Разработка ИИ агентов в 1С

17.03.25

Интеграция - Нейросети

В статье кратко расскажу, что такое ИИ агенты, чем они отличаются от "просто LLM". Что такое RAG, какой стек технологий для этого используется, с чего стоит начать. Особенности и подводные камни разработки. Также как и зачем мы стали делать агентов в 1С.

Несколько месяцев продолжался ресёч и далее собственно уже разработка в рамках проектов OneRPA 

и EmplDocs.

Немного расскажу, что "под капотом" и зачем мы это всё делали в 1С.

Но сперва немного теории:

 

Что такое RAG системы?

Retrieval Augmented Generation - это когда пользователь пишет запрос к LLM, а вы к нему подмешиваете данные из ваших корпоративных систем.

Сама идея стара как мир. Название просто модное. 

Примерно как и RPA в свое время. Просто если развитию RPA придало неплохой буст развитие CV в те времена повсеместное, то RAG системы - очевидное следствие появления и развития LLM.

2022-ой год кроме известных печальных событий подарил нам приятные истории в мире NLP виде революционных моделей GPT.

На самом деле революция началась существенно раньше - где-то с появлением архитектуры трансформеров, т.е. по факту BERT уже был весьма хорош, и был виден потенциал, но, конечно, успеха GPT никто не ожидал.

И сразу после того, как все поняли, что GPT  - это "гейм ченджер", естественно, его ринулись применять везде, где надо и не надо. Но быстро стало очевидно, что LLM модели как "более продвинутый google" слишком мало для реальных внедрений в реальный бизнес. А именно эта история нас двигает вперёд, без применения в реальных задачах бизнеса технология просто "дорогая игрушка".

 

Что нужно для внедрения LLM в бизнесе:

- OnPremise

- Доступ к корпоративным данным

 

Про OnPremise мы поговорим отдельно. Пока главное, что хотел сказать, это то, что системы, которые используют LLM и обогащают контекст за счет корпоративных данных, называют RAG системами. И да, конечно, консультанты скажут вам, что всё существенно сложнее сложнее :). Теперь давайте разберёмся с ИИ агентами:

 

Что такое ИИ агент?

Кроме того, что система имеет доступ и использует корпоративные данные в своей работе, постепенно появился класс систем, которые стали называть ИИ агентами (да-да, теперь мы уже не изменим тот факт, что LLM для всех стали "ИИ", несмотря на весь спектр технологий, которые мы причисляем к ИИ). 

Какой-то четкой классификации, что есть ИИ агент, вы не найдёте. 

Но давайте чуть проще - от общего к частному:

1) ИИ - по сути очень много всего, включая ML\NLP\CV\OCR и ещё кучу направлений характеризуется не детерменированным алгоритмом принятия решений, а на основе обучения (статистики)

2) LLM - современное направлении ИИ - те самые модели, которые дают "фантастические" результаты используя архитектуры GPT произвольные от них в несколько проходов\направлений, встроенные векторы контекста кучу параметров и т.п.

3) RAG - это когда чатика с LLM нам уже мало и мы подсовываем модели в том или ином виде корпоративные данные

4) AI агент - это когда модели подсовываются корпоративные данные, но ещё добавляется "память", что она делала и как кому отвечала и что кто спрашивал, появляется какое то планирование и добавляются различные тулзы вроде "проведи документ в корп системе" или "поищи по корпоративной базе знаний"... Основной акцент на автономности...

На этом с теорией разобрались, давайте попробуем ответим на главный вопрос:

 

Зачем нам ИИ агенты в 1С?

Ну как минимум потому, что у конкурентов они уже есть:

 

 

Притом ещё и с возможностью "разработки"

 

 

Или даже у SalesForce так:

 

 

Крупнейшие мировые вендоры ERP\CRM уже активно пилят ИИ Агентов.

В 1С на момент начала 2025-го года ИИ агентов мне лично найти не удалось, поэтому в рамках проекта OneRPA  мы запилили конструктор ИИ агентов и интерфейс для взаимодейтсвия с ними для 1С.

А в рамках проекта EmplDocs мы разработали и стали внедрять уже Production ИИ агентов в HR.

