Технологический стек и архитектура
Эта страница нужна тем, кто оценивает платформу на техническом уровне: архитектура системы ориентирована на микросервисы, что позволяет разрабатывать, тестировать, развертывать и масштабировать каждую составляющую независимо. Каждый микросервис развернут в контейнере Docker и оркестрирован с помощью Kubernetes. Frontend разработан на React, а бэкенд - на Python.
Система строится на базе open-source языковых моделей Llama, Qwen и T-lite, а также поддерживает подключение к проприетарным моделям GigaChat, YandexGPT и другим.
Общая архитектура платформы
Микросервисная инфраструктура
Интеграция компонентов
WikiFlow - платформа
для сложных AI-сценариев и автоматизации
WikiFlow объединяет AI-сценарии, интеграции и автоматизацию в одном контуре. Для команд, которым уже тесно в классических automation-конструкторах вроде n8n, это удобный способ запускать чат- и multi-channel-сценарии без дублирования логики по разным каналам.
Параллельная работа ветвей
WikiFlow удобен для сложных AI-сценариев, где несколько ветвей flow выполняются одновременно и сходятся в единый результат без ручных обходов архитектуры.
Сценарии вокруг AI, а не только интеграций
Платформа спроектирована для диалогов, логики ассистента, инструментов и автоматизаций, а не только для маршрутизации событий между сервисами.
Встроенные LLM-интеграции
Подключение основных поставщиков LLM предусмотрено на уровне платформы, поэтому команде не нужно каждый раз собирать обвязку вручную.
Мессенджеры и MAX
Помимо Telegram и веб-каналов, WikiFlow учитывает сценарии работы в MAX и других мессенджерах, где важны контекст диалога и поведение пользователя.
Логика для диалоговых сценариев
Переходы между шагами, события, пользовательский контекст и действия ассистента удобно собирать в одной схеме.
Веб-виджеты и webapp
Можно запускать сценарии не только в чате, но и в веб-интерфейсах с общим API и общей логикой.
Когда WikiFlow удобнее, чем n8n
Если сценарий завязан на диалог, несколько каналов и поведение AI-ассистента, WikiFlow часто дает более понятную архитектуру, чем универсальный automation-пайплайн.
Контроль на уровне платформы
Управляйте интеграциями, сценариями, поставщиками LLM и масштабированием в единой AI-платформе.
Отзывы
Барченков Иван
Генеральный директор SearchBooster
До внедрения WikiConnect менеджеры тратили по 2 часа в день на копипаст ответов в Telegram и WhatsApp. Лиды терялись. Сейчас первая линия автоматизирована на 60%, время ответа сократилось до 1 минуты, а конверсия в демо выросла на 15%.
Догузов Алан
Директор по аккаунтингу Media Nation
С WikiConnect мы перестали раздувать штат поддержки. ИИ берет на себя 80% типовых вопросов и зовет оператора только в сложных случаях. Это сэкономило нам существенный бюджет на ФОТ, а клиенты получают ответы мгновенно даже ночью.
Смотрите также
Выберите смежное решение Wikilect, чтобы сравнить сценарии внедрения и подобрать подходящий формат AI-автоматизации.
Готовы начать?
Покажем подходящий сценарий внедрения, подберем продуктовый контур и предложим реалистичный план запуска под вашу задачу.