La piattaforma
Ogni applicazione svolge una parte del lavoro — e passa le sue evidenze alla successiva. Usale insieme, o una alla volta.
Panoramica della piattaformaScopri come funziona il cicloOrchestrazione
DjiniousEngineeringOrchestrazioneProgettazione e dimostrazione
DjiniousLabModellazione e simulazione
DjiniousWorkshopIntegrazione di sistema
DjiniousSafeCodice certificabileOperatività
DjiniousCCOperatività e SCADADjiniousEngineeringOrchestrazioneDjiniousLabModellazione e simulazioneDjiniousWorkshopIntegrazione di sistemaDjiniousSafeCodice certificabile
DjiniousWorldRepliche 3D
DjiniousMapGIS ad agentiDjiniousCCOperatività e SCADA
DjiniousDataBase di conoscenza
DjiniousWorkflowAutomazione ad agenti
DjiniousDataBase di conoscenzaDjiniousData ingerisce i file, i connettori e gli stream che già hai, li modella come il tuo dominio anziché il nostro, e mantiene ogni tile della dashboard, allarme e risposta IA collegati ai record da cui sono stati calcolati. Clicca su un finding e atterri sull’evidenza.
DjiniousData
Cos’è
La maggior parte degli stack dati sono quattro prodotti cuciti insieme: qualcosa che carica, qualcosa che modella, qualcosa che disegna grafici, e qualcosa che infine lascia avvicinare un’IA. Ognuno mantiene la propria copia di chi può vedere cosa, e la discendenza muore a ogni cucitura. DjiniousData è un unico piano di controllo API-first, e ogni capacità esiste come endpoint prima ancora di esistere come schermata.
CSV, Excel, PDF, DOCX, JSON e Markdown dal document store; sistemi esterni tramite plugin connettori; video e telecamere live tramite la pipeline di visione. Tutto approda come oggetto di conoscenza che porta con sé la propria provenienza, e un oggetto la cui provenienza non si convalida viene rifiutato anziché memorizzato.
file · connettori · plugin · streamI tipi di entità e di relazione sono definiti tramite la UI o l’API e memorizzati nel database — non dichiarati in un file di schema e rilasciati con una release. Un’organizzazione può stratificare i propri campi, etichette e flusso di stato sopra un tipo base condiviso senza doverlo forkare.
tipi di entità · tipi di relazione · overlay per organizzazioneEntità, parole chiave, argomenti, sentiment e lingua vengono estratti da un enricher offline deterministico che non richiede né modello né rete. Un LLM migliora il risultato quando ne è configurato uno; non è mai ciò che si frappone tra i tuoi dati e la loro utilizzabilità.
deterministico, con l’LLM come acceleratoreI record che descrivono la stessa cosa vengono raggruppati tramite blocking e scoring a coppie. Sopra 0,85 la piattaforma unisce; tra 0,7 e 0,85 tiene la coppia come candidata per una persona, e registra la decisione dell’analista così l’esecuzione successiva la rispetta.
identificatore 1,0 · nome esatto 0,85 · fuzzy 0,7Le entità risolte vengono correlate in un grafo navigabile i cui archi portano con sé gli oggetti da cui sono stati derivati. L’attraversamento ha un ambito ACL prima di restituire un vicino, così il grafo non può diventare la via per aggirare i permessi.
archi con evidenza, non solo frecceI widget interrogano direttamente gli oggetti sottostanti, così un tile è sempre aggiornato e sempre tracciabile. Le regole di allarme osservano un aggregato di un campo per gruppo e scattano su una soglia. I report citano le righe dietro ogni sezione.
aggregati sui record, calcolati in letturaDentro al prodotto
Ogni schermata qui sotto è il prodotto in esecuzione.
01 · Ingerisci
Punta la piattaforma su una cartella di documenti, un connettore o una telecamera. Ogni riga, pagina o esecuzione diventa un oggetto di conoscenza: analizzato, normalizzato, deduplicato su un hash del contenuto, mappato nei permessi, arricchito, sottoposto a embedding e persistito — con il sistema sorgente, l’id dell’oggetto sorgente e il momento di ingestione registrati lungo il percorso.
DjiniousData
02 · Modella
Descrivi il tuo dominio come tipi di entità e tipi di relazione — campi, etichette, icone, un flusso di stato — e la piattaforma costruisce intorno ad essi il CRUD, le viste elenco, le pagine di dettaglio, le sfaccettature di ricerca e gli strumenti per gli agenti. Nessuna migrazione, nessun deploy, nessun codice.
