Prelekcja przedstawia praktyczny szablon GitHub do szybkiego prototypowania projektów GenAI. Repozytorium wykorzystuje monorepo Nx, Next.js na froncie, NestJS na backendzie i FastAPI dla usług AI. Do pracy low-code zawiera Langflow i n8n, a PostgreSQL oraz MongoDB obsługują dane. Integracja z Ollama umożliwia uruchamianie lokalnych modeli językowych, a konfiguracja Docker Compose upraszcza wdrożenie. Całość ogranicza czas poświęcany na kod szablonowy i pozwala szybciej przejść do budowy właściwego rozwiązania.
Decyzja, którą ma umożliwić prototyp GenAI
Przed wyborem elementów z publicznego repozytorium prototypu określ jedno pytanie, na które prototyp ma odpowiedzieć. Na przykład: czy użytkownik wykona konkretne zadanie na reprezentatywnych danych i czy ktoś może sprawdzić wynik?
Gotowa struktura projektu ogranicza pracę przy konfiguracji. Nie potwierdza użyteczności produktu ani gotowości do jego utrzymania. Ustal, jakie dowody uzasadnią dalszą pracę, zanim dodasz kolejne usługi.
Jeśli pomysł i test są określone, zobacz sprint wdrożeniowy. Jeśli dopiero szukasz problemu biznesowego wartego rozwiązania, zobacz audyt firmy.