 

Зачем ещё ИИ агенты именно в 1С? Да очень просто - корпоративные знания, связанные с деятельностью компании и используемые для принятия решений, как правило, находятся в 1С, если вы живёте в РФ. А кроме фундамента корпоративных знаний в компании обычно есть разве что производственная система, которая может быть не привязана к платформе 1С в зависимости от задач или база знаний, для которой уже давно существуют RAG системы и ИИ агент как таковой не сильно полезен. 

Соответственно в 1С ИИ агенты это просто необходимая история, которая будет существенно упрощать нам и пользователям жизнь уже очень и очень скоро

Более того, потребность была осознана кажется ещё до появления и массового распространения современных LLM.

Все же помнят вот эту историю?

 

 

Без LLM она вряд ли была настолько удобна и востребована + интерфейс "внутри 1С", конечно, не делает её популярнее.

Но тем не менее, вряд ли данное решение разрабатывали в тиражном продукте просто "из интереса".

Так или иначе, думаю это скоро изменится если уже не изменилось и у меня просто нет актуальной информации.

Что же касается ИИ агентов, то самое время их делать именно сейчас, месяц назад было рано. Через месяц будет поздно :).

 

Почему же ИИ агентами надо заниматься сейчас?

А виновники всему вот эти ребята:

И

 

Кто то сейчас думает и что я к ним прикопался? Всё таки модели от OpenAI дают лучший результат...

Да, несомненно, модели от OpenAI обеспечивают лучший результат, вот только... Они в облаке. И дело тут не только в стоимости (хотя она тоже важна).

Готовы вы персональные данные сотрудников, финансовую информацию или что-то ещё отдать в облако? Ещё и трансграничную передачу... это уже совсем ай ай. Мир сейчас не такой приятный и в нём бегают не только розовые пони.

С учетом того, что модели явно учатся на передаваемой им информации, надо быть очень смелым человеком чтобы это сделать.

Вообщем суть в том, что лично для меня ИИ агенты обрели буст и стали "must have" инструментарием с появлением DeepSeek. 

Теперь есть возможность в принципе компании любого масштаба развернуть себе локальную LLM приличного качества.

LLama, конечно, была достаточно давно, но разница с передовыми моделями OpenAI всё-таки была слишком существенной.

 

Как выглядят ИИ агенты в 1С сейчас? 

ИИ аегнтов мы пока сделали в EmplDocs и отдельным модулем в рамках OneRPA.

Но EmplDocs вцелом решение достаточно специализированное и ИИ агентов мы там разработали используя достаточно классический инструментарий.

Так что рассказать и поделиться особо нечем, кроме разве что результатов, о которых я уже собственно писал: //infostart.ru/1c/articles/2326735/ 

А вот ИИ агенты в OneRPA уже несколько более интересная история:

 

 

И OneRPA мы теперь называем в том числе APA системой (Agentic Process Automation). 

До завершения первых внедрений (сторонними командами) наверное будем держать в закрытой бета. Но как люди освоят - будет уже совсем другая история.

Сам интерфейс пользователя внутри 1С выглядит как-то так:

 

 

Как видите, ничего в нём особо умного нет. Но как бы и не должно быть. 

Сейчас работаем над тем, чтобы всё-таки прикрутить распознавание голоса, то ли локальное, то ли уже самой LLM отдать или специализированное решение использовать.

Чат сделан именно в Web варианте осознанно - для того чтобы обратиться к ИИ агентам можно было не открывая непосредственно интерфейс 1С. Тут вопросы и доступов и удобства использования и лицензирования. 

В целом достаточно удобно. 

Сам процесс использования выглядит следующим образом:

- берётся виртуальная машина в формате OVF (или скрипты развёртывания)

- С этой машины публикуется Web интерфейс чата, который связан с LLM

- В 1С добавляется и публикуется расширение, в настройках машины с LLM указывается адрес API опубликованного расширения, посредством которого и осуществляетя вся "магия управления"

- Загружаются сами разработанные ранее агенты, или разрабатываются новые.

 

А что под капотом?

Из чего всё это состоит?

На VM установлен DeepSeek запущенный лёгким движением руки с ollama

Сверху там же находится Open-WebUI для того чтобы у наших агентов был интерфейс чата.

Там же развернута Milvus - для памяти наших агентов 

При обращении в чат происходит вызов LangChain а через него уже обращение к LLM.

Переписку LangChain соответственно "запоминает" в векторной БД.

