Bilgi ve koordinasyon Geliştirme ve gösterimler

Dağınık bilgiden çalışma bağlamına.

Cronberry, onaylı kaynakları, konuşmaları ve ilişkileri araştırma ve koordinasyon için tek bir alanda bir araya getirir. Anlamsal arama ve ajanlar, ekibin önemli olanı bulmasına ve bir sonraki adımı hazırlamasına yardımcı olur.

Discută o demonstrație Nasıl çalışıyor Bir örnek görün

Cum funcționează Cronberry

Cronberry

Bilgiden yapılmış işe.

Surse

Kaynakları ve izin verilen erişimi seçiyoruz: ilgili belgeler, kanallar ve konuşmalar.

Context

Bilgiyi konulara, ilişkilere ve projelere göre düzenliyoruz; kaynağa geri dönme imkânıyla.

Coordonare

İnceleme için özetler ve eylemler hazırlıyoruz, bunları ekibin iş akışına bağlıyoruz.

Nerede faydalı olur.

Araştırma ve konu radarı

İlgi konusu başlıkların takibi ve ilgili bilginin yeniden bulunması.

İlişkiler ve fırsatlar

İzinli etkileşimlerin bağlamı, ekip için erişilebilir tek bir yerde.

FlowMind ile bağlantı

Metinsel bilgi, izlenen konular ve jeo-mekânsal bağlam arasındaki köprüyü keşfediyoruz.

Geliştirilen yönü ve işlevleri sunuyoruz. Uygulama, bağlı kaynaklar ve kullanılabilirlik bir demo kapsamında belirlenir. Verilere erişim kontrollüdür.

Cronberry ayrıntılı olarak

Bu proje ile neler yapabilirsiniz.

Cronberry, belge arama aracı değil, ilişkiler üzerinde çalışan bir zekâ motorudur. Telegram konuşma arşivinden başlar ve bundan Neo4j içinde bir bilgi grafiği oluşturur: kişiler, şirketler, gruplar, kanallar, fırsatlar, kampanyalar, ürünler, yerler, etkinlikler ve konular — on tür varlık —; bunlar arasında „tanır”, „üzerinde çalışıyor”, „vaat etti” ve „itiraz etti” gibi sekiz ilişki türüyle bağlanır.

Grafın üzerinde, onu bir CRM’den ayıran üç şey vardır: dijital ikizler, yani bir kişinin mesaj geçmişinden üretilen ve bir tepkiyi öngörmek için konuşabileceğiniz profiller; gerçek bir kişiye bir şey göndermeden önce o profiller üzerinde iki mesaj varyantını test eden bir optimize edici; ve yüzlerce kez bir iş planı çalıştırıp tek bir sayı değil, sonuçların bir dağılımını döndüren bir Monte Carlo simülatörü.

Hangi tür sayılar ürettiği açıkça söylenmelidir: ölçümler değil, tahminler. Motor bir yanıt olasılığı veya bir güven aralığı döndürdüğünde, bunlar simülasyon çıktılarıdır. Kodda, tahmini gerçekte olanla karşılaştırması beklenen yapı vardır — `AccuracyStats`, doğruluk oranı ve güven kalibrasyonu ile — ancak repoda bunu dolduracak gerçek ölçüm serisi bulamadım. O ana kadar, sayılar çalışma hipotezleri olarak okunur.

Gerçek ilişkilere dayalı bilgi grafiği

Neo4j 5, on sabit türde varlık ve sekiz tür kenardan oluşan sabit bir ontolojiyle, ayrıca noktasal analizler için ontolojinin bir model tarafından üretilebildiği bir mod ile. Zenginleştirme dört geçişte çalışır: PageRank türü etki puanları, etiket yayılımı ile topluluk tespiti, mesaj sıklığından kenar ağırlıkları ve mesaj metinlerindeki `@kullanıcı` kalıplarından çıkarılan „bahsetti” türü kenarlar.

Üç seviyeli hafızaya sahip dijital ikizler

Bir kişinin geçmişinden üretilen bir profil; kısa süreli hafıza, uzun süreli hafıza ve ilişki hafızası ile. Üç kullanım modu: serbest sohbet, müzakere hazırlığı ve yanıt tahmini.

