Jarvis · Beta · Persönlicher KI-Assistent
Jarvis Architektur
Systemarchitektur, Module, Datenhaltung und technische Zielstruktur.
Technikstack
Python
Runtime, Parser, Automatisierung, Desktop-Logik und Services.
PostgreSQL
Produktive Datenhaltung für Dokumente, Chunks, Status, Jobs und Memory.
pgvector
Zielkomponente für skalierbare Vektorsuche innerhalb der Datenbank.
Ollama
Lokale Modelle für private Verarbeitung und Offline-Experimente.
GPT und Gemini
Cloud-Provider für komplexe Analyse, Textarbeit und Assistenz.
Whisper und TTS
Spracheingabe und Sprachausgabe in deutscher Bedienung.
Zielarchitektur
1. Import
Dateien, E-Mails, Notizen und Connector-Daten werden kontrolliert übernommen.
2. Parsing
Parser extrahieren Text und Metadaten aus unterstützten Formaten.
3. Chunking
Dokumente werden in sinnvolle Abschnitte zerlegt.
4. Embedding
Chunks erhalten Vektoren über lokale oder Cloud-Provider.
5. Retrieval
Hybrid Search kombiniert Keyword-Suche, Vektorsuche und Ranking.
6. Antwort
Jarvis erzeugt Antworten mit Quellen, Kontext und Handlungsvorschlägen.
7. Aktion
Agenten führen nur freigegebene Tools aus und protokollieren Ergebnisse.
Architekturprinzipien
Die Architektur muss reproduzierbar installierbar, sicher betreibbar und testbar sein.
Stille Fallbacks dürfen keine Produktreife vortäuschen. Wenn ein Embedding-Provider offline ist, muss das Gate blockieren statt Erfolg zu melden.
Datenklassifikation, Privacy Mode, Secret Handling und Audit Logging gehören in den produktiven Kern.