Превратите банковские микросервисы в прозрачную систему
Lumen — AI-слой над инфраструктурой банка. 100+ микросервисов, 2 000+ API, десятки баз данных — управляются голосом, а не кучей терминалов.
Discovery — бесплатный · On-prem · NDA по запросу
У нас падают платежи последний час. Что происходит?
Запускаю диагностику…
🔧 lumen ops error_summary(since="1h")
→ payments-api: 266 ошибок
→ gateway-api: 234 ошибки
→ остальные сервисы стабильны
Аномалия в двух сервисах. gateway → payments по графу — иду глубже.
🔧 lumen ops log_patterns(service="payments-api")
83× ERROR PaymentService.GetCustomer → Unknown
83× WARN "missing user_id in gRPC context"
83× клиенту: 404 PAYMENT_NOT_FOUND
🔧 lumen ops log_patterns(service="gateway-api")
100× rpc error → payments-api.GetCustomer
100× клиенту: 503 SERVICE_UNAVAILABLE
Корневая причина (с цитатой из лога):
• gateway-api вызывает payments-api.GetCustomer без user_id в gRPC metadata
• payments-api отвечает Unknown — вместо Unauthenticated
• Клиенты видят 503 или 404 — двухслойная путаница
💡 Рекомендации:
1. Сейчас: metadata.AppendToOutgoingContext(ctx, "user_id", uid) в gateway
2. До конца дня: payments-api → fail-fast с Unauthenticated вместо Unknown
3. На неделе: ревью gRPC-interceptor в gateway — найти где сломалось
Хотите — найду коммит, который сломал передачу контекста?
Да, найди коммит
🔧 lumen code blame gateway ".*payments-api.GetCustomer"
Найдено 2 коммита за неделю:
• 4a8c3f1 3 дня назад refactor: extract gRPC client builder
— interceptor больше не подключается автоматически
• 1d92e7b вчера feat: rate-limit middleware
Источник проблемы — 4a8c3f1.
В новом GrpcClientBuilder отсутствует .WithInterceptor(authForwarder).
✅ Готов открыть PR с одной строкой исправления.
Проблема
Банк состоит из 50+ микросервисов.
Никто не понимает их целиком.
Долгий поиск причины инцидента
Инженер вручную идёт по 5–10 сервисам, читает логи в Kibana, ищет request_id. Клиенты не платят, регулятор готовит штраф.
Долгий онбординг новых инженеров
Новый разработчик 2–3 месяца изучает 50 сервисов. $20–40K зарплаты впустую × N человек.
Регрессы после релизов
QA вручную проверяет 100+ сценариев, всё равно что-то ломается. Откаты, ночные хотфиксы, репутационные риски.
Compliance-ответы регулятору
«Где хранятся ИИН клиентов?» — никто не знает быстро. Дни на ответ, штрафы за непрозрачность.
Решение
Два продукта. Одна AI-плоскость над банком.
Один отвечает на вопросы про код и архитектуру. Другой — про runtime, логи и базы данных. Вместе закрывают весь жизненный цикл инцидента.
Lumen Code
Архитектура — на расстоянии вопроса
Документация устаревает за неделю. Граф связей теряется в головах двух человек. Lumen Code держит знание о кодовой базе в актуальном состоянии и отвечает на вопросы за секунды.
Семантический поиск по 50+ репозиториям
«Где обрабатывается отказ от платежа?» — точные участки во всех сервисах за секунды.
Граф зависимостей
Какие сервисы вызывают этот RPC, какие таблицы он трогает, какие proto-схемы.
Анализ влияния изменений
«Что сломается, если я поменяю это поле в proto?» — список затронутых сервисов и endpoints.
AI code review с контекстом
Дифф анализируется в связке с архитектурой, а не построчно. Видит каскадные эффекты.
Lumen Ops
От алерта до root cause — за минуты
Lumen Ops соединяет логи Loki, метрики, K8s, gRPC и базы данных в один AI-контекст. Вместо переключения между Kibana, Grafana, Postman и psql — один запрос на естественном языке.
Сводка ошибок за период
error_summary("1h") — найдёт сервис с ростом ошибок за минуту.
Трейс запроса через сервисы
trace_request(id) — путь через все микросервисы, gRPC и БД.
Поиск данных по 24 базам
db_search("ИИН") — мгновенно где хранится поле. Compliance-ответы за минуты.
API + gRPC с авто-авторизацией
1200+ endpoints и 35 gRPC сервисов с reflection. Без Postman и proto-файлов.
Эффект
До и после
Замеры на типовом банке: ~150 инженеров, 30–50 микросервисов.
MTTR P1/P2
−12×90–180 мин5–15 минОнбординг инженера
−66%12 недель4 неделиРегрессов в месяц
−75%8–122–3Compliance-ответ
−500×1–3 дня5 минут
ROI
$1265Kэкономии в год
Расчёт для банка ~150 инженеров и 30–50 микросервисов. Цифры усреднённые — мы посчитаем под ваш контур на этапе Discovery.
Снижение MTTR P1/P2
Меньше downtime, меньше штрафов
$400K
$300–500K / год
Сокращение онбординга
10 наймов × 8 недель сэкономленной зарплаты
$500K
$400–600K / год
Меньше регрессов на проде
Хотфиксы, откаты, репутация
$300K
$200–400K / год
Compliance и аудит
Время инженеров на ответы регулятору
$65K
$50–80K / год
- Итого$1265K
Для кого
Закрывает интересы всех стейкхолдеров
Архитектура — прозрачна. Миграции — безопасны.
- Граф зависимостей всегда актуальный — не из устаревшей вики
- Анализ влияния proto/API-изменений до мерджа
- MTTR падает на порядок: с часов до минут
- Bus factor уходит — знание остаётся в системе, а не «в голове у Васи»
Безопасность и Compliance
В вашем контуре. Под вашим аудитом.
Ни одна строка вашего кода и ни одна запись из БД не покидает периметр банка.
On-premise или приватное облако
Деплой в вашем контуре. Данные не покидают периметр банка.
Полный audit-trail
Каждый запрос логируется: кто, что, когда, какой ответ.
SSO из коробки
LDAP, SAML, OIDC. Управление правами через ваш существующий каталог.
Совместимо с любым LLM
Работает по MCP: Claude, Cursor, локальные LLM (Llama, Qwen, Mistral).
План пилота
6–8 недель от Discovery до решения
Прозрачный план без серых зон. Чёткие критерии перехода в прод.
Discovery
Аудит вашей архитектуры. Определяем покрытие, ставим baseline-метрики (MTTR, регрессы, время онбординга).
Pilot Deploy
Развёртывание в dev-контуре. Индексация 5–10 сервисов. Подключение SSO и audit-логирования.
Pilot Use
Реальная работа команд. Замеряем MTTR, время онбординга, удовлетворённость инженеров.
Decision
Решение по go-live: передаём отчёт с дельтой против baseline и план расширения на прод.
FAQ
Частые вопросы
Готовы начать?
Верните себе контроль над инфраструктурой
30 минут на демо. 1 неделя на discovery. 0 риска для пилота.
Discovery бесплатный · On-prem деплой · NDA по запросу