8000 pipeshub-ai/docs/i18n/it at main · worthmining/pipeshub-ai · GitHub
[go: up one dir, main page]

Skip to content

Latest commit

 

History

History
 
 

it

Folders and files

NameName
Last commit message
Last commit date

parent directory

..
 
 
 
 
 
 
 
 

README.md

PipesHub

La piattaforma di IA per il lavoro, open source

Sito web · Documentazione · Discord · Roadmap

PipesHub on Trendshift

License Release Docker Pulls Discord Last commit Commits per month GitHub issues GitHub pull requests GitHub Repo stars
Twitter LinkedIn

Node.js SDK Python SDK Go SDK MCP

PipesHub — Spiegabile ed Estensibile

PipesHub è un livello di esecuzione nativo per l'IA, open source e auto-ospitabile, che collega la conoscenza aziendale, offre una ricerca spiegabile con citazioni e automatizza i flussi di lavoro nei tuoi sistemi.

Funzionalità

  • 📝 Risposte spiegabili: PipesHub fornisce risposte fondate con citazioni precise per blocchi ai documenti originali.
  • 🔒 Ricerca consapevole dei permessi: Applica controlli di accesso a livello di fonte, così gli utenti vedono solo ciò a cui sono autorizzati.
  • 🕸️ Recupero tramite grafo della conoscenza: Recupero basato su grafi che cattura le relazioni tra i dati aziendali.
  • 🔌 Connettori aziendali: Oltre 30 connettori con indicizzazione in tempo reale e pianificata, pronti all'uso.
  • 🔍 Ricerca unificata, ricerca approfondita e agenti: Ricerca, domande e risposte, ricerca approfondita, ricerca sul web e agenti IA su un unico livello di contesto.
  • 📊 Artefatti ed esecuzione di codice: Genera report, grafici e dashboard in una sandbox di esecuzione sicura.
  • 🎙️ Supporto multimodale: Comprensione di immagini, diagrammi e file scansionati, oltre all'interazione vocale.
  • 🤖 Agenti e azioni no-code: Crea agenti in modo visivo ed esegui azioni sugli strumenti aziendali.
  • 🧠 Porta il tuo modello, completamente auto-ospitabile: Qualsiasi provider di LLM, distribuito nella tua VPC — i dati non lasciano mai la tua infrastruttura.
  • 🛠️ Pensato per gli sviluppatori ed estensibile: API, SDK, strumenti MCP, connettori personalizzati e servizi scalabili in modo indipendente.

PipesHub in azione

Connettori

Connectors

Citazioni

Citations

Tutti i record

All Records

Ricerca della conoscenza

Knowledge Search

Connettori

PipesHub Connectors

Formati di file supportati

Formato Dettagli
PDF Inclusi i PDF scansionati
Docx / Doc Microsoft Word
XLSX / XLS Microsoft Excel
PPTX / PPT Microsoft PowerPoint
CSV Valori separati da virgola
Markdown File .md
HTML Pagine web
Text File di testo semplice
Google Docs, Sheets, Slides Formati di Google Workspace
Immagini PNG, JPG, ecc.
Audio File audio
Video File video

Stack tecnologico

Frontend

Tecnologia Descrizione
Next.js UI con App Router (React renderizzato lato client)
TypeScript Superset di JavaScript fortemente tipizzato
Radix UI Themes Primitive di componenti accessibili e stile
Zod Validazione e parsing degli schemi
React Hook Form Gestione flessibile dello stato dei form

Backend

Tecnologia Descrizione
FastAPI Framework web Python ad alte prestazioni
LangChain Framework per pipeline di LLM
Qdrant Motore di ricerca per similarità vettoriale
Neo4j / ArangoDB Database a grafo
Kafka / Redis Streams Piattaforma distribuita di streaming di eventi
Redis Caching
Redis / etcd3 Archivio di configurazione chiave-valore distribuito
Celery Sistema distribuito di code di attività
Docling Toolkit per l'analisi e l'estrazione di documenti
PyMuPDF Libreria per l'elaborazione di PDF
pandas Analisi e manipolazione dei dati

