Media is too big
VIEW IN TELEGRAM
Шаблоны становятся важной вехой в эволюции Онто.
Они открывают пользователю возможность не просто описывать объекты, но и классифицировать исследуемое знание так же естественно, как это делает человек в реальной жизни.
В мире вокруг нас всё устроено слоями: организация состоит из департаментов, департаменты — из команд, команды — из проектных групп.
Раньше эта структура существовала только в голове исследователя, теперь она может существовать и в живой модели.
Шаблоны позволяют придать модели живую точность — ту самую необходимую и достаточную детализацию, которая помогает решать конкретную задачу без перегрузки лишней сложностью.
Теперь любая понятная пользователю абстракция — Организационная единица, Команда, Проектная команда — может стать самостоятельным типом, который классифицирует другие объекты.
И главное — шаблоны могут классифицировать не только сущности, но и другие шаблоны.
Это делает модель гибкой: вы можете начать с широкого понятия, затем уточнить его, затем уточнить уточнение — и все уровни будут связаны в единую смысловую сеть.
Онто помогает удерживать эту структуру и поддерживает её во всех контекстах, где ведётся исследование.
И всё это работает одинаково хорошо для:
• организационных моделей,
• производственных процессов,
• системных архитектур,
• исследовательских проектов,
• личных моделей внимания,
• жизненных ситуаций, которые человек анализирует интуитивно.
Онто❤️ становится универсальным классификатором, который помогает соединять точность мышления и естественность восприятия.
Карта развития Онто.
Дальнейшее развитие будет двигаться сразу в двух потоках:
• усиление Онто как универсального инструмента исследователя знания, усиление классификатора знаний;
• глубокая интеграция AI-ассистентов в интерфейс платформы.
В течение ближайшего года мы планируем:
• перейти от диаграмм к полноценным контекстам как основному механизму моделирования;
• позволить использовать сам контекст как объект, с собственными свойствами и связями;
• значительно упростить поиск и ориентирование внутри больших контекстов;
• сделать связи и свойства самостоятельными объектами модели (так знания становятся ещё более живыми и управляемыми);
• встроить AI-ассистентов в ключевые элементы интерфейса, чтобы они помогали не только классифицировать знания, но и вести исследование вместе с пользователем: подсказывать связи, уточнять контекст, помогать в моделировании ситуаций.
Они открывают пользователю возможность не просто описывать объекты, но и классифицировать исследуемое знание так же естественно, как это делает человек в реальной жизни.
В мире вокруг нас всё устроено слоями: организация состоит из департаментов, департаменты — из команд, команды — из проектных групп.
Раньше эта структура существовала только в голове исследователя, теперь она может существовать и в живой модели.
Шаблоны позволяют придать модели живую точность — ту самую необходимую и достаточную детализацию, которая помогает решать конкретную задачу без перегрузки лишней сложностью.
Теперь любая понятная пользователю абстракция — Организационная единица, Команда, Проектная команда — может стать самостоятельным типом, который классифицирует другие объекты.
И главное — шаблоны могут классифицировать не только сущности, но и другие шаблоны.
Это делает модель гибкой: вы можете начать с широкого понятия, затем уточнить его, затем уточнить уточнение — и все уровни будут связаны в единую смысловую сеть.
Онто помогает удерживать эту структуру и поддерживает её во всех контекстах, где ведётся исследование.
Так исследуемое знание превращается в живой контур:
от идеи — к структуре,
от структуры — к объектам,
от объектов — к связям,
от связей — к пониманию.
И всё это работает одинаково хорошо для:
• организационных моделей,
• производственных процессов,
• системных архитектур,
• исследовательских проектов,
• личных моделей внимания,
• жизненных ситуаций, которые человек анализирует интуитивно.
Онто
Карта развития Онто.
Дальнейшее развитие будет двигаться сразу в двух потоках:
• усиление Онто как универсального инструмента исследователя знания, усиление классификатора знаний;
• глубокая интеграция AI-ассистентов в интерфейс платформы.
В течение ближайшего года мы планируем:
• перейти от диаграмм к полноценным контекстам как основному механизму моделирования;
• позволить использовать сам контекст как объект, с собственными свойствами и связями;
• значительно упростить поиск и ориентирование внутри больших контекстов;
• сделать связи и свойства самостоятельными объектами модели (так знания становятся ещё более живыми и управляемыми);
• встроить AI-ассистентов в ключевые элементы интерфейса, чтобы они помогали не только классифицировать знания, но и вести исследование вместе с пользователем: подсказывать связи, уточнять контекст, помогать в моделировании ситуаций.
