Чикагский стартап Ragnerock объявил о выходе в публичную бету своей платформы Research Intelligence. Главная фишка — возможность обращаться к неструктурированным данным (PDF, Excel-таблицы, веб-страницы и даже изображения) с помощью обычного SQL, минуя стадию мучительного ETL и ручной разметки.

Как это работает для разработчика

Вместо того чтобы писать кастомные парсеры на Python или настраивать сложные пайплайны в LangChain, Ragnerock предлагает использовать AI-слой как виртуальную базу данных. Вы подключаете источник (например, папку в S3 или SharePoint), и платформа делает её содержимое «видимым» для стандартных запросов.

Результаты можно джойнить с данными из классических хранилищ вроде Snowflake, BigQuery или PostgreSQL. Это закрывает вечную проблему «мертвых данных», которые годами лежат в PDF-отчетах и не участвуют в аналитике.

Интеграция и стек

Для тех, кто привык работать в Jupyter Notebooks, Ragnerock подготовил слой, полностью совместимый с API Jupyter. Это значит, что инструмент вписывается в существующие рабочие процессы без необходимости учить новый синтаксис или менять среду разработки.

Ключевые технические особенности:

• BYOK (Bring Your Own Key): Вы используете свои ключи API от провайдеров LLM.
• Безопасность: Исходные документы остаются в вашем облачном хранилище, Ragnerock предоставляет только структурированный слой доступа.
• Прозрачность (Provenance): Каждая строчка в результате запроса имеет ссылку на конкретный документ, страницу и даже фрагмент текста, а также лог с указанием модели и промпта, которые сгенерировали этот вывод.

Что это значит для вайбкодеров

Для тех, кто строит продукты на базе AI-агентов, Ragnerock — это готовый «интеллектуальный коннектор». Вместо того чтобы тратить токены и время на написание логики парсинга и очистки данных, можно сразу переходить к бизнес-логике, используя SQL как универсальный интерфейс к любым знаниям компании. Это значительно ускоряет создание RAG-систем и аналитических инструментов.