🚀 Guida al deployment

PipesHub (la piattaforma di IA per il lavoro) può essere eseguito localmente o distribuito sul cloud usando Docker Compose. Nota: Se distribuisci PipesHub su un server cloud, assicurati di usare un endpoint HTTPS. PipesHub applica controlli di sicurezza più rigorosi e i browser bloccheranno alcune richieste quando l'applicazione è servita via HTTP. Puoi usare un reverse proxy come Cloudflare, Nginx o Traefik per terminare SSL/TLS e fornire un certificato HTTPS valido. Se vedi una schermata bianca dopo aver distribuito PipesHub accedendovi via HTTP, questa è probabilmente la causa. Il frontend rifiuterà di caricarsi a causa dei controlli di sicurezza più rigorosi.


📦 Deployment in produzione

# Clone the repository
git clone https://github.com/pipeshub-ai/pipeshub-ai.git

# 📁 Navigate to the deployment folder
cd pipeshub-ai/deployment/docker-compose

# Set Environment Variables
> 👉 Set Environment Variables for secrets, passwords, and the public URLs of the **Frontend** and **Connector** services
> _(Required for webhook notifications and real-time updates)_
> Refer to env.template

# 🚀 Start the production deployment
docker compose -f docker-compose.prod.yml -p pipeshub-ai up -d

# 🛑 To stop the services
docker compose -f docker-compose.prod.yml -p pipeshub-ai down

📦 Build di deployment per sviluppatori

# Clone the repository
git clone https://github.com/pipeshub-ai/pipeshub-ai.git

# 📁 Navigate to the deployment folder
cd pipeshub-ai/deployment/docker-compose

# Set Optional Environment Variables
> 👉 Set Environment Variables for secrets, passwords, and the public URLs of the **Frontend** and **Connector** services
> _(Required for webhook notifications and real-time updates)_
> Refer to env.template

# 🚀 Start the local build deployment
docker compose -f docker-compose.build.neo4j.yml -p pipeshub-ai up --build -d

# 🛑 To stop the services
docker compose -f docker-compose.build.neo4j.yml -p pipeshub-ai down

Il Dockerfile principale recupera layer precompilati da pipeshubai/pipeshub-ai-base:python-deps e pipeshubai/pipeshub-ai-base:runtime (consulta Dockerfile.base nella radice del repository per i comandi di build/push). Per usare invece tag locali, imposta PYTHON_DEPS_IMAGE e RUNTIME_BASE_IMAGE nell'ambiente o negli argomenti di build di compose.

Server MCP

Usa PipesHub con qualsiasi client compatibile con MCP per portare il contesto della tua azienda nei flussi di lavoro di IA. Consulta il README per la configurazione e l'uso.

Repository: pipeshub-ai/mcp-server

SDK

PipesHub fornisce SDK per sviluppatori in Python, TypeScript e Go per aiutarti a integrare rapidamente. Consulta il README del rispettivo repository SDK per i dettagli di configurazione e utilizzo.

Nome Descrizione Link
Python SDK SDK Python per PipesHub pipeshub-ai/pipeshub-sdk-python
TypeScript SDK SDK TypeScript per PipesHub pipeshub-ai/pipeshub-sdk-typescript
Go SDK SDK Go per PipesHub pipeshub-ai/pipeshub-sdk-go

Ti serve un SDK in un altro linguaggio? Scrivici a developer@pipeshub.com

Roadmap

Sviluppiamo in modo aperto. Ecco cosa è stato fatto e cosa arriverà:

  • ✅ 🤖 Agenti IA per il lavoro: costruttore di agenti no-code di prima classe
  • ✅ 🔗 Supporto a MCP (Model Context Protocol), sia server che client
  • ✅ 🧰 SDK per sviluppatori
  • ✅ 🔍 Ricerca di codice su GitHub, GitLab e Bitbucket
  • ⬜ 👤 Ricerca personalizzata in base a team, ruolo e cronologia
  • ✅ ☸️ Deployment Kubernetes in produzione con impostazioni di alta disponibilità predefinite
  • ⬜ 📈 Rilevanza potenziata da PageRank sull'intero grafo della conoscenza

👉 Consulta la roadmap completa del prodotto su Notion


👥 Contribuire

Vuoi unirti alla nostra comunità di sviluppatori? Consulta la nostra Guida ai contributi per maggiori dettagli su come configurare l'ambiente di sviluppo, i nostri standard di codice e il flusso di lavoro dei contributi.

