Я долго писал про “семантический ритуал” — как превращать документы в живую онтологию: не текст, а структуру смыслов, с которой можно работать.

А потом меня догнала мысль: а почему процессы мы до сих пор описываем как мёртвые схемы?
BPMN, регламенты, вики-страницы… Всё это красиво живёт ровно до первого реального изменения. Дальше начинается дрейф: модель отдельно, реальность отдельно, люди интерпретируют “как поняли”.

Я попробовал сделать иначе: процесс как живую онтологию.
В Онто у меня:
• задачи — это объекты,
• зависимость “ход” — это связь,
• а состояние задачи — это не поле, а шаблон (тип объекта).

И вот дальше начинается магия, которую я показываю в видео:
n8n не хранит процесс и не “ведёт сценарий”. Он просто исполняет модель.

Когда задача становится “Выполнена”, движок пересчитывает граф и автоматически переводит следующие задачи в “Назначена”. Получается не “workflow”, а исполняемая модель — очень близко к MBSE-логике: сначала модель, потом её интерпретация.
В видео — короткий фрагмент прототипа: как “выполнение” одной задачи активирует следующий этап целого блока.

Статья уже на подходе: там разложу по полочкам, почему это вообще MBSE, чем живые онтологии отличаются от “диаграммы ради диаграммы”, и как такой подход масштабируется дальше (проверки, симуляции, “что если”, цифровая тень процесса).

#онтология #mbse #n8n #процессы #knowledgegraph #онтонет #onto

Друзья, у нас к вам просьба без маркетинговой мишуры — зато честно.

Онто сейчас доступна бесплатно, и часть из вас уже ведёт на платформе реально полезные кейсы: проекты, словари, процессы, заметки, “живые” модели.

И вот важная штука: единственная рациональная причина держать платформу живой и развивать её дальше — это видимая активность и истории пользователей, которые доказывают, что всё это не “игрушка для авторов”, а рабочий инструмент.

Нам правда нравится то, что мы делаем. Но чтобы это продолжалось, нам нужны ваши кейсы — публичные, настоящие, приземлённые.

Если у вас уже есть что показать — напишите короткую историю:
• что вы пытались решить (боль/задача),
• как разложили это в Онто (какие объекты/связи/диаграмма),
• что стало лучше (скорость, ясность, коммуникации, контроль, повторяемость),
• и один скрин/картинка “до/после” (идеально).

Где публиковать: Хабр, TenChat, Telegram, VC, личный блог — любое место. Можно даже коротким постом, без лонгрида.

А ссылку — кидайте сюда в канал/в комментарии. Мы соберём подборку кейсов и будем продвигать авторов (и, да, это помогает платформе выжить).
Вселенная странная штука: иногда продукт живёт не за счёт фич, а за счёт историй людей, которые нашли ему смысл. Давайте соберём эти истории.

Пост-апдейт: статья вышла ✅

Помните мой прошлый пост про “процесс как живую онтологию”, где:
• задачи — это объекты,
• “ход” — это связь,
• а состояние — это шаблон (тип объекта), а не поле?

Я обещал разложить всё по полочкам — и вот, наконец, результат:
«Живая онтология процессов: от смысловой модели к автоматизации»
https://ontonet.ru/learning/tpost/7fxav0j7l1-zhivaya-ontologiya-protsessov-ot-smislov

Что внутри (по-инженерному, без магического мышления):
• почему процессы в BPMN/регламентах “умирают” и дрейфуют от реальности;
• минимальная модель: Процесс → Задачи → связь “Ход”, и как из этого рождается продвижение этапов;
• как n8n у меня работает не как сценарий, а как интерпретатор модели: читает граф и делает переходы (смена шаблона у задач);
• мини-кейс “волны”: одна выполненная задача активирует следующий блок задач (в статье + видео).

🎥 Видео я вставляю прямо в статью — будет видно “до/после” на живой модели.

Если интересно, куда это можно развивать дальше (проверяемость, симуляции, “что-если”, цифровая тень процесса) — тоже есть, но без фантазий: что уже можно, и что пока честно прототип.

#ontonet #knowledgegraph #n8n #mbse #процессы #онтология #automation

Хороший пример того, как работает контекст, когда он собран и удержан.
Такие материалы особенно ценны, если дополнительно классифицировать их: здание, эпоха, стиль, авторы, инженерные решения — тогда знание перестаёт быть просто текстом и начинает работать как модель.
Отдельно рекомендую канал Владимира о Москве — там как раз много таких «слоёв»: архитектура, история, город как система, а не набор фактов.

