Relaticle
Open-source CRM with approval-gated AI writes
امتیاز شما به این ایده:
🇮🇷 اکثر سیستمهای مدیریت ارتباط با مشتری (CRM) هوش مصنوعی را صرفاً به عنوان یک بخش جانبی افزوده به سرویس خود اضافه میکنند، اما رلاتیکل (Relaticle) از اساس با معماری مبتنی بر ایجنت (Agent-first) ساخته شده است. هر کلاینت MCP از طریق OAuth به ۳۷ ابزار اختصاصی دسترسی پیدا میکند و فیلدهای سفارشی محیط کار نیز بهطور خودکار در اسکیما (Schema) هر ایجنت قرار میگیرند. دستیار داخل برنامه سختگیرانهتر عمل میکند؛ بهطوری که هر تغییر در دادهها به شکل یک پیشنهاد ارائه میشود که تغییرات دقیق را نشان داده و رکورد به رکورد نیازمند تایید کاربر است. امکان میزبانی شخصی تمام بخشها تحت مجوز AGPL، شامل استنتاج محلی مدلها با Ollama وجود دارد. استفاده از این محصول در حالت میزبانی شخصی برای همیشه رایگان است و نسخه ابری نیز به جای دریافت هزینه به ازای هر کاربر، دارای قیمتگذاری ثابت برای هر محیط کار است.
💡 مشابه ایرانی: پلتفرم مدیریت ارتباط با مشتری ایجنتمحور (دیدار هوشمند)
یک CRM مدرن و هوشمصنوعیمحور برای سازمانهای ایرانی که بر پایه ارتباط امن با ایجنتهای هوش مصنوعی (MCP) ساخته شده است. این سیستم به هوش مصنوعی اجازه میدهد عملیات فروش و ثبت دادهها را انجام دهد، اما هیچ دادهای بدون تایید مرحلهبهمرحله مدیر یا کارشناس تغییر نمیکند. امکان نصب روی سرورهای داخلی و استفاده از مدلهای محلی، امنیت دادههای مشتریان را تضمین میکند.
⚠️ چالشهای پیشرو:
- پیچیدگی یکپارچهسازی مدلهای زبان فارسی بومی با ساختار پروتکل MCP و اجرای محلی آنها روی Ollama
- خستگی احتمالی کاربران ایرانی از تاییدهای پیدرپی و نیاز به طراحی رابط کاربری بسیار بهینه برای بررسی سریع پیشنهادات
💵 مدلهای درآمدی پیشنهادی:
- فروش اشتراک ابری با هزینه ثابت ماهانه/سالانه به ازای هر سازمان (Workspace)
- ارائه خدمات نصب، پیکربندی سفارشی، آموزش و پشتیبانی اختصاصی برای سازمانها و شرکتهای بزرگ
تحلیل تخصصی و فنی با هوش مصنوعی
بررسی عمیق معماری، مدل درآمدی، نقاط قوت و ضعف فنی این محصول — نوشتهشده توسط AI.
باز کردن با پلن حرفهای 🚀💬 نظرات
- کاربر ProductHunt 1سلام به پروداکت هانت، مانوک هستم. حدود دو سال است که به تنهایی مشغول ساخت رلاتیکل بودهام. این پروژه در ابتدا به عنوان یک CRM متنباز معمولی شروع شد. سپس ایجنتها را اضافه کردم و با سوالی مواجه شدم که نمیشد از آن فرار کرد: هر نوع کلاینت باید چقدر اختیارات داشته باشد؟ دسترسی فقطخواندنی خیلی محدود بود و کاربرد چندانی نداشت. نوشتن خاموش و بدون تایید در دادههای مشتریان هم نادرست به نظر میرسید. در نهایت به دو سطح اعتماد رسیدم. کلاینتهای خارجی MCP (مثل کلود، کورسر یا هر چیزی که با MCP کار میکند) از طریق OAuth احراز هویت میشوند و مستقیماً از طریق ۳۷ ابزار بنویسند، دقیقاً مثل یک کلاینت API. دستیار داخل برنامه در کنار کاربران انسانی کار میکند، بنابراین هر تغییری که میخواهد ایجاد کند به یک پیشنهاد تبدیل میشود که تغییر دقیق را نشان داده و منتظر تایید میماند. دستههای تغییرات، رکورد به رکورد بررسی میشوند: شما هر کدام را تایید یا رد میکنید و هر آنچه تایید کردهاید اعمال میشود. خود کلاینت چت نیز پس از شکستهایی که در استفاده واقعی با آن مواجه شدم بازنویسی شد؛ مثلاً یک تلاش مجدد به دلیل محدودیت نرخ ثبت میتوانست یک پیام گفتگو را پاک کند یا یک پردازشگر استریم کهنه میتوانست پیشنویس را در گفتگوی اشتباهی بنویسد. اکنون پیشنویسها با رفرش شدن صفحه باقی میمانند، ارسالهای ناموفق قابل مشاهده میمانند و پاسخها به رکوردهایی که به آنها اشاره میکنند لینک داده میشوند. همه چیز تحت مجوز AGPL قابل میزبانی شخصی است، از جمله استنتاج مدل با Ollama. هر محیط کار فیلدهای سفارشی خود را تعریف میکند و آنها بهطور خودکار در اسکیمای ایجنتها ظاهر میشوند. یک سوال که هنوز دارم روی آن فکر میکنم و واقعاً مشتاقم نظرات را دربارهاش بدانم این است: آیا یک دستیار داخل برنامه باید تایید خودکار بر اساس سیاستها (Policy-based) داشته باشد یا اینکه هر تغییری باید کاملاً صریح و دستی تایید شود؟
- کاربر ProductHunt 2خیلی دوست دارم علاوه بر مرحله تایید، امکان ردگیری و لغو (Undo) برای تغییرات تاییدشده هم وجود داشته باشد. مشتاقم ببینم این پروژه به کجا میرسد!