DjiniousData
03 · Risolvi
Raggruppa i record che descrivono la stessa cosa reale, correla i gruppi in un grafo, e mantieni l’evidenza sull’arco. Ogni entità è anche correlata all’organizzazione che la possiede, come relazione derivata che la piattaforma sintetizza anziché un arco memorizzato che devi ricordarti di scrivere.
DjiniousData
04 · Segnali
L’analisi produce segnali — anomalie, pattern, segnali deboli — ciascuno con un soggetto, un metodo, una confidenza e riferimenti agli oggetti di conoscenza da cui è stato calcolato. La gravità è derivata dalla confidenza anziché assegnata, così due finding con la stessa confidenza non possono essere classificati diversamente da chi li ha scritti.
DjiniousData
05 · Dal finding all’azione
Un allarme senza un caso è una notifica che qualcuno prima o poi smette di leggere. Il percorso della piattaforma va nella direzione opposta: la regola scatta, il segnale spiega cosa è stato misurato e cosa implica, il caso raccoglie l’evidenza e assegna un responsabile, e il report è ciò che esce dall’edificio.
DjiniousData
06 · Report
Report strutturati le cui sezioni sono tipizzate — narrativa, entità, segnali — e le cui citazioni puntano a record anziché ad altra prosa. Un report viene generato dallo stato della piattaforma, e può essere generato da un caso, mantenendo il collegamento ad esso. L’esportazione PDF ed Excel legge gli stessi record che sta leggendo la schermata.
DjiniousData
IA e agenti
L’assistente non è un wrapper che legge la tua schermata. Chiama la stessa API REST che chiami tu, come il principal che sei, nell’organizzazione in cui sei — così non c’è un secondo modello di permessi da mantenere allineato al primo, e nulla che possa raggiungere che tu non potresti.
Gli strumenti di lettura girano liberamente; gli strumenti che creano, aggiornano, eliminano o correlano qualcosa si fermano e mostrano una scheda approva/respingi nella conversazione. Vedi la chiamata esatta e i suoi argomenti prima che avvenga.
Gli strumenti sono controllati lato server in base al ruolo del chiamante. All’assistente di un viewer non viene detto di comportarsi bene; gli viene consegnato un catalogo più piccolo. Non c’è alcuna istruzione da aggirare con un jailbreak, perché gli strumenti di scrittura non erano nella conversazione fin dall’inizio.
Quando l’assistente riferisce sullo stato di salute del sistema, un’esecuzione di visione o un insieme di entità, renderizza lo stesso componente React che il resto dell’app usa per quel dato. Stai guardando la vista della piattaforma sul record, non la parafrasi che ne fa il modello.
L’agente può mettere in pausa un’attività a metà per un testo libero, una scelta o una password. Una risposta sensibile viene custodita lato server e raggiunge il modello solo come riferimento — così una credenziale può essere usata da uno strumento senza mai entrare nella trascrizione.
Gli agenti esterni all’app raggiungono la piattaforma attraverso un server Model Context Protocol che inserisce il principal della chiave API negli stessi handler chiamati dalle route HTTP. Gli ambiti per token — read, write, admin, ai — sono delimitati dal ruolo del proprietario stesso, e viene memorizzato solo l’hash SHA-256 di un token.
Puntato su ciò che è stato ingerito, l’agente inferisce i tipi di entità, i loro campi e le relazioni tra essi, e scrive il risultato come record di proposta. Accettarne una crea i tipi attraverso la stessa API che userebbe una persona; niente cambia sulla sola autorità di un modello.
DjiniousData
Funzionalità
DjiniousData è un unico processo Bun — HTTP, WebSocket e job in background — sopra SurrealDB per record, grafo, vettori e testo integrale, e TimescaleDB per le serie temporali, con un client React sopra il tutto.
Carica in cartelle persistenti, seleziona ciò che vuoi, e ingerisci. CSV, XLS/XLSX, PDF, DOCX, JSON, Markdown e testo semplice vengono analizzati in-process — PDF e DOCX senza un binario esterno — e ogni riga tabellare diventa un proprio oggetto di conoscenza.
I sistemi esterni arrivano attraverso istanze di connettore, ciascuna delle quali marca il proprio nome sorgente così una dashboard può filtrare esattamente su un feed. I connettori portano un intervallo di sincronizzazione, e un job schedulato ricorrente sincronizza quelli il cui intervallo è trascorso.
