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

Вы можете заказать платную адаптацию этой статьи под ваши задачи на «Бирже заказов».

  • 0% комиссии — оплата напрямую исполнителю;
  • Исполнители любого масштаба — от отдельных специалистов до команд под проект;
  • Прямой обмен контактами между заказчиком и исполнителем;
  • Безопасная сделка — при необходимости;
  • Рейтинги, кейсы и прозрачная система откликов.

См. также

SALE! %

Банковские операции Обмен с интернет-банком Мастера заполнения Нейросети Разработчик Бухгалтер Пользователь 1С:Предприятие 8 1C:ERP 1С:Бухгалтерия 3.0 1С:ERP Управление предприятием 2 1С:Управление холдингом 1С:ERP. Управление холдингом 1С:Комплексная автоматизация 2.х 1С:Управление нашей фирмой 3.0 1С:Управление торговлей 11 1С:Розница 3.0 Платные (руб)

Корректируйте банковские документы быстро и легко! Создайте правило обработки — и оно автоматически применится при загрузке выписки (отбор по любому реквизиту или регулярному выражению). Решение заполняет расшифровку платежа, комиссию эквайринга, подбирает ведомости на выплату зарплаты, помечает дубли из банка на удаление и многое другое. Доплачивать за алгоритмы не нужно — они включены в решение. Обработка работает при загрузке из файлов клиент-банка и через DirectBank. Новое — искусственный интеллект: модель приводит нестандартные назначения платежа к виду, понятному алгоритмам, а ИИ-ассистент прямо в 1С консультирует по решению и разбирает код правил и алгоритмов. Поддерживаются локальные и облачные OpenAI-совместимые модели — данные могут не покидать ваш контур.

17500 руб.

20.12.2024    19350    98    32    

83

Нейросети Системный администратор Разработчик Аналитик Бухгалтер Пользователь Руководитель проекта 1С 8.3 1С:Документооборот 1С:Бухгалтерия 3.0 1С:Зарплата и Управление Персоналом 3.x Россия Платные (руб)

Задавайте вопросы базе 1С обычными словами: получайте данные, находите ошибки и связанные документы, проверяйте права, работайте с вложениями и контролируемо вносите изменения. Всё это работает в самой программе, а Codex и Claude подключаются по желанию.

15989 руб.

30.07.2026    12365    26    4    

26

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 метаданным 1С, справке синтакс-помощника и проверки синтаксиса.

15250 руб.

25.08.2025    70741    140    41    

148

Нейросети 1С:Управление торговлей 11 Бесплатно (free)

Я не считаю покупку специализированных платных инструментов обязательной для разработки с ИИ: нужную обвязку тоже можно создать с агентом. Показываю этот подход на расширении УТ 11 с динамическим списком остатков. Одно задание Codex, 37 минут до проверки, работающая форма. Рассказываю, как устроено окружение, почему первую попытку пришлось переснять и что получилось в повторном прогоне.

17.09.2026    4549    61    Ibrogim    46    

17

Нейросети Разработчик Руководитель проекта 1C:ERP Бесплатно (free)

Служба на Rust, через которую Claude Code, Cursor или другой MCP-клиент вызывает узких ИИ-агентов. Агент — папка с prompt.md и config.toml, модель — строка в конфиге: DeepSeek, Claude Code по подписке, Codex или локальная модель. Агент получает MCP-инструменты, работает в фоне, каждый ход записывается. Внутри — цифры за три месяца: 10 351 вызов, 78 агентов.

17.09.2026    1395    0    Sorm    6    

10

Нейросети Бесплатно (free)

Отладка кода 1С традиционно выглядит примерно одинаково: поставить точку останова, запустить клиент, воспроизвести сценарий, дождаться остановки, посмотреть локальные переменные, пройти несколько строк, раскрыть очередную структуру или коллекцию, вычислить выражение — и повторить все это еще несколько раз. А что, если значительную часть этой рутины поручить AI-агенту?

