В июле 2026 года произошло знаковое событие для сообщества энтузиастов изучения языков и open-source разработки: команда проекта «Свой» объявила об открытии исходного кода своей платформы. Вместе с кодом разработчики поделились тремя ключевыми инновациями, которые ранее были доступны только в закрытой версии: вайб-темы, RAG поверх шифра и объектив, который знает контекст. Разберём, что стоит за этими терминами, как они меняют пользовательский опыт и почему опенсорс-релиз стал логичным шагом для проекта.
Почему «Свой» решил открыть код?
Авторы платформы изначально позиционировали её как инструмент для самостоятельного изучения языков с фокусом на приватность и персонализацию. Со временем сообщество стало запрашивать доступ к исходникам — чтобы адаптировать функциональность под свои нужды, проверять безопасность или просто учиться на реальном коде. Разработчики приняли решение перевести проект в опенсорс. В результате теперь любой желающий может изучить архитектуру, предложить изменения или запустить собственный форк. Подробности анонса опубликованы в официальной статье на Habr: Источник.
Вайб-темы: настройка атмосферы под настроение
Одна из первых заметных особенностей — так называемые «вайб-темы». Если в большинстве сервисов смена оформления ограничивается выбором тёмной или светлой темы, то в «Свой» пользователь может задать целый набор настроек, которые меняют не только цвета, но и шрифты, анимации, фоновые изображения — причём динамически, в зависимости от контекста. Например, при изучении лексики на тему «путешествия» интерфейс может автоматически подгружать приглушённые природные тона, а при разборе технического текста — строгий минимализм.
С практической точки зрения это не просто «красивости». Исследования в области UX показывают, что персонализация визуального окружения повышает вовлечённость и снижает когнитивную нагрузку. Вайб-темы в «Свой» реализованы через систему CSS-переменных и JavaScript-хуков, что делает их легко расширяемыми. С открытием кода сообщество сможет создавать и публиковать собственные темы — на платформе уже есть API для этого.
RAG поверх шифра: приватность без потери умных подсказок
Самая технически сложная находка — использование Retrieval-Augmented Generation (RAG) на зашифрованных данных. Обычно RAG-системы требуют доступа к открытому тексту, чтобы искать релевантные фрагменты и передавать их языковой модели. Но разработчики «Свой» пошли другим путём: они применили гомоморфное шифрование и локальные эмбеддинги. Пользовательские словари, заметки и контекстные подсказки хранятся в зашифрованном виде на устройстве, а поиск по ним выполняется без расшифровки.
Как это работает на практике? Допустим, вы учите китайский и создали коллекцию фраз по теме «еда». Когда вы вводите слово «хлеб», система ищет похожие векторы среди зашифрованных записей, находит подходящий контекст и генерирует пример употребления — при этом ни данные, ни результат расшифровки не покидают ваше устройство. Такой подход решает главную проблему современных AI-помощников: доверие. Никто — ни разработчики, ни провайдер облака — не может прочитать личные материалы пользователя. Теперь этот механизм открыт, и любой разработчик может проверить его безопасность или улучшить.
Объектив, который знает контекст
Третья инновация — «объектив» (так авторы назвали модуль контекстного анализа). Это агент, который в реальном времени анализирует не только текущее слово или фразу, но и историю взаимодействий, цель занятия, уровень владения языком и даже время суток (на основе метаданных без доступа к GPS). Например, если пользователь утром повторяет Business English, а вечером переключается на разговорный сленг, объектив подстраивает грамматические подсказки, сложность примеров и даже тональность сообщений системы.
В отличие от простого A/B-тестирования, этот модуль использует графовую базу знаний, построенную на библиотеке визуализации контекстов. Каждый запрос и ответ связывается в узел, формируя персональную карту обучения. С релизом исходного кода «объектив» теперь можно адаптировать под свои задачи: например, встроить в приложение для изучения редких языков или сделать основой для корпоративного LMS.
Что это значит для сообщества?
Открытие кода «Свой» — это больше, чем просто публикация репозитория. Это демонстрация того, как можно совместить современные NLP-техники с уважением к приватности пользователей. Разработчикам стоит обратить внимание на реализацию гомоморфного RAG — возможно, она станет основой для новых инструментов в сфере EdTech и HealthTech, где конфиденциальность критична.
Проект уже собрал активное сообщество, и первые форки начали появляться на GitHub. Авторы приглашают к сотрудничеству всех желающих, а канал поддержки работает через Telegram.
ASI Biont поддерживает подключение к Telegram через API — подробнее на asibiont.com/courses
Будем следить за тем, как «Свой» повлияет на ландшафт образовательного софта. Уже сейчас понятно одно: эра закрытых монолитных решений уходит в прошлое, уступая место прозрачным и адаптируемым инструментам.
Заключение
Релиз «Свой» в опенсорс — это пример того, как стартап может перейти от закрытой модели к сообществу, сохранив конкурентные преимущества в виде уникальных технологий: вайб-тем, шифрованного RAG и контекстного объектива. Для пользователей это означает больше контроля над данными и больше возможностей для кастомизации. Для разработчиков — открытый код, который можно изучать, форкать и улучшать. Если вы интересуетесь NLP, приватностью или просто ищете вдохновляющий open-source проект — присмотритесь к «Свой».
Комментарии