Sette fasi, in ordine: parse, normalize, deduplicate, permission-map, enrich, embed, persist. Ognuna è una funzione pura dell’envelope che le viene passato, ed è per questo che la stessa catena gira per un caricamento file, una sincronizzazione connettore e un precaricamento fixture.
Ogni oggetto registra il proprio sistema sorgente, il proprio id dell’oggetto sorgente, il proprio URI originale, il proprio momento di ingestione e la propria versione di pipeline. Un oggetto che fallisce la convalida della provenienza solleva un errore terminale invece di essere memorizzato — e fallisce anche un oggetto derivato senza riferimenti al genitore.
Un indice univoco su (sorgente, id esterno) più un hash del contenuto. Reingerire una riga invariata tocca solo il suo momento di aggiornamento e nient’altro; una riga cambiata viene aggiornata sul posto. Due writer in competizione per la stessa chiave convergono su un unico record anziché due.
Le colonne numeriche vengono scritte anche in una tabella di metriche TimescaleDB sullo stesso caricamento, così una regola di soglia e un grafico di tendenza leggono la stessa ingestione anziché una seconda copia che rischia di disallinearsi.
I tipi di entità e di relazione sono righe, create tramite la UI o l’API. Campi, etichette, plurali, icone e un flusso di stato sono tutti dato. Non c’è codice generato né migrazione tra la definizione di un tipo e il suo utilizzo.
Tutte le letture e scritture di entità passano attraverso un unico insieme di endpoint sotto /api/entities, guidato dalla definizione del tipo. Un nuovo tipo ottiene la propria vista elenco, pagina di dettaglio, sfaccettature di ricerca e strumenti per gli agenti senza che venga scritta una sola riga per esso.
Un overlay indicizzato da (tipo, organizzazione) stratifica campi, etichette e stati di flusso aggiuntivi sopra un tipo base condiviso, risolto per l’organizzazione del chiamante. L’estensione di un tenant non diventa lo schema di ogni tenant.
Ogni entità porta con sé una relazione derivata verso l’organizzazione che la possiede. Viene sintetizzata dal campo di proprietà anziché memorizzata come arco, così non può disallinearsi dal record, ed è di sola lettura nell’esploratore del grafo.
L’assistente può leggere ciò che è stato ingerito e proporne un’ontologia — tipi, campi, relazioni. La proposta è un record che rivedi e accetti o respingi; non viene mai applicata sulla sola autorità del modello.
Un identificatore condiviso ottiene un punteggio di 1,0, un nome normalizzato esatto 0,85, un nome fuzzy 0,7. I matcher sono funzioni pure senza alcun modello dietro, così gli stessi due record ottengono lo stesso punteggio oggi e nel prossimo trimestre.
Blocking, scoring a coppie, poi union-find. Le coppie pari o sopra 0,85 vengono unite automaticamente; una fuzzy a 0,7 resta candidata. Quel divario è deliberato — è lì che serve una persona.
Quando un analista conferma o respinge una candidata la decisione viene memorizzata, e l’esecuzione di risoluzione successiva la rispetta. Rieseguire la pipeline non rimette in discussione un giudizio che qualcuno ha già espresso.
Gli archi materializzati del grafo mantengono i riferimenti agli oggetti da cui sono stati derivati, così un arco risponde a “perché pensi che siano collegati” con righe anziché con una confidenza.
Le ricerche dei vicini filtrano in base ai permessi del chiamante prima di restituire, non dopo. Un grafo che filtrasse in seguito ti avrebbe comunque detto che il nodo esisteva.
I widget di metrica, ripartizione, tendenza e mappa interrogano direttamente gli oggetti di conoscenza, con una sfaccettatura, un filtro, un campo metrica e un’aggregazione. Non c’è alcuna tabella di dashboard materializzata da aggiornare, e quindi nessuna che possa risultare obsoleta.
L’ultima posizione per gruppo, tracciata sullo stesso componente mappa usato dal resto dell’app. Viene alimentato dall’ingestione ordinaria, così una flotta appare su una dashboard perché la sua telemetria è stata caricata, non perché è stata acquistata una funzione di mappatura.
Una regola osserva un massimo, minimo, media o conteggio di un campo in whitelist su una sorgente, raggruppato — per locomotiva, per sito, per dispositivo — e scatta quando supera una soglia. Le regole hanno un ambito legato al proprietario e valutano rispetto a ciò che quel proprietario può vedere.