15.09.2026    3174    andrew.ab    5    

15

Нейросети Разработчик Аналитик Руководитель проекта Бесплатно (free)

Я принёс команде приём, с которым нейронка наконец начала понимать нашу конфигурацию: у меня он работал, у коллег — нет. Дело было не в постановке задач и не в настройках: причина в том, что на их машинах индекс конфигурации считался бы несколько дней. Замер на одном и том же своде из 26 035 записей: три часа на процессоре против трёх с половиной минут на видеокарте. Разбираю, что такое индексация конфигурации и почему она дорогая ровно один раз, почему наша основная серверная машина — 64 ядра, 768 гигабайт памяти — на этой задаче проигрывает домашнему компьютеру, и почему приём одного человека упирается в вопрос, который никто не любит задавать.

09.09.2026    4582    solbol    9    

9

Нейросети Разработчик Бесплатно (free)

Первая часть подборки простых приёмов для работы с ИИ-агентами. Без «секретных техник» — скорее сверим часы и посмотрим, какие подходы действительно помогают экономить время, лимиты и нервы. Разберём шесть практических приёмов: как выбирать модель под задачу и не тратить дорогую модель на мелочи; зачем сначала составлять план сложной работы; как сохранять агентские сессии на VPS с помощью tmux и Herdr; почему голосовой ввод даёт больше контекста, но требует проверки; как перепроверять решения одного агента другим; и как организовать параллельную работу через Git worktree. Большинство этих вещей опытным пользователям наверняка знакомо. Но иногда именно «очевидная» мелочь оказывается той, о которой узнаёшь слишком поздно. Возможно, из этой подборки вам пригодится хотя бы один приём.

04.09.2026    3336    Ibrogim    11    

16
Комментарии
Подписаться на ответы Инфостарт бот Сортировка: Древо развёрнутое
Свернуть все
1. GarriSoft 658 25.11.25 16:56 Сейчас в теме
Отлично, коллега!
Особенно понравился ваш "Системный промт", возьму на заметку принцип его формирования. Спасибо.
2. Happyjack 26.11.25 10:55 Сейчас в теме
Отлично!
А сколько времени нужно менеджеру чтобы вручную забить такой заказ (50-70 позиций)? Сколько стоит рабочее время менеджера? Несложно ведь посчитать когда окупится компьютер.
3. VasilyErmak 230 27.11.25 15:24 Сейчас в теме
А не лучше было бы вложится в сервис сбора заказов клиентов и использовать их интеллект?
4. Tigreno 22 27.11.25 19:27 Сейчас в теме
(3) что за сервис сбора заказов?
5. VasilyErmak 230 28.11.25 09:30 Сейчас в теме
(4) Сайт, мобильное приложение.
6. Tigreno 22 28.11.25 13:03 Сейчас в теме
(5) и как это поможет ? клиенты не будут искать на сайте как эта позиция называется - им легче скинуть свой список, а менеджер пусть разбирается.
7. Global__IT 451 30.11.25 18:00 Сейчас в теме
(4) коллега может Вам будет интересно в контексте задачи.
https://infostart.ru/marketplace/2521060/
8. пользователь 18.12.25 10:19
Сообщение было скрыто модератором.
...
9. asoiko 16 15.01.26 11:49 Сейчас в теме
Я экспериментировал с моделью qwen3-8b для более простой задачи поиска статей затрат из списка 100 статей. Она даже для этой задачей справлялось плохо. И часто выдавала не точный ответ. Если взять модель на 72b то, ответы будут и строже соответствовать промту и будут более качественные
10. Tigreno 22 15.01.26 18:01 Сейчас в теме
(9)
Она даже для этой задачей справлялось плохо. И часто выдавала не точный ответ. Если взять модель на 72b то, ответы будут и строже соответствовать промту и будут более качественные


Модели больше 8b не влазиют в видеокарту на 16 Гб, а если и влазиют то совсем впритык и не остается место для vLLM кеша. Если размещать ее в оперативке то время ответа возрастает раза в 3, а это уже критично.

После 3 месяцев полета вполне адекватные ответы.

Здесь больше вопрос к промту и ограничению ответа, у нас все жестко и не забалуешь
11. o.nikolaev 217 18.01.26 00:27 Сейчас в теме
Симпатично и толково.
12. пользователь 27.01.26 16:06
Сообщение было скрыто модератором.
...
13. пользователь 27.01.26 19:22
Сообщение было скрыто модератором.
...
Для отправки сообщения требуется регистрация/авторизация