Gönderilmeden önce bir mesajın test edilmesi

Optimizatör bir mesajı ilan edilen bir hedefe göre yeniden yazar ve iki varyantı karşılaştırabilir. Stres testi fikri daha ileri taşır: fiyat artışı ya da süre baskısı gibi parametreleri farklı yoğunluklarda çalıştırır ve kontaktın iyi tepki verdiği alanları ile kaçınılması gereken alanları döndürür.

Yazılı bir plan üzerinde Monte Carlo simülasyonu

Plan metin olarak, kontak listesi, iterasyon sayısı ve gün cinsinden ufukla birlikte girilir. Başarı olasılığına güven aralığı, planın takıldığı noktalar ve her bir tıkanmanın nedeni çıkar. Simülasyonlarda checkpoint vardır, bu yüzden uzun bir çalışma yeniden sürdürülebilir.

Kişinin hakları, endpoint olarak uygulanmış

GDPR modülü bir politika sayfası değildir: bir kişinin verilerinin tam dışa aktarımını (mad. 15 ve 20), SQLite, Neo4j, tahminler ve rıza kaydında eşzamanlı çalışan silmeyi, silme günlüğüyle birlikte (mad. 17), düzeltmeyi (mad. 16), rıza durumunu ve rızanın geri alınmasını, işleme faaliyetlerinin kaydını (mad. 30) ve Avrupa Yapay Zekâ düzenlemesindeki şeffaflık gerekliliği için bir tahmini açıklama endpoint’ini içerir.

Modelin maliyeti, sayılarak

Model istemcisi, her çağrı için bir maliyet sayacı ve 3600 saniyede süre dolan, en fazla 512 girişli bellek içi önbellek tutar; ayrıca sağlayıcıya karşı dakika başına kendi istek sınırlayıcısı vardır. Ana model Azure OpenAI'dir, hızlı yedek varyant olarak Groq ile.

Veri ve çalışma

Sisteme ne girer. Ne doğrulanmalıdır.

Mevcut korpus özel ve kişiseldir: Başlangıç yapılandırmasındaki yol, kişisel Telegram geçmişine sahip bir SQLite veritabanını gösterir. Bu, geliştirme için uygundur ve bir hizmet için tamamen uygun değildir: bir müşterideki uygulama, bu korpusla değil, onun kaynaklarıyla, ilan edilen amaçla ve işleme dayanağıyla başlar.
İki depo, tek bir silme: Veriler SQLite'ta (kaynak) ve Neo4j'de (graf) durur, tahminler ise üçüncü bir yerde. Talep üzerine silme bunların üçünü de, ayrıca rıza kaydını da etkiler ve bir günlük yazar — çünkü graf kopyasını bırakan bir silme, silme değildir.
Hizmeti girişte ne korur: Token kovasıyla istek sınırlaması: IP adresi başına, global olarak 60 saniyede 100 istek, ayrıca pahalı endpointlerde daha sıkı sınırlar. Scriptleri ve çerçeveleri engelleyen içerik politikası, bir yıl süreli alt alan adlarıyla birlikte HSTS ve kamerayı, mikrofonu, konum bilgisini ve ödemeleri kapatan izinler politikasıyla sıkı güvenlik başlıkları. İzin verilen originler çevre değişkeniyle yapılandırılır.
Girişte eksik olan şey, ve önemli olan bu: Kimlik doğrulama. Kendi güvenlik planında, kimlik doğrulama ve yetkilendirme bölümü tamamen işaretlenmemiş durumda: motorun uç noktalarında token doğrulaması yok, rol yok, API anahtarları hash olarak saklanmıyor, tekrar eden denemelerde kilitleme yok. Bu çözülene kadar motor, kontrol edilen bir ağın arkasında çalışır, internette değil.

Keşiften uygulamaya

Cronberry ile bir projeyi nasıl hazırlıyoruz.

Önce kaynak ve dayanak, sonra kod

İlk adım teknik değildir: kuruluşun hangi verileri hangi amaçla ve ne kadar süreyle işleme hakkına sahip olduğu. Geliştirme korpusu yeniden kullanılmaz.

