Загрузка заказов клиента с помощью ИИ

25.11.25

Интеграция - Нейросети

Узко специализированный кейс "Как с помощью ИИ можно загружать заказы любого формата и из любого источника".

Добрый день.

 

Предпосылки и описание боли

Я работаю в оптовой компании по продаже фурнитуры и комплектующих для производства МЯГКОЙ мебели (диваны, пуфики, кровати и т.д.). В отличие от корпусной мебели, где все построено на артикулах, в нашей сфере царит полный хаос. Кто как хочет, так и называет материалы. А так как компания у нас "клиентоориентированная", мы все это проглатываем и преобразуем названия клиентов в наши и периодически додумываем за них.

Почему такое происходит? 

  1. Много производств, которые выпускают одно и то же, но каждый применяет свою маркировку. "Пенополиуретан", "ППУ" и "Поролон" это одно и то же. Размеры кто-то указывает в мм, см и м.
  2. Конструктор разрабатывает спецификацию на диван. Он не ищет, как этот материал называется у поставщика, и дает названия деталям как ему угодно и так же их заводит в учетной программе. Закупщик формирует потребность в программе, не заморачивается и скидывает как есть.
  3. Небольшие предприятия не имеют учетных программ, которые могут сказать, что им надо заказать, поэтому заказы формируются на коленке, и названия оставляют желать лучшего.

Скидывают заказы всеми возможными способами и форматами. XLS, DOC, PDF, фото экрана. Но, как показала практика, большинство просто текстом в теле письма или мессенджера.

Если у вас не так, можно дальше не читать.

 

Техническая информация

На волне хайпа про ИИ нам захотелось попробовать "а что это такое" и поэтому, когда стоял выбор между облаком или своим - чаша склонилась ко второму варианту. Мы не знали, как сможем это использовать, и пробуем сейчас различные варианты применения. Пока в продакшн ушло распознавание назначения платежа и загрузка заказов клиента.

На сегодняшний день могу сказать: "Что экономического смысла держать у себя свой сервер с ИИ нету". Мы собрали компьютер с видео картой RTX 5080 c 16 gb стоимостью чуть больше 200к. Поставили на нее Phoenix, которая подсчитывает потребленные токены и пересчитывает это в деньги. На сегодняшний день среднее потребление у нас 70$ в месяц. Сколько будет окупаться этот компьютер, без учета света и ЗП разработчика?

Если вы не планируете передавать конфиденциальные/персональные данные, то лучше облако. Оно мощнее, быстрее и лучше работает.

На комп вначале была установлена Ollama, потом перешли на vLLM (пошустрее работает и может обрабатывать несколько запросов параллельно). Модели разные пробовали, но остановились на qwen3-8b (более мощные не влезают на видеокарту).

 

Реализация

Есть заказ клиента в каком-то формате (XLSX, DOCX, PDF). С помощью различных методов превращаем его в текстовый вид (в нашем случае это markdown разметка). Мы нашли модуль для python, который довольно неплохо это делает (сейчас не подскажу какой, но если будет интерес, узнаю). Если скидывают JPG - нужно применять OCR, но здесь мы в стадии разработки. Если текст скидывают в теле письма, то я его упаковываю в файл txt. На выходе должно получиться примерно следующее:

 
 Это фотография из WhatsApp
 
 Это docx из почты
 
 Просто текст в Whatsapp

 

Добавляем к промту продажи клиента за последний год в формате json. Почему именно продажи клиента, а не весь каталог? 

  1. У нас около 20 000 позиций и мы не проходим в контекстное окно (у к qwen3 оно 40 000 токенов)
  2. Большинство клиентов пишут сокращенное наименование, например как в последнем запросе, и надо подобрать именно ту позицию, которую он брал ранее. Если вывалить весь список, то одной и той же позиции будет 15 штук, только разного размера.
 
 Список продаж клиента

 

Пишем системный промт. Здесь надо проявлять креативность и, как показала практика, по максимуму привлекать ИИ. Чтобы они на своем правильно описали, что мы от них хотим.

 
 Системный промт

 

Даже при указании в промте, что строго возвращай ответ в json, прилетал текст с пояснениями и другими фантазиями. Выход - указание json-схемы при запросе:

 
 json_schema

 

Отправляем все это дело в ИИ, ждем от 7 до 90-100 сек (в зависимости от размера промта с продажами) и на выходе получаем json:

 
 Ответ в JSON. Это ответ на первый запрос по фотографии в Whatsapp

 

Дальше в 1С с этим можно работать как душе угодно. Я немного доработал обработку "ЗагрузкаТоваровИзВнешнихФайлов" и все передаю в нее, а там уже записываю наименование партнера "на будущее" и добавляю все необходимые атрибуты для заказа (вид цены, единицу измерения). В ответе представлено поле единица измерения, если в 1с указана упаковка, то пытаемся пересчитать количество в базовые единицы.

