Как ИИ-агент ищет код в ЕРП УХ: сравнение rlm-tools-bsl и code-index-mcp

29.09.26

Интеграция - Нейросети

Когда настраивал агента для разработки на 1С, я воспользовался rlm-tools-bsl, чтобы не жечь контекст понапрасну. Но затем у Дмитрия Котова увидел стрим с Сергеем Костяковым про code-index и решил их сравнить. На рабочей выгрузке 1С:ERP УХ с доработками. Сначала измерил подготовку индекса, задержки и покрытие эталонных ответов. Затем дал агенту три инцидента из практики.

TL;DR или коротко о результатах

  • Разные интерфейсы работы. В rlm агент пишет Python-код в песочнице и может обработать данные перед выводом. В code-index использует готовые типизированные MCP-вызовы.
  • Подготовка индекса. На моём корпусе code-index построил индекс за 949 с, rlm — за 1323 с. Размеры — 11,55 и 2,65 ГБ соответственно.
  • Покрытие эталонов. На 24 парных заданиях микроусреднение составило 0,72 у code-index и 0,68 у rlm; макроусреднение — 0,52 и 0,50. Разница небольшая, а результаты заметно зависят от категории.
  • Сквозные сценарии. В двух инцидентах агент с code-index использовал в 2,4–2,8 раза меньше токенов. В третьем расход оказался почти одинаковым.
  • Расширения требуют отдельной проверки. В третьем сценарии rlm обнаружил вмешательство CFE-расширения, но у code-index это расширение не входило в индекс. Такой результат нельзя считать симметричным сравнением CFE-анализа. Хотя поначалу я обрадовался, что наконец-то нашел значимую разницу :-)
  • Главная методическая ловушка — состояние сессии. Лимит вызовов rlm и дедупликация ответов code-index сделали первую версию тестового драйвера непригодной для сравнения.

 

Оглавление

#1. Два подхода к поиску по коду

#2. Корпус, версии и стенд

#3. Что и как измерялось

#4. Подготовка индекса: время и место на диске

#5. Скорость запросов и покрытие эталонов

#6. Три инцидента: что меняется, когда поисковиком пользуется агент

#7. Что сломало первую версию сравнения

#8. Как использовать результаты при выборе

#9. Ограничения и следующий шаг

#Вместо вывода

 

1. Два подхода к поиску по коду

Оба инструмента используют SQLite и подключаются к агенту через MCP — протокол взаимодействия модели с внешними инструментами. Разница прежде всего в том, как агент формулирует запрос и обрабатывает результат.

rlm-tools-bsl: обработка данных в песочнице

rlm-tools-bsl предоставляет шесть MCP-инструментов: управление проектами, индексацией и сессией, выполнение кода и справку.

Основная работа выполняется через Python-песочницу. Агент вызывает вспомогательные функции поиска и чтения кода, объединяет результаты, фильтрует их и выводит нужное через print().

Например, чтобы получить сведения о нескольких модулях, агент может написать цикл и вернуть только итоговую таблицу. Промежуточные данные при этом не отправляются в контекст модели.

code-index-mcp: готовые типизированные вызовы

code-index-mcp в проверенной версии предоставляет 32 MCP-инструмента: универсальные и специализированные для 1С.

Агент выбирает операцию — найти функцию, прочитать её тело, получить структуру объекта или дерево вызовов — и передаёт параметры. Произвольный Python-код агенту исполнять не нужно.

Для разбора исходников используется tree-sitter. Отдельный демон следит за изменениями файлов и поддерживает индекс.

 

2. Корпус, версии и стенд

Инструменты

Параметр rlm-tools-bsl code-index-mcp
Версия 1.36.0 1.2.2
Реализация Python Rust
Хранение индекса SQLite SQLite
Подключение MCP Streamable HTTP MCP Streamable HTTP
Режим запуска HTTP-сервис Демон и MCP-сервер
Лицензия MIT MIT

Оба инструмента запускались на одной машине в рабочих конфигурациях, описанных в эксперименте.

 

Исходники

Параметр Значение
BSL-модули 29 897
Строк BSL около 23,5 млн
Файлов всего 135 049
Объём выгрузки около 9,3 ГБ

Это рабочая выгрузка 1С:ERP УХ релиза 3.3.3.4 (типовая) с доработками в расширении. Версия платформы: 8.5.4.1683

 

Машина и условия

  • AMD Ryzen 5 5500U, 6 ядер / 12 потоков.
  • 16 ГБ оперативной памяти.
  • NVMe SSD.
  • Windows 11 Pro.

Замеры выполнялись ночью, последовательно, без намеренно созданной параллельной нагрузки (никто на ноуте в этот момент не работал). Кеши ОС между повторами принудительно не сбрасывались.

Автоматизированные тесты запросов работали без LLM. Модель участвовала только в организации сквозных сценариев и сборке результатов работы.

 

О конфликте интересов

Я не автор этих инструментов и не связан с их разработчиками. Но с rlm-tools-bsl работаю регулярно, а основу тестового набора составили мои сессии именно с ним.

Это могло повлиять на выбор задач и способов их решения. Поэтому результаты стоит воспринимать как сравнение на одном практическом наборе, а не как нейтральное покрытие всех возможностей обоих проектов.

 

3. Что и как измерялось

Эксперимент состоит из трёх частей.

  1. Подготовка: время построения индекса, его размер и поведение после изменений файлов.
  2. Запросы: задержки и покрытие заранее подготовленных эталонов.
  3. Работа агента: диагностические выводы, число вызовов, время и расход токенов на реальных инцидентах.

