Artiboard: Yapay Zeka Odaklı Work OS ve Anlamsal Bilgi Grafı

Artiboard'un temel mühendislik mimarisi; yüksek performans, ölçeklenebilirlik ve kusursuz bir kullanıcı deneyimi hedeflenerek sıfırdan tasarlandı. İstemci tarafında React ve Vite ekosistemi üzerine inşa edilen Electron.js mimarisi, native masaüstü uygulaması akıcılığı sunarken; TipTap tabanlı zengin metin editörü ve dnd-kit ile güçlendirilmiş Kanban panoları modüler bir arayüzde kusursuzca harmanlanıyor. Gerçek zamanlı iletişim ve video konferans yetenekleri ise LiveKit altyapısı ile sağlanarak dışa bağımlı toplantı araçlarına olan ihtiyacı tamamen ortadan kaldırıyor.

Veri yönetimi ve backend mimarisinde endüstri standardı olan PostgreSQL ve Prisma ORM tercih edilerek sağlam bir temel atıldı. NestJS ile kurgulanan modüler backend yapısı; Supabase'in sunduğu güvenli kimlik doğrulama, gerçek zamanlı (realtime) WebSocket veri senkronizasyonu ve gelişmiş yetkilendirme (RLS) katmanlarıyla entegre çalışıyor. Veritabanı şeması; yetkilendirme, faturalandırma, panolar ve toplantılar gibi mantıksal domainlere bölünerek yatay ölçeklenebilirlik ve yüksek veri bütünlüğü güvence altına alındı.

Ürünün merkezinde yer alan Büyük Dil Modeli (LLM) entegrasyonları, Artiboard'u sıradan bir SaaS ürününden "otonom bir takım arkadaşına" dönüştürüyor. Groq API üzerinden çalışan gelişmiş LLM'ler, toplantı kayıtlarını asenkron olarak işliyor; toplantı kararlarını, kilit noktaları ve görev dağılımlarını analiz edip 'Pro' yetkisine sahip ekip üyelerinin panolarına ve dokümanlarına otonom olarak aktarıyor. Ürünün global pazara açılması, B2B büyüme stratejisi ve SaaS abonelik altyapısı ise Lemon Squeezy webhook entegrasyonlarıyla tam otomatik bir tahsilat/lisanslama ekosistemine bağlanarak kesintisiz bir PLG (Product-Led Growth) modeli yaratıyor.

v1.7.4 ile ürüne bilgi katmanı eklendi ve projenin teknik ağırlık merkezi buraya kaydı. Notlar [[wikilink]] sözdizimiyle birbirine bağlanıyor; olmayan bir başlığa bağlanırsan not oluşturulup anında bağlanıyor, her notun altında backlink ve giden-bağlantı panelleri duruyor. Ortaya çıkan ağ, canvas üzerinde force-directed bir grafla gösteriliyor: renk bağlantılı bileşeni kodluyor — birbirine ulaşabilen notlar aynı rengi alıyor; düğüm boyutu bağlantı sayısıyla büyüyor, bağlantıların üzerinde parçacıklar akıyor. Zaman tüneli notları oluşturulma sırasıyla ekleyip ağın nasıl büyüdüğünü baştan oynatıyor; düğümler sürüklenerek bağlanabiliyor, düzen kalıcı tutuluyor, öksüz notlar filtrelenebiliyor ve her notun altında iki adımlık bir komşuluk grafı yer alıyor.

Asıl mühendislik anlamsal katmanda. Her not kaydedilirken sunucuda yerel çalışan bir transformer ile embedding'e çevriliyor — @xenova/transformers üzerinde all-MiniLM-L6-v2, 384 boyut — ve vektör Postgres'te pgvector ile saklanıyor; API anahtarı yok, dışarıya çağrı yok. Bunun üstüne 'AI hayalet bağlantıları' kuruldu: grafta her nota, henüz bağlanmadığı en yakın anlamsal komşusu kesikli bir çizgiyle çiziliyor; tıklayınca çizgi gerçek bir [[wikilink]]'e dönüşüyor. Fark tam burada: klasik bir bilgi grafı kurduğun bağlantıların aynasıdır, bu graf kurabileceğin bağlantıların haritası. Katmanı bir AI agent tamamlıyor — doğal dille verdiğin komutu önce plan olarak gösteriyor, sen onaylamadan hiçbir şey yazmıyor ve uyguladığı işlem geri alınabiliyor (geri alma yumuşak silme; içerik çöpe gidiyor).

Bu katmanın sınırını net çizmek gerekiyor, çünkü 'notlarınız hiçbir yere gitmiyor' demek yanlış olurdu. Anlamsal arama ve hayalet bağlantı önerileri kendi sunucumuzdaki yerel modelde çalışıyor: not içeriği üçüncü taraf bir AI servisine gitmiyor. Buna karşılık AI agent (llama-3.3-70b) ve toplantı transkripsiyonu (whisper-large-v3) Groq üzerinde çalışıyor — agent'ı çalıştırdığında ilgili not içeriği, bir toplantıyı kaydettiğinde ses kaydı üçüncü tarafa iletiliyor. Plan ayrımı da bu hattan geçiyor: yapıyı sen kurduğunda (bilgi grafı, [[wikilink]] bağlantıları, backlink panelleri) Starter'da; yapıyı yapay zeka çıkardığında (hayalet bağlantılar, anlamsal arama, agent, toplantı özetleri) Pro'da.