 

ВЫВОДЫ:

  • Вполне рабочая схема. Правильно находится 80% - 90% позиций, что не находится, пользователь указывает соответствие и в следующий раз отрабатывает на 99 % (бывают погрешности).
  • Заказ из 50 -70 позиций заводится в программу  за минуту (30 сек ИИ + 30 сек быстренько пробежаться глазами).

 

p.s. Это моя первая статья не только на Инфостарте, а вообще, так что не судите строго.

Вступайте в нашу телеграмм-группу Инфостарт

См. также

Инструментарий разработчика Нейросети Платные (руб)

Первые попытки разработки на 1С с использованием больших языковых моделей (LLM) могут разочаровать. LLMки сильно галлюцинируют, потому что не знают устройства конфигураций 1С, не знают нюансов синтаксиса. Но если дать им подсказки с помощью MCP, то результат получается кардинально лучше. Далее в публикации: MCP для поиска по метаданым 1С, справке синтакс-помошника и проверки синтаксиса.

9900 руб.

25.08.2025    24273    60    10    

65

Администрирование веб-серверов Сервера Нейросети Программист Платные (руб)

Сервер поиска по метаданным и поиска по коду, Сервер экспорта и поиска по документации, Сервер синтаксической проверки кода

17.06.2025    17039    0    Infostart    20    

113

Мастера заполнения Нейросети 1С v8.3 1C:Бухгалтерия 1С:Управление торговлей 11 Платные (руб)

Расширение для заполнения описания товара (номенклатуры) с помощью модели ИИ ChatGPT с ключевыми словами. 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. Прошло аудит на 1cfresh.com. Версия для автоматического заполнения

5000 руб.

13.03.2023    21717    55    50    

79

Нейросети Пользователь 1С v8.3 1С:Управление нашей фирмой 1.6 1С:Управление торговлей 11 1С:Управление нашей фирмой 3.0 Оптовая торговля, дистрибуция, логистика Россия Управленческий учет Платные (руб)

Расширение "Искусственный интеллект и нейросети в 1С: Работа с отзывами маркетплейсов" предназначено для применения искусственного интеллекта в повседневной деятельности селлеров на маркетплейсах. Среди функций - работа с отзывами, вопросами и чатами покупателей, диалог с нейросетями, генерация картинок, заполнение описаний номенклатуры и другое.

6000 руб.

03.04.2024    11847    6    0    

11

Нейросети Распознавание документов и образов Программист 1С v8.3 Россия Абонемент ($m)

Статья описывает практический подход к автоматизации сравнения документов с применением технологий OCR и локальных языковых моделей. Рассматриваются этапы настройки и интеграции Tesseract OCR, LM Studio и внешней обработки 1С для создания автономного решения.

1 стартмани

20.11.2025    922    prokhodolya    4    

17

Нейросети Программист Бесплатно (free)

Большие языковые модели все чаще применяются для генерации кода на 1С, но до сих пор нет единого способа объективно сравнить их качество. Объясняем, как работают метрики BLEU, CodeBLEU и pass@k, и как их можно адаптировать для оценки LLM в экосистеме 1С. Показываем, какие задачи – от простых функций до рефакторинга – помогают полноценно оценить интеллект модели и ее знание платформы. Разбираем ключевую проблему проверки логики и синтаксиса в автоматическом режиме и показываем бенчмарк, который решает эту задачу, сравнивая ChatGPT, Claude, GigaChat и другие модели по единым стандартам.

31.10.2025    2804    Vaslot    14    

16

Нейросети Рефакторинг и качество кода Программист Бесплатно (free)

ИИ для код-ревью – не просто модный тренд, а реальный инструмент, который уже помогает разработчикам экономить время и повышать качество кода. В статье разбираемся, как запустить локальную LLM на базе Ollama, подключить ее к Git через Webhook и Python-скрипт, а также какие параметры модели отвечают за точность и галлюцинации. Делимся схемой работы, настройками и результатами тестирования, доказывая, что автоматизированное код-ревью действительно может работать – даже без космического бюджета.

30.10.2025    3109    user2100900    3    

15

Нейросети Бесплатно (free)

Если вам кажется, что искусственный интеллект – это просто модный хайп, то самое время пересмотреть свои взгляды. Показываем, как с помощью протокола MCP (Model Context Protocol) превратить языковую модель в полноценного помощника, способного работать с вашей базой 1С: запрашивать данные, анализировать метаданные и создавать новые объекты по команде. На живых примерах объясняем, как подключить MCP-сервер к IDE Cursor, безопасно использовать локальные модели и уже сегодня начать интегрировать 1С и приложения с ИИ. Вы получите готовый open-source проект, с которым сразу сможете начать свои эксперименты.

27.10.2025    9490    wonderboy    24    

49
Комментарии
Подписаться на ответы Инфостарт бот Сортировка: Древо развёрнутое
Свернуть все
1. GarriSoft 171 25.11.25 16:56 Сейчас в теме
Отлично, коллега!
Особенно понравился ваш "Системный промт", возьму на заметку принцип его формирования. Спасибо.
Для отправки сообщения требуется регистрация/авторизация