Обзор Staffcop Semantic

Staffcop Semantic — компонент Staffcop Enterprise для интеллектуального анализа событий с помощью нейросетей. Система ищет подозрительные, аномальные и тематические сообщения в почте и мессенджерах. Кроме переписки, Staffcop может передать на анализ языковой модели передать любое событие, у которого заполнено текстовое поле. Результаты можно просматривать в событиях Staffcop и чате Semantic.

Как это работает

Staffcop передает тексты событий на анализ языковой модели. Анализ начинается, когда вы активировали LLM в конфигурационном файле и включили политики LLM.

  1. Staffcop отправляет текст события в LLM-прокси. Это промежуточный сервис между Staffcop и моделью.

  2. LLM-прокси проверяет ключ доступа и передает текст модели на LLM-сервере.

  3. Staffcop забирает метаданные через LLM-прокси и записывает их в дополнительные поля события.

  4. Метаданные отображаются в полях событий Staffcop.

  5. События можно искать в чате Semantic. Это отдельный веб-интерфейс, который подключается к Staffcop. Чат передает запрос пользователя на LLM-сервер, где модель преобразует его в фильтр для событий. Чат отправляет фильтр в API Staffcop, а затем отображает список отфильтрованных событий.

┌──────────────────────────┐             ┌──────────────────────────┐                 ┌──────────────────────────┐
│ Staffcop Enterprise      │             │ LLM-прокси               │                 │ LLM-сервер               │
│ • LLM_ENABLE = True      │ данные      │ • проверка ключа         │ промпт          │ • прием промпта          │
│   в конфигурации         │────────────►│ • ограничение запросов   │────────────────►│ • извлечение метаданных  │
│ • политики LLM           │ метаданные  │ • формирование промпта   │ метаданные      │   с помощью модели       │
│ • хранение метаданных    │◄─────────── │ • временное хранение     |                 |                          |
│  в полях LLM в событиях  │             │   метаданных             |◄────────────────│                          │
└──────────────────────────┘             └──────────────────────────┘                 └──────────────────────────┘
            │   ▲                                                                               │   ▲
            │   │                                                                               │   │
            │   │                        ┌──────────────────────────┐                           │   │
            │   │  фильтр                │ Чат Semantic             │    фильтр                 │   │
            │   └────────────────────────│ • запрос пользователя    │◄──────────────────────────┘   │
            └───────────────────────────►│ • ответ сервера Staffcop │───────────────────────────────┘
                   события               └──────────────────────────┘    запрос

Компоненты:

Компонент

Назначение

Staffcop Enterprise

Источник событий и хранилище метаданных

LLM-прокси

Промежуточный сервис между Staffcop и LLM-сервером

LLM-сервер

Сервер для запуска языковой модели
В базовой поставке работает модель Qwen3:14B под управлением Ollama
— программы для локального запуска языковых моделей
Можно развернуть другую модель

Чат Semantic

Отдельный веб-интерфейс для поиска событий

Подготовка метаданных

После включения LLM-политик Staffcop отправляет данные на LLM-сервер. Языковая модель на сервере с помощью промпта анализирует сообщения и выделяет метаданные.

Метаданные — это данные о сообщении, которые выделяет модель: о чем оно, какой у него тон, что хочет автор. Каждый тип метаданных выделяет отдельная политика LLM. В поставку Staffcop входят четыре политики: Ключевые темы, Тональность, Паттерны поведения, Коммуникативные намерения.

Вы можете создать свою политику, если базового набора не хватает — например, для выявления отраслевых рисков.

Пример разметки. Фраза «Договор согласован, ждем подписания» получит:

  • ключевую тему: «договор»;

  • тональность: «нейтральная»;

  • коммуникативное намерение: «информирование».

Просмотр результатов

Результаты анализа можно просматривать двумя способами: в событиях Staffcop или в чате Semantic.

  • События — метаданные отображаются в дополнительных полях событий в Staffcop. Набор полей зависит от того, какие политики LLM включены.

  • Чат — веб-интерфейс для поиска сообщений и событий по результатам анализа.

В текущей версии чат поддерживает структурированные запросы для поиска сообщений по метаданным. Кроме этого, вы можете использовать запросы на естественном языке для поиска и анализа всех событий Staffcop.

Порядок внедрения

Чтобы начать работу, выполните следующие шаги:

  1. Разверните LLM-сервер на отдельной машине.

  2. Подключите Staffcop Enterprise к LLM-прокси.

  3. Включите политики LLM.

  4. Дождитесь обработки сообщений.

  5. Просматривайте результаты в полях LLM в событиях и в чате.

См.также

Последнее обновление: 12.11.26