Grafı müşterinin verileri üzerinde kuruyoruz

Neo4j’ye içe aktarma, ardından dört zenginleştirme geçişi. Sabit ontoloji, Telegram’daki CRM kalıbını kapsar; başka bir materyal türü için özel bir tane üretilebilir.

Herhangi bir ifşa öncesinde kapıyı kapatıyoruz

Kimlik doğrulama, roller ve hash olarak saklanan anahtarlar, sonradan iyileştirme değil, yayına çıkış şartıdır. İstek sınırlaması ve güvenlik başlıkları zaten vardır ve etkin kalır.

Tahminleri gerçek sonuçlara göre kalibre ediyoruz

Doğruluk ölçüm yapısı kodda mevcuttur. Faydalı bir pilot, motorun ne tahmin ettiğini ve ne olduğunu kaydetmek demektir; böylece sayıların arkasında bir geçmiş olur.

Netleştirilmesi gereken sorular.

cronberry.ai’ye girip bakabilir miyim?

Hayır, ve bu geçici bir sunucu sorunu değil. Alan adı hiç çözülmüyor: DNS sorgusu NXDOMAIN döndürüyor, .ai kayıt kuruluşu ise `Domain not found` yanıtı veriyor — 6 Eylül 2026 tarihinde kontrol edildi. Proje belgelerinde belirtilen sunucu, `74.248.16.185`, de motorun portunda yanıt vermiyor. Gösterilebilen ve mevcut olan şey: yerel olarak çalışan kod ve üzerinde anlaşılan bir veri setiyle hazırlanmış bir demo.

Site onu belgeler ve semantik arama için bir çalışma alanı olarak anlatıyor. Öyle mi?

Hayır, ve bu düzelttiğimiz bir hata. Proje belgeler üzerinde bir arama motoru değil. Konuşma arşivinden oluşturulan ilişkiler üzerine bir zeka motoru: Neo4j grafı, geçmişten üretilen iletişim profilleri, bu profiller üzerinde mesaj testi ve bir plana göre Monte Carlo simülasyonu. Sitedeki metin, var olan koddan farklı bir ürünü anlatıyor.

„0,67 yanıt olasılığı” ne anlama geliyor?

Bu, bir ölçüm değil, bir simülasyon çıktısı demektir. Motor, planı tarihçeden üretilen profiller üzerinde yüzlerce kez çalıştırır ve dağılımı raporlar. Kodda, tahmini gerçeklikle karşılaştıracak yapı vardır — doğruluk oranı ve güven kalibrasyonu — ancak onu dolduracak hiçbir ölçüm dizisi bulamadık. Dolayısıyla bu sayı, seçenekleri birbirine göre sıralamak için kullanılır, sonuç vaadi olarak değil.

Müşterilerimizin verileri üzerinde, kişisel bir arşivde değil, çalışabilir mi?

Evet, ama bu herhangi bir uygulamanın ilk adımıdır, sona yapılan bir uyarlama değil. Mevcut geliştirme korpusu, başlangıç yapılandırmasında doğrudan belirtilen kişisel bir Telegram arşividir ve yeniden kullanılmaz. İçe aktarma, önceden belirlenmiş amaç ve işleme dayanağıyla örgütün kaynaklarından başlar.

Bir kişi verilerin silinmesini istediğinde ne olur?

Buna ayrılmış bir uç nokta vardır ve silme kısmi değildir: SQLite, Neo4j, o kişi hakkında üretilen tahminler ve rıza kaydına ulaşır ve bir silme günlüğü yazar. Tam dışa aktarma, düzeltme, rıza durumu, işlemlerin kaydı ve bir tahminin açıklanması da uygulanmıştır.

İnternette kullanıma açılmaya hazır mı?

Hayır, ve nedeni nettir: kimlik doğrulama. Kendi güvenlik planınızdaki kimlik doğrulama ve yetkilendirme bölümü tamamen işaretlenmemiştir — motorun uç noktalarında token doğrulaması, roller, hash olarak saklanan API anahtarları ya da tekrar eden denemelerden sonra kilitleme yoktur. Zaten mevcut olanlar: IP başına 60 saniyede 100 isteğe sınırlama, maliyetli uç noktalar için daha sıkı sınırlar, sıkı güvenlik başlıkları ve yapılandırılabilir originler. Girişteki kapı kapalıyken, yayına çıkma tartışması gerçek hale gelir.

