KnowledgeGuard AI vznikl z jednoduché otázky: jak dát lidem rychlý přístup k interním znalostem, aniž by systém začal sebevědomě domýšlet odpovědi nebo obcházet oprávnění?

Běžný chatbot umí působit přesvědčivě. Ve firemním prostředí to ale nestačí. Odpověď musí být dohledatelná, aktuální a omezená přesně na dokumenty, ke kterým má konkrétní uživatel přístup. Proto jsem produkt postavil jako citation-first znalostní systém, ne jako univerzálního autonomního agenta.

Důkaz je součást odpovědi

Každé finální tvrzení vzniká z konkrétního úseku dokumentu a nese přesnou citaci. Pokud dostupné podklady nestačí, systém odpověď nevymyslí. Vrátí bezpečné odmítnutí nebo požádá o upřesnění.

Tohle rozhodnutí ovlivnilo celý produkt. Nestačilo přidat zdroje až do hotového textu. Citace, oprávnění a audit musely být součástí toku od prvního vyhledání až po uložení finální zprávy.

Největší produktovou funkcí KnowledgeGuard AI není to, že umí odpovědět. Je to schopnost spolehlivě poznat, kdy odpovědět nesmí.

Oprávnění ještě před vyhledáváním

PostgreSQL je autoritativní zdroj dokumentů, verzí, rolí, skupin i auditní stopy. Databázový dotaz nejprve sestaví množinu oprávněných částí dokumentů a teprve nad ní spustí fulltextové a vektorové pořadí.

Neoprávněný text se tak nedostane do kandidátů, kontextu modelu ani do pozdějšího logu odpovědi. Explicitní zákaz má přednost před povolením a výchozí stav je vždy deny.

Řízené RAG místo volného agenta

Workflow má omezenou sadu kroků. Umí běžný dotaz, historický dotaz, porovnání verzí, vyžádání upřesnění a odmítnutí nebezpečné instrukce. Dokumenty jsou vždy považované za nedůvěryhodná data — jejich případné instrukce se nevykonávají.

Hybridní retrieval kombinuje fulltext a 1536rozměrné vektory. Výsledky se slučují pomocí Reciprocal Rank Fusion, takže se nesčítají nesrovnatelná surová skóre. Každý retrieval run ukládá konfiguraci, kandidáty i vybrané důkazy pro pozdější kontrolu.

Produkt není jen chat

Součástí řešení je také bezpečný ingest PDF, DOCX, TXT a Markdown souborů, verzování dokumentů, explicitní publikování, administrační dashboard a řízená tvorba firemních dokumentů.

Next.js funguje jako backend-for-frontend a drží ověřovací token v HttpOnly cookie. FastAPI mapuje ověřenou identitu na aktuální role a skupiny v databázi. Finální odpověď se před uložením atomicky znovu autorizuje — změna oprávnění během zpracování potlačí odpověď i relevantní úryvky.

Co si z projektu odnáším

KnowledgeGuard AI pro mě potvrzuje, že bezpečnost a dobré UX nejsou protiklady. Když systém jasně vysvětlí, odkud odpověď pochází, jakou má jistotu a proč někdy odmítne pokračovat, působí ve výsledku důvěryhodněji a použitelněji.

Technická architektura je důležitá, ale skutečným produktem je pocit kontroly nad firemními znalostmi. Právě ten chci rozvíjet v dalších verzích.