Прокачал прототип “живой онтологии процесса” ещё на один уровень — теперь он не просто активирует задачи, а назначает исполнителя алгоритмом (без AI-лотереи).

Раньше логика была такая:
✅ задача стала “Выполнена” → движок пересчитал граф → следующие задачи перешли в “Назначена”.

Теперь добавил следующий шаг:
✅ задача перешла в “Назначена” → движок находит подходящего исполнителя по правилам → создаёт связь “задача → исполнитель”.

То есть “назначение” у меня больше не ручной шаг и не “пусть нейросеть решит”, а нормальная инженерная штука:
🔹понятные критерии,
🔹предсказуемый результат,
🔹воспроизводимость (одинаковый вход → одинаковый назначенный человек),
🔹и главное — всё фиксируется в модели: кто почему назначен, и где это в графе.

На видео — короткий фрагмент: как задача активируется, движок ищет исполнителя и связывает задачу с ним прямо в онтологии.

Дальше хочу развивать это в сторону “процесс как исполняемая модель”: чтобы на одном графе можно было и видеть смысл, и проверять правила, и двигать работу без разрыва между “описали” и “сделали”.

#ontonet #knowledgegraph #n8n #процессы #онтология #automation #raci #workflow

Каждый Новый год начинается одинаково: «вроде всё купили», а заканчивается поиском огурцов, батареек и здравого смысла 🎄
В этот раз мы решили пойти против хаоса и собрали онтологию праздничного стола: меню, блюда, рецепты, продукты, остатки и закупку — в одном графе.

Получилась новогодняя сказка: холодильник оказался порталом, оливье — моделью, а OntoAI — верным Ланселотом, который по инструкции проходит по графу и возвращается с объяснимым планом покупок. Без магии, но с причинно-следственными связями — а они, как выяснилось, работают надёжнее новогодних обещаний.

🎁 Эта статья — наш маленький новогодний подарок всем начинающим онтонавтам, онтологам, знаниеведам и просто тем, кто чувствует, что в мире знаний хочется не текста ради текста, а структуры, смысла и живых моделей.
Подарок не в виде «как надо», а в виде примера: как даже бытовую задачу можно превратить в аккуратную, объяснимую и работающую модель.

🎉 С наступающим 2026 годом!
Пусть в новом году ваши графы будут связными, модели — минимальными, знания — живыми, а решения — спокойными. Пусть будет меньше хаоса и больше радости от того, что всё на своих местах.
И пусть 2026-й станет годом, когда даже Дед Мороз работает по онтологии — и подарки доходят без missing-dependencies ✨

Внутри наших развёртываний n8n для Онто появилась важная штука, которая сильно упрощает жизнь. Теперь при сборке сценариев не нужно помнить, какое API за что отвечает, какие параметры куда передавать и в каком порядке дергать эндпоинты.

В n8n появился нативный слой взаимодействия с Онто — действия, а не REST-вызовы.
Что это означает на практике

Раньше интеграция выглядела так:
• разработчик знает API,
• помнит версии,
• собирает URL,
• руками прокидывает заголовки,
• аккуратно не путается в realmId, entityId, relatedEntities и т.п.

Теперь:
• в сценарии выбирается «Entity → Get», «Diagram → Load», «Link → Create» и т.д.;
• параметры имеют смысловые названия;
• авторизация и детали API спрятаны внутри адаптера;
• сценарий читается как процесс, а не как набор HTTP-запросов.
Это принципиально другой уровень абстракции.

Зачем это бизнесу
1. Скорость интеграций
• новые сценарии собираются быстрее;
• меньше зависимости от конкретных разработчиков;
• меньше времени на онбординг команд.
2. Снижение стоимости изменений
• API можно менять, версионировать, расширять — сценарии остаются рабочими;
• меньше «хрупких» интеграций, которые ломаются от мелких правок.
3 . Повышение управляемости
• сценарии становятся понятны не только авторам, но и владельцам процессов;
• интеграция — это актив, а не чёрный ящик.