İç dokümantasyon birçok şeyi yapılmış olarak işaretliyor. Kontrol edilebilir mi?

Kısmen, ve söylenmesi gerekir. Güvenlik listesi, repoda olmayan dosyalara (`swarm_api.py`, `security_middleware.py`, `gdpr_routes.py`) işaret ediyor. Ancak ilgili kod yine de var, sadece başka yerde: `cronberry_swarm/security/rate_limiter.py`, `headers.py` ve `gdpr.py`. Yani işaretler gerçek işlevselliği anlatıyor, ama referanslar yanlış — onları listede değil, kodda takip ettim.

İllüstratif örnek

Başlatılmadan önce simülasyondan geçirilen bir çalışma planı

Müşteri verisi veya atfedilen ticari sonuçlar olmadan bir kullanım senaryosu.

İlk durum

Bir ekip metin halinde bir plan yazar — kimi, hangi sırayla, hangi kanal üzerinden arayacağını — ve iletişim listesini, yineleme sayısını ve gün cinsinden ufku seçer.

Nasıl çalışır

Motor, her bir kişiye ait geçmişten üretilen profiller üzerinde, Telegram platformu modelinde planı yüzlerce kez çalıştırır. Çalıştırma checkpoint içerir, bu yüzden kesintiye uğrarsa yeniden devam edilebilir.

Rezultatul

Başarı olasılığı ve güven aralığı, planın nerede takıldığı adımların listesi ve her takılmanın nedeni, ayrıca önerilen iletişim sırası. Bunların hepsi, sürümleri birbirleriyle karşılaştırmak için kullanılacak simülasyon çıktılarıdır.

Ce este necesar:Sursă de date proprie a organizației, cu scop și temei de prelucrare stabilite; Neo4j pornit și graful importat; cheie de model configurată. Nu există azi o instanță publică pe care să rulezi asta.

İş birliği olanakları

Cronberry, sizin kuruluşunuz bağlamında.

İç akışlar ve bilgi

Yetkilendirilmiş kaynakların bağlanması, bilginin düzenlenmesi ve işlemlerin ekip tarafından, rollere göre ayrı erişimle gözden geçirilmesi.

Özel şirketler

Gerçek bir süreç etrafında bir pilot tanımlıyoruz: kullanıcılar, veriler, entegrasyonlar, maliyetler ve kabul kriterleri. Sonucun değerlendirilmesinden sonra genişleme gelir.

Kamu kurumları ve şirketleri

Erişilebilirlik, barındırma, veri koruması ve birlikte çalışabilirlik gereksinimlerini belirliyoruz. AGE veya STISC hizmetleriyle herhangi bir bağlantı, uygunluk, erişim ve onayların doğrulanmasını gerektirir.

Bunlar uyarlama senaryolarıdır, mevcut sözleşmeler veya ortaklıklar hakkında beyanlar değildir. Önerilen işlevler projenin çalışma alanında doğrulanır.

Bir pilotu konuşalım

Bir ekosistemin parçası.

Coğrafi zekâ

FlowMind

FlowMind haritaları, açık kaynakları ve Copernicus ürünlerini bir analiz alanında düzenler.

Özelleştirilmiş uygulama

Yapay zekâ modelleri için API

LongDay

Ortak bir arayüz üzerinden yapay zekâ modellerine API erişimi.

Platformă

Organizarea muncii

Taskin

Taskin, konuşmaları ve proje bağlamını taahhütlere, önceliklere ve iş adımlarına dönüştürmeyi araştırır.

Geliştirme ve gösterimler

Neyin daha iyi çalışmasını isterdiniz?

Bize sürecinizi anlatın. Neyin kurulmaya değer olduğuna, neyi bağlayabileceğimize ve sonucu nasıl doğrulayacağımıza birlikte karar verelim.

Hadi konuşalım