LangChain же обращается в 1С для инициализации агентов, использования отдельных tool-ов и знаний.

Контекст стараемся экономить насколько это возможно, соответственно придётся "платить" долесекундными зажержками на обращение в 1С за данными по мере необходимости.

При этом сама разработка агента не требует знания всего что перечислено выше. 

По сути это следующие шаги:

- создание самого агента, включая описание назначения, начального промпта, описания контекста при котором должны быть обращения именно к этому агенту

- Описание знаний к которым будет обращаться ИИ агент. По сути запрос в 1С, описание его назначения и колонок получаемого результат

- Описание действий ИИ агентов. Вот тут может придётся немного покодить. ИИ агент может вызвать именно действия (разделение специфично для 1С) по вводу документа в 1С, передав на вход json в нужном формате. Формат, кстати, тоже описывается отдельно.

Самое интересное относительно классической разработки, что никакого чёткого алгоритма действий или даже какой то финальной схемы работы.

"магия" заключается в том, что мы описывам только итог и некоторую специфику поведения, всю промежуточную часть ИИ агент может "додумать" сам.

Такая логика обеспечивает ИИ агентам большую автономность чем классическим чатботам, а также существенно боле высокое качество получаемых в итоге решений. 

 

Самое трудное во всём этом занятии - тестирование работы агента в различных ситуациях и корректировка поведения только промптами и описанием запросов и итогов. Самое интересное ещё в том, что поведение может отличаться в зависимости от используемой модели. Поэтому использование локальной модели с агентами разработанными и протестированными для неё - намного более стабильная история.

Пока при разработке ИИ агентов мы не используем файнтюнинг, хотя его использование конечно может позволить добиться куда более впечатляющих резуальтатов для конкретной компании и области знаний, но по соотношению затраты\результат кажется не в нём ключ к успеху.

Касательно технологического стека, я пожалуй отвечу сразу на популярные вопросы:

Почему не сервер взаимодействия?

Во-первых он мне просто не нравится как по интерфейсу так и по функционалу. Во-вторых, онпремис он тяжеловесен чрезвычайно, и лицензируется, что для "чатика" кажется ту мач.  В-третьих, насколько я помню, клиент - только платформа 1С, а следовательно использование достаточно ограничено.

Почему не использовал функционал чат ботов в 1С?

Да, они работают без сервера взаимодействия, но как минимум чатбота нельзя добавить расширением, а это достаточно принципиальный момент. Менять конфигурацию во имя ИИ агентов как то не хочется. Всё таки они относительно "сбоку" к основному функционалу.

Ну и с LangChain взаимодействие кажется было бы труднее чем сейчас.

 

Итого

Разрабатывать ИИ агентов, я думаю, скоро мы будем все. В OnePRA, в чистом Python, появится что то в платформе 1С или ещё каким то образом - на знаю.

Смысл в том что самое время начинать если уже не заканчивать. Предполагаю что интерфейс будет меняться, и скоро "формы с кучей кнопочек" которым надо отдельно учиться уступят место интерфейсам с использованием естественного языка. А если уже говорить что такие интерфейсы совмещаются с обучением и некоторой степенью автономности, то выглядит вообще как сказка. LLM вошли в фазу вполне доступных каждому решений, так что готовимся, господа. Или начинайте писать свой фреймворк (что собственно не сложно) или Welcome в OneRPA, или знания Python и наскольких общих фреймворков крайне пригодятся.

На этом всё. Тут должны были быть контакты, гитхаб, телеграм канал. Но всего этого нельзя, так что как есть...

См. также

Нейросети Мастера заполнения Платформа 1С v8.3 1С:ERP Управление предприятием 2 1С:Управление торговлей 11 1С:Комплексная автоматизация 2.х 1С:Управление нашей фирмой 3.0 Платные (руб)

Расширение для заполнения описания номенклатуры с помощью модели ИИ GigaChat от Сбера. Расширение формирует продающее описание товара по его наименованию с помощью модели искусственного интеллекта. Будет полезно для владельцев интернет магазинов, каталогов товаров и продающих через маркетплейсы. Адаптировано для основных конфигураций: УТ, ЕРП, КА, УНФ.

5000 руб.