Зачем это IT и архитектуре
1. Чёткое разделение ответственности
• API Онто — зона платформы;
• сценарии n8n — зона автоматизации;
• бизнес-логика не размазана по URL и заголовкам.
2. Контракт вместо импровизации
• узел = контракт взаимодействия;
• меньше неявных договорённостей и «знаний в голове».
3. Подготовка к масштабированию
• мульти-realm,
• разные окружения (dev / preprod / prod),
• разные команды и подрядчики — без хаоса.

Если коротко
Мы перестали интегрироваться с API и начали работать с моделью Онто напрямую — через действия и смыслы.

Для бизнеса это скорость и предсказуемость.
Для IT — порядок, расширяемость и снижение рисков.
Для команд — меньше магии, больше ясности.

Онто + n8n постепенно перестают быть «набором инструментов»
и становятся платформой интеграции знаний и процессов.
И это только начало.

Новый год — удивительное время. Время подводить итоги и… отдавать долги.
Я всегда считал и считаю: если мы что-то пообещали — это становится нашей ответственностью. Даже если проект во многом бесплатный для пользователей, обязательства от этого не исчезают.

Мы помним всё, о чём говорили. И шаг за шагом возвращаем эти долги в продукте.

Сегодня — небольшой, но очень важный шаг.
В Онто появился личный кабинет.

Теперь через него можно:

— ✍️ Изменить имя, чтобы работа в пространствах стала по-настоящему личной. Людям проще и точнее с вами коммуницировать, без догадок и ошибок.
— 🔐 Управлять API-ключами: создавать новые, удалять ненужные, держать порядок и контроль.

Зачем это нужно на практике?
Чтобы усиливать свои возможности при интеграции Онто в рабочие процессы:
подключать n8n, автоматизации, собственные сервисы, эксперименты и боевые сценарии — осознанно и безопасно.

И это только начало. В очереди дальше:

— управление списком пространств
— встроенный MCP-клиент
— ассистенты, доступные не только через OntoAI, но и пользователям без ChatGPT
— усиление контекстов чатов
— возврат ролей
— контексты внутри контекстов
— и ещё много того, о чём мы говорили раньше

Мы искренне верим, что наш подход — с живыми графами, контекстами и агентами — гораздо мощнее и при этом заметно менее прожорлив по ресурсам, чем «просто RAG».

Новый год — отличное время, чтобы вернуть хотя бы часть обещанного.
Мы начали. И продолжим.

Мы сделали то, что обещали. И это большая веха для Онто.

Долгое время вы справедливо говорили, что систематизация пространств устроена неудобно:
невозможно скрыть лишнее, нельзя выйти из пространства, в которое тебя пригласили, список разрастается — а ведь система должна упрощать работу с информацией, а не добавлять когнитивный шум.
Теперь это исправлено.

Что появилось уже сейчас?

В личном кабинете можно управлять списком пространств:
• скрывать пространства, которые сейчас не нужны;
• выходить из пространств, потерявших актуальность;
• наводить порядок без удаления данных и без влияния на других участников.

Это прикладная вещь, не «косметика».

Зачем это в реальной работе:
• вы отделяете активные исследовательские контексты от архивных;
• снижаете шум при работе с графами и диаграммами;
• быстрее переключаетесь между задачами и ролями;
• Онто начинает подстраиваться под ваш способ мышления, а не наоборот.

Отдельно важное решение, сделанное сознательно:
👉 фильтрация локальная.
Она не синхронизируется между устройствами и не влияет на конфигурацию других пользователей.
Почему так?
Потому что рабочие представления могут быть разными:
• на компьютере — исследование и моделирование;
• на планшете — чтение, навигация, обсуждение;
• в разных ситуациях — разные фокусы внимания.
Мы считаем это нормой, а не исключением.

Что дальше
Уже сейчас видно направление развития:
функциональные роли вида «я как…», которые будут показывать разные аспекты знаний и разные пространства в зависимости от контекста мышления.

Но это следующий шаг.
Принцип остаётся прежним:
если мы что-то обещаем — мы это делаем.

Мир сложен. И решить эту сложность наивными GPT-ассистентами, которые просто переформулируют плохо заданный вопрос, невозможно.
Мы идём другим путём — упрощать сложное через структуру, контекст и ответственность за модель.

И управление пространствами — важный шаг именно в эту сторону.