Una dashboard è un record con nome, con ambito legato a un’organizzazione e a uno spazio di lavoro. Pubblicarne una è il modo in cui un team ottiene la stessa vista, invece che ognuno la ricostruisca dallo stesso catalogo di widget.
Gli stream di cambiamento dal database si propagano attraverso un hub WebSocket, così una pagina riflette una scrittura da un’altra sessione senza un ciclo di poll sotto di essa.
Una pipeline di rilevamento oggetti gira su un documento memorizzato, un URL pubblico o uno stream live, e i suoi risultati si materializzano in tre modi: metriche per grafici e allarmi, un oggetto di conoscenza per la ricerca, e opzionalmente un’entità per ogni oggetto tracciato.
Un tracker collassa centinaia di riquadri di un camion parcheggiato in un’unica traccia, perché il numero che appartiene a una dashboard è “un camion”, non “novecento rilevamenti”.
Il tracking presuppone che i fotogrammi campionati consecutivi si sovrappongano. Su un filmato 1080p60 di un singolo lavoratore che cammina, uno stride di 30 ha riportato 13 persone distinte e uno stride di 5 ne ha riportate 2. I conteggi di rilevamento non ne risentono; solo il conteggio degli oggetti unici degrada. Mantieni l’intervallo campionato sotto ~0,2 s quando quel numero conta.
Le telecamere sono per natura su rete privata, così una sorgente stream viene rifiutata a meno che il suo prefisso non sia nell’allow-list dell’operatore. Gli URL pubblici vengono verificati con la stessa protezione che la piattaforma usa per i webhook.
Il worker invia i rilevamenti in modo incrementale, ed è ciò che rende osservabile una telecamera live e ciò che preserva il lavoro quando un’esecuzione lunga muore a metà.
L’analisi produce segnali — anomalie, pattern, segnali deboli — ciascuno con un soggetto, un metodo, una confidenza e riferimenti agli oggetti che ci sono dietro. La gravità è derivata dalla confidenza anziché scelta.
Un caso raccoglie segnali, note ed elementi di evidenza in un unico filo con un responsabile e una priorità, così un finding diventa lavoro anziché una scheda che scorre via.
Report strutturati con sezioni tipizzate e citazioni verso gli oggetti sorgente. Un report viene generato dallo stato stesso della piattaforma, così una cifra in un report e il tile da cui proviene non possono essere in disaccordo.
Script con schedulazioni e webhook, versionati, con log di esecuzione. Chiamano la stessa API della piattaforma, il che significa che un’automazione è soggetta agli stessi permessi della persona che l’ha scritta.
Esportazione PDF ed Excel dagli stessi record che la schermata sta leggendo, più una superficie REST documentata per tutto il resto. L’API non è un sottoinsieme della UI; la UI è un consumatore dell’API.
Utenti, credenziali, sessioni, organizzazioni, spazi di lavoro e appartenenze; l’ontologia e i suoi overlay; oggetti di conoscenza con i loro embedding e indice full-text; entità risolte e archi del grafo; dashboard, regole di allarme, segnali, indagini e report; il log di audit e la coda dei job.
L’hypertable delle metriche — le serie numeriche estratte dalle righe ingerite e inviate dal worker di visione, dove una query a bucket temporali su milioni di punti è l’intero compito.
Un unico store per i record significa che il grafo, la ricerca vettoriale e la ricerca full-text vedono tutti le stesse righe con gli stessi permessi, senza alcuna sincronizzazione tra loro. Le serie temporali sono l’unico carico di lavoro che vuole davvero un motore diverso, così ne ottiene uno — e nient’altro lo fa.
Due connessioni, due modalità di guasto, e metriche che possono essere in ritardo rispetto ai record da cui sono state derivate. L’ingestione scrive entrambe nello stesso passaggio così la finestra è piccola, ma non è zero e non è nascosta.
Fiducia
Il multi-tenancy è di solito un problema di revisione: ogni nuova query è a un filtro dimenticato di distanza da una perdita di dati, e la difesa è che qualcuno se ne sarebbe accorto. DjiniousData restringe il confine in un unico punto per famiglia di record, lo applica negli handler condivisi da ogni route, e registra cosa è successo, che qualcuno stia osservando o no.
Le famiglie di record che appartengono a un cliente — oggetti di conoscenza, entità risolte, documenti, dashboard, regole di allarme, segnali, casi, report — sono enumerate in un unico modulo. Aggiungere una tabella che dovrebbe avere un ambito è una modifica di una riga lì, invece di un audit di ogni handler che potrebbe toccarla.