И мы будем рады, если пользователи Онто поделятся своими кейсами — что они строят, какие структуры исследуют, какие задачи помогают себе решать.
Это позволяет развивать Онто как систему, которая растёт вместе со своими исследователями.
Please open Telegram to view this post
VIEW IN TELEGRAM
Вот как «шаблон-объект» превращает любой текст в стройную модель знаний — и почему это удобно.
❓Зачем
• Единый язык: глава/раздел/абзац становятся объектами, а не “сырой простынёй”. Их можно ссылать, версионировать, сравнивать.
• Повторное использование: один и тот же раздел (например, “Интеграционный ландшафт”) живёт как объект и переиспользуется в других отчётах.
• Навигация и трассировка: от вывода → к фактам → к первоисточнику. Любая фраза имеет «адрес» в графе.
• Массовые операции: благодаря тому, что любой объект может стать шаблоном, меняем структуру отчёта или классификацию в одно действие.
• RAG по делу: ИИ работает не по PDF, а по формализованным фрагментам. Ответы точнее, ссылки — кликабельны.
❓Как сделать (хау-ту)
1. Заводим базовые шаблоны
o Глава (поля: цель, владелец, версия)
o Раздел (область, критичность, метрики)
o Абзац (тезис, цитата/источник, страница/якорь)
o Факт/Наблюдение, Риск, Рекомендация
Связи: включает →, обосновывает →, связан-с-риском →, привязан-к-источнику →.
2. Включаем «шаблон-объект»
Любой объект (например, существующий “Интеграционный ландшафт”) переводим в роль шаблона и используем как классификатор для новых разделов/абзацев.
3. Разбираем текст отчёта
🔹 Делим на главы/разделы/абзацы.
🔹 Каждый абзац — отдельный объект с ссылкой на первоисточник (файл, страница, таймкод).
🔹 Ядро смысла выносим в Факт/Наблюдение, от него вешаем Риск и Рекомендацию.
4. Собираем граф
Отчёт = Глава → Раздел → Абзац → (Факт → Риск → Рекомендация) с обратными ссылками на источники.
5. Автоматизируем
🔹 Шаблонные кнопки “разбить текст”/“создать абзацы из выделения”.
🔹 Агент, который предлагает риски и рекомендации из типовых библиотек.
🔹 Массовая переклассификация через сценарии проб (сначала на выборке, затем — bulk).
Как развивать
☑️ Библиотека доменных шаблонов: типовые главы/разделы для аудитов (платёжные контуры, закрытие дня, отчётность, миграция).
☑️ Каталог рисков и контролей: подключаем как справочник — абзац сразу “подсвечивает” релевантные риски/контроли.
☑️ Версионирование и сравнение отчётов: дифф по объектам — видно, что поменялось между аудитами.
☑️ Метрики полноты: дашборд “какие разделы закрыты фактами/рисками/рекомендациями”.
☑️ Генерация итогового PDF: отчёт собирается из объектов по шаблону, с автоматическими оглавлением и ссылками.
❓Зачем
• Единый язык: глава/раздел/абзац становятся объектами, а не “сырой простынёй”. Их можно ссылать, версионировать, сравнивать.
• Повторное использование: один и тот же раздел (например, “Интеграционный ландшафт”) живёт как объект и переиспользуется в других отчётах.
• Навигация и трассировка: от вывода → к фактам → к первоисточнику. Любая фраза имеет «адрес» в графе.
• Массовые операции: благодаря тому, что любой объект может стать шаблоном, меняем структуру отчёта или классификацию в одно действие.
• RAG по делу: ИИ работает не по PDF, а по формализованным фрагментам. Ответы точнее, ссылки — кликабельны.
❓Как сделать (хау-ту)
1. Заводим базовые шаблоны
o Глава (поля: цель, владелец, версия)
o Раздел (область, критичность, метрики)
o Абзац (тезис, цитата/источник, страница/якорь)
o Факт/Наблюдение, Риск, Рекомендация
Связи: включает →, обосновывает →, связан-с-риском →, привязан-к-источнику →.
2. Включаем «шаблон-объект»
Любой объект (например, существующий “Интеграционный ландшафт”) переводим в роль шаблона и используем как классификатор для новых разделов/абзацев.