Коллеги, ищу проекты, где нужна концентрированная польза от моей экспертизы, а не «ещё один человек в спринт»:

🎾 Архитектурный аудит под ключ (2–3 месяца): быстро разбираю стек/архитектуру, нахожу риски и узкие места и выдаю roadmap, который снижает стоимость ошибок и ускоряет развитие продукта.

🎾 Part-time CTO / VPoE (20–25 ч/нед): ставлю инженерные процессы, помогаю с наймом и архитектурой так, чтобы стартап быстрее дошёл до предсказуемой скорости и качества без фуллтайм-ставки.

🎾 Архитектурный надзор: 2–3 сессии в неделю с командой, где я фильтрую опасные решения, удерживаю стандарты и веду эволюцию системы без “переписываний ради переписываний”.

🎾 Техдолг и масштабирование: диагностирую причины “не тянет/падает/дорого” и организую план работ так, чтобы система выдержала рост нагрузки и команда перестала жить в пожарном режиме.

🎾 Архитектура знаний и цифровые двойники: проектирую модель предметной области (граф/онтология/контекстные представления) так, чтобы знания стали рабочим активом: их можно проверять, переиспользовать и автоматизировать.

🎾 Точечные внедрения LLM в бизнес: нахожу 1–3 кейса с понятным ROI и внедряю LLM как инструмент (поиск/аналитика/ассистенты/автоматизация) так, чтобы получился измеримый эффект без зоопарка и галлюцинаций.

Пишите в личку (@varkulevich): краткое описание продукта и задачи — возвращаюсь с предложением формата работы и ожидаемым roadmap; приоритетно проекты на русском языке (возможны варианты), локация и формат контрактования значения не имеют.

Продолжаю движение в сторону семантического проектного движка на базе Онто и n8n. Цель остаётся прежней — проверить гипотезу «сам себе ИТ»: когда сам движок не требует существенных инвестиций в ИТ, а семантическая составляющая помогает не просто автоматизировать процессы, а находить проблемы в их устройстве и аккуратно их исправлять.

За последнее время добавил поддержку подпроцессов. Не всё в текущей реализации мне нравится, но общая идея уже начинает проступать — и это важный момент. Появляется ощущение формы, а не набора разрозненных экспериментов.

При этом честно скажу: разработка семантического движка отнимает неожиданно много времени и внимания. Не потому, что «что-то не работает», а потому что любая попытка упростить здесь сразу упирается в смысл, связи и реальные сценарии. Это не блокер для других направлений — скорее напоминание о том, что работа со знанием почти всегда дороже по когнитивным затратам, чем кажется на старте.

И всё же я продолжаю верить, что про сложный мир можно рассказывать просто — и что управлять сложностью изменений возможно, если опираться на семантические методы, а не только на регламенты и код.

Чтобы немного отвлечься, сделал ещё один способ визуализации графических контекстов (диаграмм) в Онто. Используя Unity, добавил представлениям третье измерение.

Помните, я рассказывал, как собрал для себя голографический экран в духе Тони Старка? Вся эта псевдо-3D история неожиданно хорошо ложится именно на большие визуальные пространства. Когда у тебя не плоская схема, а объём, иначе ощущается масштаб, плотность связей и сами кластеры знаний.

Это, конечно, не про «вау-эффект ради вау-эффекта». Скорее про попытку понять: как меняется мышление, когда пространство знаний можно буквально крутить, приближать, расслаивать и собирать обратно.

А вам было бы интересно вращать и исследовать пространство знаний компании в объёме?

Возможности адаптера n8n для Онто продолжают расширяться. На текущий момент доступны операции создания и изменения объектов, полнотекстовый поиск по названиям и полям, переклассификация, создание связей и изменение значений свойств объектов. По сути, это уже полноценный рабочий слой для автоматизированной сборки и сопровождения знаний.

Кроме того, я развернул автоматизацию и для SaaS-решения, поэтому если у вас есть накапливаемое знание — документы, артефакты, проектные данные, исследования — я могу помочь выстроить их автоматизированную загрузку и обновление прямо в ваших пространствах Онто.

Пишите мне в личку — разберём ваш кейс и подумаем, как это лучше реализовать.
Да, это платная услуга, но она как раз про то, чтобы сэкономить время, а не добавить ещё один ручной процесс.