- کاربر ProductHunt 3در مورد سوال تایید خودکار، من حتی با وجود قوانین و سیاستها هم نسبت به آن محتاطم. کل مانور و ایده اصلی این محصول این است که تغییرات هوش مصنوعی قبل از اعمال روی دادهها برای انسان قابل رویت باشد، و تایید خودکار بر اساس سیاستها در واقع بازگشت تدریجی به همان نوشتنهای خاموش است وقتی که کاربر از کلیک روی تایید خسته شود. اگر قرار بر تایید خودکار باشد، من آن را فقط به کارهای نزدیک به خواندن مثل برچسبگذاری یا حذف دادههای تکراری محدود میکنم، نه فیلدهایی که روی ارزش فرصتهای فروش یا مالکیت مخاطبین تاثیر میگذارند. با این حال، ارائه ۳۷ ابزار روی MCP با OAuth حجم کار بسیار زیادی برای یک پروژه دوساله تکنفره است؛ کنجکاوم بدانم چه مقدار از آن تولید خودکار بوده و چه مقدار دستنویس.
- کاربر ProductHunt 4رویکرد فوقالعادهای است! اینکه اجازه دهیم هوش مصنوعی کارهای سنگین را انجام دهد و در عین حال کاربر کنترل تمام تغییرات را در دست داشته باشد، تعادل کاملاً درستی است. آیا به فکر اضافه کردن قوانین تایید قابل سفارشیسازی برای بهروزرسانیهای کمریسک افتادهاید؟
- کاربر ProductHunt 5مانوک جان، انتشار محصول جدیدت را تبریک میگویم! عالی است که میبینیم یک CRM به جای چسباندن ساده هوش مصنوعی، واقعاً از پایه حول هوش مصنوعی طراحی شده است. پشتیبانی از MCP هم واقعاً حرکت جذابی است! موفق باشی =)
- کاربر ProductHunt 6این پروژه پایه و معماری بسیار قوی بر پایه لاراول دارد که به من در یادگیری لاراول کمک زیادی کرد. من چیزهای زیادی درباره نحوه تنظیم لاراول در یک ساختار حرفهای و سازمانی یاد گرفتم که به تنهایی مثل طلا باارزش است. در ترکیب با MCP و هوش مصنوعی، واقعاً میتواند یک CRM معمولی را به یک سیستم پردازش داخلی کامل، یعنی یک ERP تبدیل کند. برای مانوک آرزوی موفقیتهای زیادی در این انتشار دارم!
- کاربر ProductHunt 7راستش این همان رویکردی از ترکیب CRM و هوش مصنوعی است که برای من منطقی و معقول به نظر میرسد. این را دوست دارم که هوش مصنوعی واقعاً میتواند کار انجام دهد نه اینکه فقط متن تولید کند، اما شما همچنان میتوانید قبل از اینکه دادهها تغییر کنند آنها را تایید کنید. و متنباز + قابل میزبانی شخصی کردن کل پروژه یک نقطه قوت بزرگ است. کار عالی بود!!
- کاربر ProductHunt 8۳۷ ابزار روی OAuth برای هر کلاینت MCP، و فیلدهای سفارشی محیط کار هم خودبهخود وارد اسکیمای هر ایجنت میشوند. آیا این فیلدها بهصورت زنده بروزرسانی میشوند یا فقط هنگام اتصال مجدد؟
نظرات کاربران ایدهجو
- هنوز نظری ثبت نشده؛ اولین نفر باش!
برای ثبت نظر، ابتدا وارد شوید.