WORKSPACED_TABLESUn chiamante può chiedere di vedere meno. Nominare un’organizzazione diversa dalla propria non amplia il risultato: un utente tenant è vincolato lato server alla propria organizzazione indipendentemente da ciò che passa.
?organization=Un admin senza organizzazione è un super-user cross-tenant; un admin con un’organizzazione ha il suo ambito limitato ad essa. Un admin di organizzazione non può generare un admin globale, spostare un utente tra organizzazioni, o modificare l’ontologia base condivisa.
isGlobalAdmin · isOrgAdminIl server MCP inserisce il principal della chiave API negli stessi handler usati dalle route REST. Non esiste un percorso a forma di agente che aggiri i controlli, e la portata di un token è delimitata dal ruolo dell’utente che lo ha generato.
MCP dispatchOgni mutazione viene registrata nel momento in cui avviene — chi, quale azione, quale record, e da dove — dal middleware attraverso cui passa ogni route. Le modifiche a entità, ontologia, connettori, token e regole di allarme approdano tutte nello stesso log, e un job di retention spazza via periodicamente gli eventi scaduti e le sessioni morte.
auditCredenziali Argon2id, verificate rispetto a un database di identità condiviso così un unico account funziona su ogni applicazione Djinious, e sessioni come JWT firmato con HMAC-SHA256. I ruoli sono admin, user e viewer; i controlli lato server vivono accanto agli handler, e la UI li rispecchia ma non è mai lei ad applicarli.
Argon2id · JWTI record e le serie temporali vivono in due store, così una query sulle metriche può essere momentaneamente in ritardo rispetto ai record da cui è stata derivata. L’ingestione guidata dai connettori gira al di fuori di un contesto di richiesta e non marca l’organizzazione sugli oggetti che scrive; un deployment che ingerisce per singolo cliente li delimita esplicitamente.
limiti dichiaratiNel filo digitale
DjiniousData svolge la propria parte del ciclo di ingegneria e trasmette le proprie evidenze — e funziona altrettanto bene anche da sola.
Riceve
Parte dalle tue fonti e dai tuoi sistemi.
DjiniousDataBase di conoscenzaConsegna
DjiniousEngineeringI dati da cui dipende un incarico, ingeriti con provenienza, modellati come il dominio proprio del progetto e serviti come conoscenza governata e ricercabile — con finding e report che aprono sulla loro evidenza.DjiniousWorkflowRecord, ricerca e finding sulla superficie REST documentata e sul server MCP, con un ambito esattamente pari a quello del token chiamante.DjiniousData è di per sé una piattaforma dati completa e API-first: porta i file, i connettori e gli stream che già hai, e li ingerisce, modella, risolve e osserva senza alcuna altra parte della suite.
Casi d’uso
4 casi documentati.
Telematica della flotta ferroviariaMonitoraggio delle condizioni per una flotta di veicoliTrasforma un feed di dispositivi in una flotta a cui puoi porre domande, e in un piano di manutenzione che puoi difendere.DjiniousDataIntelligenza documentaleRendere un archivio documentale interrogabileUn drive condiviso che nessuno può interrogare diventa un corpus ricercabile e citabile senza un progetto di migrazione.DjiniousDataMaster dataUn’unica vista cliente da quattro sistemi in disaccordoRaggruppa i record che descrivono la stessa organizzazione, e tieni fuori dalla fusione quelli di cui non sei sicuro.DjiniousDataMonitoraggio del sitoContare ciò che una telecamera vede, non ciò che rilevaRilevamento di oggetti su foto, filmati e stream live, materializzato come metriche su cui puoi impostare allerte.DjiniousDataPrenota una demo
Porta l’export di cui nessuno si fida. Novanta minuti sui tuoi dati, non sui nostri. Lo ingeriremo davanti a te e leggeremo il risultato man mano che arriva — incluse le righe che la piattaforma rifiuta di unire, e perché le trattiene.
Lungo il filo
DjiniousEngineeringOrchestrazioneL’ingegnere di sistema IA: prende in carico l’incarico e porta l’intero progetto attraverso un System Ledger tracciabile.
DjiniousWorkflowAutomazione ad agentiAutomazione a grafo a cui ogni fase può ricorrere: costruisci un processo, eseguilo, osservalo e sottoponilo ad audit.
Djinious
