vector

Vector — это панель исследований, которая автоматически собирает передовые зарубежные технологические новости, переводит и резюмирует их на японский язык с помощью ИИ, а затем позволяет ознакомиться с ключевыми моментами, предысторией и трендами, необходимыми для принятия инвестиционных решений. Цель проекта — снизить нагрузку от постоянного отслеживания англоязычных статей и дать возможность понимать, «что произошло на этой неделе» в таких областях, как ИИ, полупроводники и космос. Основные функции включают автоматический сбор технологических новостей, перевод, резюмирование и структурирование предыстории с помощью ИИ, списки статей по категориям с фильтрацией, рекомендации связанных статей, еженедельные LLM-брифинги, а также агрегацию ключевых и быстро набирающих популярность слов. Кроме того, предусмотрена функция ИИ-агента, который проводит исследование по статьям, накопленным внутри системы, и статьям, полученным из внешних источников, и генерирует ответы на вопросы. Технологический стек: на фронтенде — Next.js 16 (App Router/BFF), React 19, TypeScript, Tailwind CSS v4, shadcn/ui, для аутентификации — Better Auth; на бэкенде — Python 3.13, FastAPI, Pydantic/SQLModel, Alembic. Обработка статей построена на событийно-ориентированной архитектуре с использованием EventBridge Scheduler, AWS Lambda, Amazon SQS и Transactional Outbox, а данные хранятся в Amazon RDS for PostgreSQL и pgvector (поиск по 768-мерным векторам), а также в ElastiCache Valkey. Для ИИ используются Gemini (перевод, резюмирование, планирование исследований, генерация ответов, Embedding) и DeepSeek (анализ важности и инвестиционного контекста, генерация поисковых запросов, проверка обоснованности), а для внешнего поиска — Amazon Bedrock AgentCore Gateway. Производственная среда работает в AWS (ap-northeast-1), где ALB является единственной публичной точкой входа, а frontend, API и worker выполняются на ECS Fargate. Инфраструктура управляется через Terraform, а разделение сетевых границ на публичную точку входа, внутренний API, обработку внешнего HTML и права доступа к БД позволяет уменьшить зону влияния обработки внешних входных данных. Локально систему можно запустить через Docker Compose, для чего требуется настроить API-ключи Gemini/DeepSeek и различные secret. Следует отметить, что в настоящее время данному репозиторию не присвоена лицензия с открытым исходным кодом, и для повторного использования, изменения или распространения кода требуется предварительное разрешение.