08.11.2023    3303    13    0    

23

Мастера заполнения Нейросети Бухгалтер Пользователь Платформа 1С v8.3 1С:Бухгалтерия 3.0 1С:ERP Управление предприятием 2 1С:Комплексная автоматизация 2.х 1С:Управление нашей фирмой 1.6 1С:Управление нашей фирмой 3.0 1С:Управление торговлей 11 1С:Розница 2 1С:Розница 3.0 Абонемент ($m)

Обработка предназначена для автоматической генерации описания товаров справочника Номенклатура, используя мощности ChatGPT или DeepSeek (на выбор), подходит для всех конфигураций на БСП. Может использоваться для автоматизации процесса заполнения карточки товара и оптимизации использования человеческого труда.

10 стартмани

11.03.2025    382    3    Marat1c8    0    

1

Нейросети Рефакторинг и качество кода Тестирование QA Программист Платформа 1С v8.3 Бесплатно (free)

Искусственный интеллект в код-ревью – это не фантастика, а реальность, которая уже сегодня помогает разработчикам улучшать свои проекты. Расскажем о том, как ИИ может автоматически находить баги и предлагать улучшения, экономя ваше время и ресурсы.

11.03.2025    3485    mrXoxot    50    

40

Нейросети Программист Платформа 1С v8.3 1С:Управление торговлей 11 Абонемент ($m)

Библиотека искусственного интеллекта для 1С появилась примерно год назад. Сейчас она активно развивается. В последнее время я выпускаю обновления примерно раз в неделю. Библиотека это не только универсальное расширение, но множество статей и дополнительных материалов, в разное время опубликованных на Infostart. Данная статья поможет вам быстро сориентироваться во всем этом и начать использовать библиотеку в своей работе с максимальной отдачей.

1 стартмани

11.03.2025    5909    mkalimulin    23    

35

Работа с интерфейсом Нейросети Программист Платформа 1С v8.3 Бесплатно (free)

Внешняя обработка для создания прототипов форм на основе текста в стиле Markdown. Теперь с чатом ИИ и генерацией кода программного создания реквизитов.

10.03.2025    4524    nikitazherebtsov    21    

25

Нейросети Анализ продаж Программист Пользователь Платформа 1С v8.3 1С:Управление торговлей 11 Абонемент ($m)

Решение задачи анализа продаж с помощью искусственного интеллекта как нельзя лучше демонстрирует основной принцип работы с ИИ: "сказал, что тебе надо, получил, что тебе надо". В типовых ERP (УТ, КА) есть регистр накопления "ВыручкаИСебестоимостьПродаж", в котором содержится вся необходимая нам информация о продажах. От реализации вышеозвученного принципа нас отделяет пара нехитрых технических приемов.

1 стартмани

05.03.2025    743    4    mkalimulin    4    

7

Нейросети ИТ-компания Бесплатно (free)

Как ИИ-агенты стали трендом №1? О трансформации подхода к автоматизации на основе LLM. Расскажу, как EmplDocs пересмотрел стратегию автоматизации и стал добавлять ИИ-агентов в свое решение.

04.03.2025    1755    comol    3    

7

Нейросети Бесплатно (free)

В статье я проведу обзор и сравнение двух популярных нейросетей — ChatGPT-4o и DeepSeek, доступных бесплатно, на примерах, которые часто помогают мне быстрее получать и обрабатывать различную информацию.

03.03.2025    1280    improg    7    

2
Комментарии
Подписаться на ответы Инфостарт бот Сортировка: Древо развёрнутое
Свернуть все
1. ZOMI 143 17.03.25 11:55 Сейчас в теме
Вы уже в космос летаете, а мы тут, в лаптях и с плугом, ниву 1С пашем.
10. sikuda 678 18.03.25 09:45 Сейчас в теме
(1)
Прикрепленные файлы:
Somebody1; ZOMI; +2 Ответить
2. user-z99999 78 17.03.25 12:21 Сейчас в теме
Несколько месяцев продолжался ресёч и далее собственно уже разработка в рамках проектов OneRPA

и EmplDocs.

