Knowledge Raven: Кросс-модельная платформа базы знаний, созданная с помощью Claude Code

Knowledge Raven — это платформа базы знаний, которая позволяет любому LLM, совместимому с MCP (Claude, GPT и др.), искать корпоративные документы и извлекать конкретные разделы с указанием источников. Платформа функционирует как структурированная, учитывающая права доступа память для ИИ-ассистентов.

Функции и возможности платформы

Платформа поддерживает загрузку документов и подключение к различным источникам, включая Drive, Confluence, Notion, Dropbox и GitHub. Она предлагает бесплатный тариф с ограничениями в 50 документов и 3 пользователя.

Техническая архитектура

Вся платформа была создана с помощью Claude Code одним основателем. Технологический стек включает:

• Бэкенд: Python/FastAPI
• Слой инструментов MCP
• Агентный RAG-конвейер с родительско-дочерним извлечением
• Контекстные эмбеддинги
• Гибридный поиск

Вдохновение и контекст

Разработка была вдохновлена рабочим процессом Андрея Карпати по созданию персональных баз знаний с помощью LLM, который включает компиляцию исходных материалов в структурированные вики и их запросы через агентов. Карпати отметил, что его подход хорошо работает в малых масштабах (~100 статей, ~400К слов), но признал ограничения для более крупных реализаций, заявив: «Я думаю, здесь есть место для невероятно нового продукта вместо набора хаков в виде скриптов».

Knowledge Raven заполняет этот пробел, масштабируясь до корпоративных потребностей, обрабатывая 50 000+ страниц с контролем доступа и синхронизированными в реальном времени источниками. Платформа реализует настоящую агентную RAG-инфраструктуру, которая становится необходимой в таких масштабах по сравнению с более простыми скриптовыми подходами.

Технический подход и философия

Разработчик поясняет, что система Карпати основана на инструментах, где LLM работает с внешними файлами, вызывает поисковую систему как инструмент и формирует структурированный вывод. Это соответствует паттерну MCP, используемому в Knowledge Raven. В посте развеиваются заблуждения о тонкой настройке, отмечая, что включение корпоративных знаний в веса модели через тонкую настройку привело бы к потере атрибуции источников, контроля разрешений и возможности обновлений в реальном времени.

Разработчик создал Knowledge Raven специально для решения проблемы предоставления ИИ-ассистентам доступа к организационным базам знаний в масштабах команды, выходя за рамки индивидуальных рабочих процессов к готовым для предприятия решениям.