуль ядра	Pragma Python / FastAPI	ReflexDAO Python / FastAPI	GnatologPRO Python / FastAPI	LawerCRM TypeScript / Node	TourismRadar Python / FastAPI
Identity / RBAC JWT (access + refresh), роли и права domain:action, MFA/TOTP, сессии.	●	●	●	●	●
RAG с трассировкой Поиск с цитатами «вывод → источник», eval-харнесс, контроль качества ответов.	●	●	●	●	○
Мультиагентная LLM-оркестрация Цепочки агентов, consensus нескольких LLM (K+1), circuit breaker, budget cap и fallback провайдеров.	●	◐	●	●	●
Knowledge graph / embeddings pgvector и типизированные связи/онтология для семантического поиска и контекста.	●	●	◐	●	◐
Интеграции Registry + адаптеры: PMS/OTA, 1С, CRM, мессенджеры, email/IMAP, телефония, платежи, внешние данные.	●	●	●	◐	●
Audit / observability Append-only аудит действий, метрики и Sentry — прослеживаемость каждого решения.	●	●	●	●	●
Human-in-the-loop Токены подтверждения, очередь решений, эскалации и SLA там, где ошибка дорога.	●	●	●	●	●
Изоляция ПДн Маскирование/псевдонимизация персональных данных до выхода в LLM, шифрование at-rest.	●	●	●	●	●
Realtime / WebSocket WebSocket-хаб (+ Redis pub/sub для масштабирования) для чатов и живых обновлений.	●	◐	●	●	○
Документы Загрузка, OCR/parsing, генерация PDF·DOCX; в медицине — анонимизация DICOM.	●	●	●	●	◐

Identity / RBAC

JWT (access + refresh), роли и права domain:action, MFA/TOTP, сессии.

RAG с трассировкой

Поиск с цитатами «вывод → источник», eval-харнесс, контроль качества ответов.

Мультиагентная LLM-оркестрация

Цепочки агентов, consensus нескольких LLM (K+1), circuit breaker, budget cap и fallback провайдеров.

Knowledge graph / embeddings

pgvector и типизированные связи/онтология для семантического поиска и контекста.

Интеграции

Registry + адаптеры: PMS/OTA, 1С, CRM, мессенджеры, email/IMAP, телефония, платежи, внешние данные.

Audit / observability

Append-only аудит действий, метрики и Sentry — прослеживаемость каждого решения.

Human-in-the-loop

Токены подтверждения, очередь решений, эскалации и SLA там, где ошибка дорога.

Изоляция ПДн

Маскирование/псевдонимизация персональных данных до выхода в LLM, шифрование at-rest.

Realtime / WebSocket

WebSocket-хаб (+ Redis pub/sub для масштабирования) для чатов и живых обновлений.

Документы

Загрузка, OCR/parsing, генерация PDF·DOCX; в медицине — анонимизация DICOM.

ReflexDAO и GnatologPRO переиспользуют ядро на уровне кода (форки с общим происхождением); с Pragma, LawerCRM и TourismRadar — на уровне единой архитектуры и компонентов. TourismRadar — самая зрелая реализация движка K+1 (двойной черновик + арбитр-консенсус) и отдельный quant-слой (прогноз спроса, эластичность, конформные интервалы).

8 из 10 модулей ядра присутствуют во всех 5 проверенных вертикалях.

Внутри ядра · надёжный AI

Движок K+1: ответ от двух моделей и арбитр

Ответственные ответы AI не идут от одной модели. Ядро запускает два черновика двумя независимыми моделями параллельно, сверяет их арбитром-консенсусом и проверяет на галлюцинации — и деградирует к правилам, если уверенность низкая. Это снимает главный страх бизнеса: «AI что-то выдумал».

Как работает K+1

1.Два черновика параллельно — две независимые модели разных провайдеров — с дедлайном.
2.Арбитр (отдельная, более сильная модель) сводит ответы: agreement, disagreements, confidence.
3.Watchdog ловит галлюцинации и переспрашивает с усилением промпта.
4.Grounding-проверки + порог уверенности; ниже — fallback к правилам.
5.Per-provider circuit breaker и атомарный Redis-budget с DB-fallback.

Quant-слой (Revenue OS)

Прогноз спроса: ансамбль LightGBM / Prophet / Ridge со skill-score весами.
Конформные интервалы (Winkler) — калиброванная уверенность прогноза.
Ценовая эластичность (log-log OLS) по сегментам и городам.
Теория игр: Nash-равновесие и tâtonnement; режимы рынка через HMM.

Движок K+1 и quant-слой — самая зрелая реализация в платформе (продукт TourismRadar, Revenue OS для отелей). Тот же контракт надёжного AI применяется и в остальных вертикалях ядра.

Нужна отраслевая платформа на проверенном ядре?

Обсудим вашу отрасль: какие модули Core закрывают задачу сразу и что войдёт в доменный слой. Безопасность, RBAC и прослеживаемость AI — по умолчанию.

Обсудить внедрение Смотреть кейсы