проектов OneRPA -- ошибка по ссылке 404.
3. ShootNICK 14 17.03.25 12:58 Сейчас в теме
А на каком железе порезанный диписик живет нормально ?
7. starik-2005 3164 17.03.25 19:06 Сейчас в теме
(3)
железе
Предположу, что на любом, где памяти хватит. Все упрется в скорость ответа. Хочешь быстро - ставь видеокарточки, без них будет медленно.
4. bulpi 217 17.03.25 14:59 Сейчас в теме
Автору стоит натравить агента ИИ на текст собственной статьи, чтобы правильно поставить запятые. В некоторых предложениях трудно понять смысл.
cdrw3; grumagargler; TochkaScarab; +3 Ответить
8. ShootNICK 14 17.03.25 19:09 Сейчас в теме
(4) Да ладно, корректность выдаваемых ответов подобными системами - притча во языцех.
MegasXXX; +1 Ответить
5. Dimanchik00 17.03.25 18:29 Сейчас в теме
Надо было в конце добить аудиторию чем нибудь про MCP
6. starik-2005 3164 17.03.25 19:04 Сейчас в теме
Хорошая статья. И правильно, что это все не "чисто для 1С", а, в принципе, для любого того, в чем вводятся или отображаются какие-то данные (витрины, CRUD-системы, ...).

Не знаю, сможет ли в итоге 1С забустить разработку с помощью ИИ-помощников, но многие другие стеки сейчас активно бустятся. Вон и SAP - не исключение, да и ежу понятно, что они первыми должны были это все к себе затащить.
9. Dimanchik00 18.03.25 07:45 Сейчас в теме
(6)
забустить разработку с помощью ИИ-помощников


Сможет. На партнерском показали уже "Напарника". Нормально разовьется. Ресурсы у них есть. Вопрос в реализации.
12. starik-2005 3164 18.03.25 10:14 Сейчас в теме
(9)

1. Нормально разовьется.
2. Ресурсы у них есть.
3. Вопрос в реализации.
Первое от второго, а сверху третьим. Понятно, что все туда рванут, но математическое образование толком только у китайцев осталось, ну может быть у индусов в отдельных школах заморских стран.
11. mkalimulin 1444 18.03.25 10:13 Сейчас в теме
Хорошая статья, спасибо!
Одно только замечание. Вот здесь, на мой взгляд, вы "сбиваете прицел" людям
Они в облаке. И дело тут не только в стоимости (хотя она тоже важна).

Стоимость использования локального варианта будет намного выше
13. starik-2005 3164 18.03.25 10:15 Сейчас в теме
(11)
Стоимость использования локального варианта будет намного выше
Стоимость утечки данных вы не принимаете в расчет?

В принципе, сейчас карточки с 24 гигами на борту стоят уже вполне бюджетно, если не покупать в первой попавшейся московской перекупне.
14. mkalimulin 1444 18.03.25 10:34 Сейчас в теме
(13) Ой, я тебя умоляю!
Вот, допустим, делаем мы систему для анализа продаж с помощью ИИ. Пользователь говорит, что ему надо и получает, что ему надо. А "под капотом" у нас что? Что "утекает" на сторону? Мы отдаем ИИ информацию о структуре таблицы продаж и получаем в ответ текст запроса. Таким образом мир узнает, что мы ведем учет продаж по клиентам и товарам. Очень ценная информация! Ценнее ее может быть только информация о том, в каком углу офиса у нас стоит кулер с водой.
Или тот же RAG. Его в большинстве случаев используют для того, чтобы создать виртуальных продавцов. Загружают в векторную базу информацию о продаваемых товарах и услугах об условиях работы и т.д. А потом это, о ужас! утекает. Да люди сейчас тратят огромные ресурсы именно на то, чтобы ЭТО "утекало" как можно более широко и беспрепятственно.
Ну правда, сколько уже можно эти страшилки пережевывать? Я призываю внимательно смотреть в каждом конкретном случае, что именно "утекает" и осознанно оценивать риски
15. starik-2005 3164 18.03.25 11:46 Сейчас в теме
(14) Если ты про генератор запроса к базе, то это не совсем ИИ-агент. ИИ-агент - это и ИИ-саппорт по функционалу (где что лежит в системе, как это получить, ... - часть этого вполне может быть скрываемым процессом, иначе нафига СЛК нужна?) Ну и много чего еще. Не стоит ограничиваться генератором запросов.
16. John_d 5982 18.03.25 15:59 Сейчас в теме
(0) Спасибо, интересная статья!
Можете объяснить откуда ИИ-агент на скриншоте узнал, что на складе осталось 4 шт? Как он обратился к базе данных 1с?
Оставьте свое сообщение