3. Разбираем текст отчёта
🔹 Делим на главы/разделы/абзацы.
🔹 Каждый абзац — отдельный объект с ссылкой на первоисточник (файл, страница, таймкод).
🔹 Ядро смысла выносим в Факт/Наблюдение, от него вешаем Риск и Рекомендацию.
4. Собираем граф
Отчёт = Глава → Раздел → Абзац → (Факт → Риск → Рекомендация) с обратными ссылками на источники.
5. Автоматизируем
🔹 Шаблонные кнопки “разбить текст”/“создать абзацы из выделения”.
🔹 Агент, который предлагает риски и рекомендации из типовых библиотек.
🔹 Массовая переклассификация через сценарии проб (сначала на выборке, затем — bulk).
Мини-пример (аудит банковской системы)
1. Глава: Интеграционный ландшафт
1.1 Раздел: Способы интеграции
1.1.1 Абзац: “Используются MQ, файлы, REST; есть прямой доступ к БД.” (источник: стр. 12)
1.1.2 Факт: Обнаружен прямой доступ к БД из внешнего контура
1.1.3 Риск (высокий): обход сервисного слоя, утечки, сложность мониторинга
1.1.4 Рекомендация: убрать прямые коннекты; ввести API-шлюз, аудит и трассировку
2 Глава: Миграционная стратегия
2.1 Раздел: Перенос данных
2.1.1 Абзац: “Планируется dual-write и backfill.” (стр. 27)
2.1.2 Факт: Выбран подход dual-write + backfill
2.1.3 Риск (средний): расхождение состояний при сбоях
2.1.4 Рекомендация: CDC + идемпотентность + чёткая стратегия rollback
Как развивать
☑️ Библиотека доменных шаблонов: типовые главы/разделы для аудитов (платёжные контуры, закрытие дня, отчётность, миграция).
☑️ Каталог рисков и контролей: подключаем как справочник — абзац сразу “подсвечивает” релевантные риски/контроли.
☑️ Версионирование и сравнение отчётов: дифф по объектам — видно, что поменялось между аудитами.
☑️ Метрики полноты: дашборд “какие разделы закрыты фактами/рисками/рекомендациями”.
☑️ Генерация итогового PDF: отчёт собирается из объектов по шаблону, с автоматическими оглавлением и ссылками.
‼️✅ Итог
«Шаблон-объект» делает текст управляемым: из линейного документа он становится живым графом с повторным использованием, массовыми изменениями и точной ссылочностью. Для аудитов это экономит время, уменьшает риски и радикально повышает прозрачность выводов.
👍3🔥2
🚀 Друзья, нужен небольшой экспертный взгляд!
Мы сейчас готовим арабскую версию Онто — экземпляр для стран Ближнего Востока:
🔗 https://app.ontonet.ae/
Если вы владеете арабским языком или хорошо понимаете специфику интерфейсов для арабоязычной аудитории, буду очень благодарен за помощь.
Нужно просто посмотреть, насколько комфортно работать в системе, и отметить места, где перевод или поведение интерфейса выглядят непривычно.
Для нас это важный шаг, чтобы Онто было по-настоящему удобным и естественным для пользователей из региона 🌍
Если готовы помочь — отпишитесь в комментариях или в личку, я расскажу детали.
Мы сейчас готовим арабскую версию Онто — экземпляр для стран Ближнего Востока:
🔗 https://app.ontonet.ae/
Если вы владеете арабским языком или хорошо понимаете специфику интерфейсов для арабоязычной аудитории, буду очень благодарен за помощь.
Нужно просто посмотреть, насколько комфортно работать в системе, и отметить места, где перевод или поведение интерфейса выглядят непривычно.
Для нас это важный шаг, чтобы Онто было по-настоящему удобным и естественным для пользователей из региона 🌍
Если готовы помочь — отпишитесь в комментариях или в личку, я расскажу детали.
🔥4
Иногда всё начинается с простой задачи — выгрузить диаграмму и туда, и сюда: в Confluence, в BI, в DrawIO…
OntoAI показывает, как модели LLM читают граф знаний Onto и превращают его в код, схемы и аналитику.
📘 Читайте статью:
Интеллект в графе: как структурированное знание становится капиталом
Но за этим стоит большее — оцифрованное знание, которое становится понятным и для человека, и для искусственного интеллекта.