Приглашаем на вебинар: "От сообщения в Telegram к исполняемой модели. Интеграция Онто и LLM с помощью n8n"

Мы привыкли, что сообщения в мессенджерах исчезают.
В лучшем случае — превращаются в задачи.
На вебинаре Артем Варкулевич покажет другой подход:

- обычное сообщение в Telegram становится объектом, связью и действием в Онто,
- n8n исполняет правила модели — без магии и без “умного бота, который всё решает за вас”.

Разберём живой сценарий: пользователь пишет текст → LLM извлекает намерение →
Онто фиксирует смысл → n8n двигает процесс.

Поговорим честно: где LLM действительно полезен, где он опасен, и почему без модели автоматизация быстро превращается в хаос.

📅 Четверг, 29 января.
🕕 Начало в 17:00. Продолжительность 1 час.
🔗 Ссылка для подключения https://us02web.zoom.us/j/86824806561?pwd=Uxnr3x7vnIIC4URhcmuf83zGhGyc9o.1

Это одна и та же онтология.
Мы просто перестали показывать дочерние понятия в корне.

На первый взгляд изменение выглядит косметическим.
На деле — это ответ на очень практичную проблему: масштаб.
Когда онтология маленькая, плоский список классов ещё терпим.

Но как только мы начинаем работать в MBSE-подходе и осознанно моделировать состояния, роли и варианты, количество классов растёт лавинообразно. Появляются конструкции вроде:
• [DEV] Задача
• [DEV] Задача. Запланирована
• [DEV] Задача. В работе
• [DEV] Задача. Сделана
• [DEV] Задача. Отклонена

Формально — всё корректно.
Семантически — это одна и та же сущность в разных состояниях.
Но в плоском дереве они выглядят как пять разных понятий, конкурирующих за внимание пользователя.
В результате человек перестаёт видеть модель — он начинает пробираться через список.

Мы затеяли это изменение, потому что в больших онтологиях навигация — это не UI-деталь, а когнитивная нагрузка.

Если родо-видовые отношения не видны сразу, пользователь вынужден держать их в голове. А это плохо масштабируется.
Теперь:
— в корне остаются опорные смыслы;
— всё частное и производное живёт строго под родителем;
— состояния, специализации и варианты больше не «шумят» на одном уровне.

Это не про «спрятать сложность». Это про то, чтобы вернуть структуре право быть структурой.

Данные не изменились.
Модель не упростилась.
Зато стало видно, о чём она на самом деле.

И именно с этого начинается работа с большими онтологиями — не с добавления новых классов, а с того, чтобы перестать путать пользователя в уже существующих.

Коллеги, спасибо за участие во вчерашнем вебинаре.
Несмотря на технические сложности — в частности, временную недоступность сервиса OpenAI из нашего окружения — нам удалось не только сохранить ход обсуждения, но и дойти до практического результата.
В ходе диалога вы справедливо предложили усилить онтологичность решения и показать, что бот может делать больше, чем просто создавать новый элемент знания в графе. Идея состояла в том, чтобы перейти от механического действия к осмысленному формированию результата на основе контекста.
Мы приняли этот вызов и реализовали следующий подход.
Теперь бот не просто реагирует на команду вроде «купи молока», а сначала интерпретирует ситуацию и извлекает контексты использования (например: для пирога, для детей, альтернатива). Далее он опирается на накопленный в графе позитивный и негативный опыт, чтобы определить, какое именно молоко в данном контексте подходит лучше всего.
В результате задание формируется не абстрактно, а предельно конкретно — с учётом назначения, предпочтений и ограничений, зафиксированных в модели.

Таким образом, мы показали, как:
• контекст превращается в правило,
• правило — в фильтр опыта,
• а граф знаний — в основу для осмысленных действий, а не просто хранилище фактов.
Вы предложили — мы показали.

ссылка на запись вебинара https://rutube.ru/video/1786dbdd078b865930d25994d456e625/

Совершенно неожиданное применение платформы Онто для создания суперERP. Как передать знания компьютеру так что бы он мог самостоятельно принимать решения. Практический интенсив по созданию кибер мозга бизнеса на основе ресурсно-целевого моделирования, освоение инструментов вайб-кодинга и ИИ и в центре хранилище знаний Онто. Приглашаем расширить свое понимание интеллектуальных систем управления https://uprav.ru/rukovoditel/tsifrovaya-transformatsiya-i-ii-v-upravlenii/?utm_source=tg&utm_medium=partner&utm_campaign=ontonet?rs=TG_partner_ontonet