Dove andare per cosa

Fare una domanda o ricevere aiutoDiscord
Segnalare un bug o richiedere una funzionalitàGitHub Issues
Segnalare un problema di sicurezzaSegnala un problema di sicurezza
Leggere la documentazioneDocumentazione Pipeshub

Domande frequenti

Che cos'è PipesHub?

PipesHub è un livello di esecuzione nativo per l'IA, open source e auto-ospitabile, che collega la conoscenza aziendale, offre una ricerca spiegabile con citazioni e automatizza i flussi di lavoro nei tuoi sistemi. Fornisce un livello di contesto unificato per ricerca, domande e risposte, ricerca approfondita, ricerca sul web e agenti IA.

In cosa si differenzia PipesHub dagli altri strumenti di IA per il lavoro?

PipesHub è completamente open source (Apache 2.0) e auto-ospitabile — i tuoi dati non lasciano mai la tua infrastruttura. Offre una ricerca consapevole dei permessi che applica controlli di accesso a livello di fonte e fornisce risposte spiegabili con citazioni precise per blocchi ai documenti originali.

Quali connettori supporta PipesHub?

PipesHub dispone di oltre 30 connettori aziendali con indicizzazione in tempo reale e pianificata. Supporta formati di file come PDF, Docx, XLSX, PPTX, CSV, Markdown, HTML, Google Docs/Sheets/Slides, immagini, audio e video.

Come si distribuisce PipesHub?

# Clone the repository
git clone https://github.com/pipeshub-ai/pipeshub-ai.git
cd pipeshub-ai/deployment/docker-compose

# Set Environment Variables (refer to env.template)
# Start production deployment
docker compose -f docker-compose.prod.yml -p pipeshub-ai up -d

Nota: Usa HTTPS per i deployment sul cloud. L'HTTP può causare blocchi di sicurezza nel frontend.

Quali provider di LLM supporta PipesHub?

PipesHub adotta il principio "Porta il tuo modello" — puoi usare qualsiasi provider di LLM. Distribuisci nella tua VPC con i modelli che preferisci. Lo stack tecnologico include LangChain per le pipeline e i flussi di lavoro di LLM.

Che cos'è la funzionalità di recupero tramite grafo della conoscenza?

PipesHub usa un recupero basato su grafi che cattura le relazioni tra i dati aziendali. Utilizza Neo4j o ArangoDB come database a grafo, combinati con Qdrant per la ricerca per similarità vettoriale.

PipesHub ha un server MCP?

Sì. PipesHub fornisce un server MCP per l'integrazione con qualsiasi client compatibile con MCP. Repository: pipeshub-ai/mcp-server.

Quali SDK sono disponibili?

PipesHub fornisce SDK per:

Posso creare agenti IA senza programmare?

Sì. PipesHub ha un costruttore di agenti no-code. Puoi creare agenti in modo visivo ed eseguire azioni sugli strumenti aziendali senza scrivere codice.

Che cos'è il supporto multimodale?

PipesHub supporta la comprensione di immagini, diagrammi e file scansionati, oltre all'interazione vocale. Usa Docling e PyMuPDF per l'analisi dei documenti e Azure Document Intelligence o un LLM multimodale (VLM) per l'OCR dei PDF scansionati.

Come risolvo i problemi di deployment?

  1. Assicurati che HTTPS sia configurato per i deployment sul cloud
  2. Controlla i log di Docker compose: docker compose logs
  3. Verifica le variabili d'ambiente in env.template
  4. Consulta docs.pipeshub.com per guide dettagliate

Dove posso ottenere aiuto?


⭐ Mettici una stella su GitHub!

Aiuta il progetto a raggiungere i team che ne hanno bisogno.

Star PipesHub

Star History

Creato con ❤️ dal team di PipesHub e dai contributori di tutto il mondo.

0