Jarvis Architektur

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.