OntoAI показывает, как модели LLM читают граф знаний Onto и превращают его в код, схемы и аналитику.
📘 Читайте статью:
Интеллект в графе: как структурированное знание становится капиталом
ontonet.ru
Интеллект в графе: как структурированное знание становится капиталом
<em>OntoAI и новая роль онтологий в эпоху GenAI</em>
У Онто множество инструментов — от OntoAI до MCP-server и ассистентов вроде OntoDev и Thesaurus Assistant.
Но для моей ежедневной работы важнее всего оказался один маленький механизм: способность быстро превратить документ в структуру знаний.
Так родился мой семантический ритуал и OntoLex — ассистент, который собирает словарь и связи за меня.
В статье разобрал весь процесс: от презентации до живой онтологии.
Но для моей ежедневной работы важнее всего оказался один маленький механизм: способность быстро превратить документ в структуру знаний.
Так родился мой семантический ритуал и OntoLex — ассистент, который собирает словарь и связи за меня.
И именно это неожиданно решило одну из главных проблем взаимодействия с заказчиками:
мы начали видеть одну и ту же картину мира.
В статье разобрал весь процесс: от презентации до живой онтологии.
👍3
This media is not supported in your browser
VIEW IN TELEGRAM
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).
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
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
👍2
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.
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.
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.
👍5❤4🔥1
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
🎥 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
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
🔥4👍1
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.
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.
👍1
Forwarded from Москва и записки химика-экскурсовода (Владимир Хозяйский)
Это чудо-постройка находится рядом с храмом Христа Спасителя и известна как дом Перцовой (Соймоновский проезд, 1). Участок с существовующим 3-этажным домом в начале XX века выкупил инженер путей сообщения Петр Перцов, он же выбрал автора проекта и контролировал перестройку здания.
Автором дома стал художник Сергей Малютин. Чтобы лучше представить общую компоновку здания, он вылепил его модель из глины. Стены облицевали красным кирпичом, а на фасаде появилась майолика, выполненная артелью художников "Мурава". Также дом украсили деревянная резьба и литые детали.
Были применены новейшие для 1900-х годов технические решения: телефоны, лифты, принудительная вентиляция. Провода, водопровод, канализация были спрятаны внутри стен. В создании дома участвовали также архитектор Николай Жуков и инженер Борис Шнауберт. Постройка, законченная в 1907 г., была оформлена на жену Петра Перцова Зинаиду.
P. S. Прилагаю схему с перечисленными персоналиями, выполненную с помощью приложения Онто (ontonet.ru)
Автором дома стал художник Сергей Малютин. Чтобы лучше представить общую компоновку здания, он вылепил его модель из глины. Стены облицевали красным кирпичом, а на фасаде появилась майолика, выполненная артелью художников "Мурава". Также дом украсили деревянная резьба и литые детали.
Были применены новейшие для 1900-х годов технические решения: телефоны, лифты, принудительная вентиляция. Провода, водопровод, канализация были спрятаны внутри стен. В создании дома участвовали также архитектор Николай Жуков и инженер Борис Шнауберт. Постройка, законченная в 1907 г., была оформлена на жену Петра Перцова Зинаиду.
P. S. Прилагаю схему с перечисленными персоналиями, выполненную с помощью приложения Онто (ontonet.ru)
👍3
Media is too big
VIEW IN TELEGRAM
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”.
На видео — короткий фрагмент: как задача активируется, движок ищет исполнителя и связывает задачу с ним прямо в онтологии.
#ontonet #knowledgegraph #n8n #процессы #онтология #automation #raci #workflow
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
🔥1
Media is too big
VIEW IN TELEGRAM
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 ✨
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 ✨
🔥13❤1
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.
Онто + n8n постепенно перестают быть «набором инструментов»
и становятся платформой интеграции знаний и процессов.
И это только начало.
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.
👍1
Forwarded from Artem Varkulevich
This media is not supported in your browser
VIEW IN TELEGRAM
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.
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.
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.
🔥5👍2❤1
This media is not supported in your browser
VIEW IN TELEGRAM
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.
И управление пространствами — важный шаг именно в эту сторону.
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.
👍2❤1🔥1💯1
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.
🎾 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.
❤9🤝1
Media is too big
VIEW IN TELEGRAM
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.
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.
👍5
Media is too big
VIEW IN TELEGRAM
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?
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?
🔥3❤2👍2
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.
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.
👍5