Sjednocená datová vrstva. Každý připojený zdroj se stává součástí jednoho prohledávatelného, sémanticky propojeného korpusu — bez přesouvání dat.

Co to je

Knowledge base ve StellarBase není datové jezero ani sklad dokumentů. Je to sémantická vrstva, která sedí nad vašimi stávajícími systémy. Když připojíte Google Drive, StellarBase nekopíruje každý soubor do vlastního úložiště. Indexuje, parsuje, embedduje a propojuje — a dotazuje ty indexy, zatímco podkladové soubory zůstávají tam, kde jsou.

Struktura

Bases

Base je top-level kontejner. Má vlastní data, vlastní agenty, vlastní oprávnění a vlastní audit log. Typické vzorce:

• Advokátní kancelář má jeden Base na kauzu (izolace kvůli důvěrnosti)
• Nemocnice má jeden Base na oddělení (onkologie, kardiologie, vzácné nemoci)
• Výrobce má jeden Base na závod (procesní IP zůstává oddělené)
• Výzkumná laboratoř má jeden Base na projekt

Bases mohou sdílet všechno, nebo nic, podle vašeho modelu oprávnění. Viz Autentizace a RBAC.

Kolekce

Uvnitř Base kolekce seskupují související zdroje. Kolekce „Smlouvy” může zahrnovat VDR konektor, iManage složku a tři Zotero knihovny. Kolekce lze tagovat, prohledávat nezávisle a omezit na konkrétní agenty.

Dokumenty

Každý dokument je jedna ingest jednotka — PDF, e-mailové vlákno, export Slack kanálu, skupina řádků z databáze. Dokumenty nesou:

• Obsah — naparsovaný text, tabulky, obrázky, metadata
• Provenience — zdrojový systém, cesta, autor, timestamp, verze
• Embeddings — vektorové reprezentace pro sémantické vyhledávání
• Entity — osoby, organizace, lokality, částky, data (rozpoznané DSM)
• Klasifikace — štítky přiřazené automaticky nebo vaším vlastním klasifikátorem

Jak se data dostanou dovnitř

Tři mechanismy:

Konektory (kontinuální sync)

Hlavní cesta. Konektor nakonfigurujete jednou; synchronizuje kontinuálně. Když je soubor přidán, upraven nebo smazán ve zdrojovém systému, knowledge base to odráží do pár minut. Viz Datové zdroje pro plný seznam.

Upload (jednorázově)

Pro věci, které nežijí v připojeném systému. Přetáhněte složku PDF do UI, nebo je POSTněte do ingest API. Jednorázový ingest, žádný kontinuální sync.

Offline data packy (air-gapped)

Pro air-gapped nasazení StellarBase přijímá podepsané data packy — předpřipravené korpusy, které načtete jednou a refreshujete čtvrtletně (právní kodexy, regulace, mirrory vědecké literatury). Viz Air-gapped.

Jak se dokumenty zpracovávají

Každý ingestovaný dokument je naparsován, naembedován pro sémantické vyhledávání, prohledán na entity přes DSM a propojen do sjednoceného grafu — to vše automaticky při ingestu. Výstupem je jeden hybridní index kombinující vektorový, keyword a strukturovaný retrieval.

Pro typické použití pipelinu nekonfigurujete; pokročilí uživatelé mohou defaulty přepsat.

Deduplikace

Stejný dokument může přijít přes víc zdrojů — paper na PubMedu, ArXiv preprint, soubor ve vašem Zoteru, PDF na vašem Drive. StellarBase sloučí duplikáty do jednoho kanonického záznamu se zachovanými všemi verzemi. DOI, ORCID a další identifikátory se rozpoznají automaticky. Počty citací se agregují napříč verzemi.

Úložiště a náklady

Úložiště ve StellarBase je dané indexy (malý zlomek původní velikosti) plus cached preview. Podkladové dokumenty se neduplikují — stahují se ze zdrojového systému on-demand. To drží náklady na úložiště předvídatelné i u velkých korpusů.

Komponenta	Velikost vůči zdroji
Extrahovaný text + metadata	~ 5–10 %
Vektorové embeddings	~ 1–3 %
Entitní + grafové tabulky	< 1 %
Preview cache (náhledy, obrazy stránek)	~ 10–20 %

Oprávnění

Každý Base, kolekce a dokument respektuje vaši RBAC politiku. Agent nakonfigurovaný pro Base „Corporate finance” nevidí dokumenty v „Private banking” — i když žijí ve stejném Postgresu. Viz Autentizace a RBAC.

Související

• Datové zdroje — seznam konektorů
• Podporované formáty — co StellarOCR parsuje
• DSM — sémantický engine
• Vyhledávání — dotazování knowledge base