Maintainer of this skill?
by pipedude
Self-hosted AI-платформа с расширенными возможностями: RAG, агенты, веб-поиск, исследования, коннекторы, любые LLM и гибкие настройки
# Add to your Claude Code skills
git clone https://github.com/pipedude/yahont-ceSee how yahont-ce compares with popular alternatives.
yahont-ce is an open-source ai agents skill for AI coding assistants such as Claude Code, Codex CLI, and ChatGPT, built by pipedude. Self-hosted AI-платформа с расширенными возможностями: RAG, агенты, веб-поиск, исследования, коннекторы, любые LLM и гибкие настройки. It has 50 GitHub stars.
yahont-ce's catalog security scan is still queued. You can run an instant dependency and prompt-injection check now with the "Scan for vulnerabilities" button above.
Clone the repository with "git clone https://github.com/pipedude/yahont-ce" and add it to your Claude Code skills directory (see the Installation section above).
yahont-ce is primarily written in Python. It is open-source under pipedude on GitHub, so you can review or fork the full source.
Yes. SkillsLLM lists many other AI Agents skills you can browse and compare side by side. Open the AI Agents category from the badge at the top of this page, or use the Related Skills and comparison links further down to weigh yahont-ce against similar tools.
No comments yet. Be the first to share your thoughts!
Available after the catalog security scan passes.
⚠️ Third-Party Software Notice
This skill is third-party open-source software developed and hosted independently on GitHub. SkillsLLM is an informational directory and does not control or maintain the underlying repository.
Any security checks, ratings, or warnings displayed by SkillsLLM are automated and limited in scope. They do not constitute a security certification or guarantee that the software is safe, error-free, or free from malicious code, vulnerabilities, compromised dependencies, or prompt-injection risks.
Review the source code, permissions, dependencies, and configuration before installing or running any third-party skill. Use is at your own risk. To the maximum extent permitted by applicable law, SkillsLLM is not liable for losses arising from third-party software.
The deep catalog scan for this skill is still queued. Run an instant dependency check now instead.
«Языковые модели уже достаточно хорошо знают всё публичное и открытое. А что, если бы они знали и то, что происходит в нашем рабочем пространстве? Нам нужна настоящая супер-сила ИИ, а не еще один ИИ-ассистент!»
Yahont — слой знаний и контекста для вашей команды и ИИ-агентов.
Yahont подключается к вашим приложениям, индексирует и выводит знания из любых источников данных. Ваши данные остаются под вашим контролем: Yahont разворачивается на ваших серверах. Каждый ответ содержит ссылки на документы, из которых он собран. Гибкие настройки и подключение любых LLM, локальных или облачных.
Помимо контекстного поиска, Yahont даёт языковым моделям расширенные возможности: веб-поиск, выполнение кода, генерацию изображений, голосовой режим, действия во внешних системах и другое.
Yahont основан на открытом исходном коде проекта Onyx. Мы адаптируем его для России: русский интерфейс и документация, российские провайдеры моделей и поиска, модели эмбеддингов для русского текста, российские источники данных.
[!NOTE] Это открытая версия Yahont CE (Community Edition). Cloud-версия и корпоративная версия (Enterprise Edition) находятся в стадии разработки.
[!TIP] Запуск в несколько команд: см. Быстрый старт.
https://github.com/user-attachments/assets/942b912a-c223-40a5-b348-f611f1d4803b
| Задача | Как помогает Yahont |
|---|---|
| Поиск по всем источникам | Один запрос вместо поиска в каждой системе. Гибридный индекс находит документ и по смыслу, и по точному слову. |
| Ответы с источниками | Ответ собран из ваших документов и содержит ссылки на них, поэтому его можно проверить. |
| Онбординг и поддержка сотрудников | Новый сотрудник спрашивает о регламентах и инструкциях и получает ответ без обращения к коллегам. |
| Помощники для команд | Агенты со своим набором знаний и инструкциями: для поддержки, продаж, ИТ-службы. |
| Исследования | Режим глубокого исследования готовит подробный отчёт за несколько шагов. |
| Сохранение знаний | Решения и контекст остаются доступными, когда люди или команды меняются. |
| Аналитика и отчёты | Создавайте перекрёстные отчёты на основе ваших данных из разных источников. |
| Шаблоны документов и презентаций | Документы собираются по вашему заданию в соответствии с регламентом и имеющимися исходными данными. Скачать можно прямо из чата. |
«Это не просто еще один чат с LLM, а выстроенный и эффективный рабочий процесс. Каждый запрос это точечное исследование доступного контекста и внешних источников. Минимизация галлюцинаций LLM за счет итеративного подхода и параллельных запросов с последующим разбором и объединением результатов.»
🧠 Модели. Подключайте российские шлюзы RouterAI и Polza.ai, облачных провайдеров (OpenRouter, OpenAI, Anthropic и других) или свои модели через Ollama, vLLM, LiteLLM и LM Studio. Для работы нужны ключи выбранных вами провайдеров.
Более 30 источников.
Общие коннекторы
из Onyx:
Российские коннекторы
уже подключены:
в процессе разработки:
Порядок и набор коннекторов определяются запросами сообщества: напишите, какой источник нужен вам, в Telegram.
[!IMPORTANT] Коннекторы только читают данные. Yahont забирает документы для индекса и не изменяет и не удаляет информацию в ваших приложениях: он не пишет в источник и не правит файлы, письма, страницы и задачи, поэтому через коннектор агент ничего не испортит. Google Drive и Gmail запрашивают только права на чтение, почту по IMAP Yahont открывает в режиме «только чтение». Отдельно от коннекторов агент может менять данные во внешних системах через действия (MCP и OpenAPI): их подключает только администратор.
Yahont строит представление знаний по всем подключённым источникам: забирает документы и метаданные, разбивает на фрагменты, считает эмбеддинги и записывает в гибридный индекс. На вопрос система сразу находит нужные фрагменты в индексе и передаёт их модели. Агенту не нужно перебирать десятки систем и тратить на это токены.
flowchart LR
subgraph Sources["Источники знаний"]
S1["Базы знаний и вики"]
S2["Облачные хранилища"]
S3["Мессенджеры и почта"]
S4["Репозитории и сайты"]
end
subgraph Contour["Ваш контур: сервер, ЦОД или изолированная сеть"]
BG["Фоновые воркеры<br/>синхронизация"]
EMB["Модели эмбеддингов"]
IDX[("OpenSearch<br/>гибридный индекс")]
API["Веб и API"]
PG[("PostgreSQL")]
LLM["Свои модели<br/>Ollama, vLLM"]
end
U["Пользователи: веб"]
A["Агенты: MCP-клиенты"]
T["Внешние инструменты: веб-поиск, MCP, OpenAPI"]
P["Облачные провайдеры LLM"]
S1 --> BG
S2 --> BG
S3 --> BG
S4 --> BG
BG --> EMB --> IDX
U --> API
A --> Contour
API --> IDX
API --> PG
API --> LLM
API -.->|"по вашему выбору"| P
API -.->|"по вашему выбору"| T
Все компоненты работают на ваших серверах: индекс документов, база данных и обработка. С локальными моделями эмбеддингов и LLM данные не покидают ваш контур. Облачных провайдеров моделей вы можете использовать по своему усмотрению.
Состояние на 18 октября 2026.
intfloat/multilingual-e5-small (мультиязычная).docker compose up -d скачи