Тестовые задания

При подготовке набора агент разобрал 324 вызова моих рабочих сессий. Около 77% вызовов вспомогательных функций относились к навигации и точечному чтению: найти модуль, получить список процедур, прочитать нужную процедуру или фрагмент файла.

На этой основе подготовлены 29 заданий.

Категория Содержание Число заданий
C1. Навигация Модули объекта, тело процедуры, сигнатуры, метрики модуля 4
C2. Метаданные Реквизиты, табличные части, формы, структура регистра, предопределённые элементы 4
C3. Поиск Подстроки, имена методов, регулярные выражения 5
C4. Граф вызовов Вызывающие процедуры, иерархии, пути между процедурами 4
C5. Влияние Ссылки на объект, движения регистров, подписки, использования в коде 5
C6. Бизнес-поиск Поиск по формулировке задачи, синонимам и областям кода 3
C7. Пакетная работа Сведения о нескольких модулях и процедурах, агрегаты по объектам 4

Для 25 заданий подготовлены парные способы выполнения. Для четырёх — предопределённых элементов и трёх заданий C6 — эквивалентный сценарий code-index в этом наборе не подготовлен.

Это не доказательство невозможности решить их средствами code-index. Они рассматриваются отдельно и не входят в общий результат сравнения.

Ещё одно парное задание, о подписках на события, исключено из расчёта полноты: запрос для rlm содержал мою ошибку. Таким образом, итоговое покрытие сравнивается по 24 парным заданиям.

 

Эталоны и покрытие ответа

Эталоны составлялись агентом с помощью прямого чтения исходников и XML, текстового поиска, ручной проверки и, для части заданий, запросов к существующему индексу rlm.

Последний источник создаёт риск смещения: не все эталоны полностью независимы от участников сравнения.

Скорер извлекал из ответов элементы, предусмотренные эталоном: например, пути файлов, имена процедур и точки вызова. Пути нормализовались. LLM в оценивании не участвовала.

Далее под полнотой понимается доля элементов эталона, обнаруженных в ответе:

Полнота = число найденных элементов эталона / число элементов эталона.

Это не оценка правильности ответа целиком. Более того, метрика не штрафует за лишние или ошибочные элементы.

Использовались два способа усреднения:

  • Микроусреднение: суммарное число найденных элементов делится на суммарный размер эталонов. Большие эталоны имеют больший вес.
  • Макроусреднение: полнота сначала считается для каждого задания, затем берётся среднее. Все задания имеют одинаковый вес.

Поскольку задания неоднородны, общий показатель нужно читать вместе с результатами по категориям.

 

Повторы и состояние сессии

Для задержек каждое задание выполнялось десять раз. Полнота оценивалась по ответу последнего повтора.

В окончательной версии теста каждый повтор выполнялся в новой сессии. Это оказалось обязательным условием: rlm ограничивал число выполнений кода в сессии, а code-index мог не возвращать данные, уже переданные ранее.

Новая сессия устраняет эти эффекты, но не гарантирует холодного файлового кеша или отсутствия внутренних кешей.

 

4. Подготовка индекса: время и место на диске

Для полного построения индекс удалялся, после чего запускалась индексация. Выполнено по три повтора; в таблице приведены медианы.

Показатель rlm-tools-bsl code-index-mcp
Полная индексация 1322,6 с 949,2 с
Диапазон трёх повторов 1320,7–1330,7 с 941,2–953,2 с
Размер индекса 2,65 ГБ 11,55 ГБ
Измеренный пик RAM Нет корректного замера Около 1,6 ГБ

Размеры указаны в десятичных гигабайтах.

Корректно измерить память rlm не удалось: сэмплер наблюдал за процессом обёртки, а не за рабочим процессом.

На этом стенде code-index строил индекс примерно в 1,4 раза быстрее. В понятных величинах — около 16 минут вместо 22. Индекс при этом занимал примерно в 4,4 раза больше места.

Содержимое индексов различается. code-index сохраняет в базе в том числе сжатое содержимое файлов, rlm делает акцент на извлечённой структуре, метаданных и связях.

Поэтому размер — не самостоятельная оценка эффективности. Он показывает цену выбранной модели хранения. Для одного проекта разница может быть несущественной; для нескольких больших выгрузок на ноутбуке — уже заметной.

Что получилось измерить после исправления тестовой системы

Изменение rlm code-index
Один модуль и один XML 259,8 с 1767,8 с
Двадцать модулей 268,5 с Более 1800 с, остановка по таймауту

Эта таблица не сравнивает штатный инкремент двух инструментов.

У rlm выполнялся перескан корпуса: выгрузка не находилась в Git, поэтому ускоренный путь через Git был недоступен.

У code-index использовалась консольная команда, которая в данном запуске фактически пересчитывала корпус. Его обычная модель — обработка изменений файлов демоном — этим тестом не измерена.

Практический вывод ограничен: для использованного способа запуска получены именно такие времена. Делать из них вывод «инкремент rlm быстрее» нельзя. Но раз уж посчиталось - добавил в текст статьи.

 

5. Скорость запросов и покрытие эталонов

Задержки: преимущество code-index в этом прогоне

По сводке автоматизированного прогона типичные задержки rlm в разных категориях лежали в диапазоне от десятков до нескольких сотен миллисекунд. У code-index большинство измеренных значений находилось в пределах 9–42 мс; отдельные пакетные операции доходили до 93 мс.

Это результат конкретных вызовов на готовых индексах. В измерение входят разные пути выполнения: готовые операции code-index и выполнение Python-кода в песочнице rlm, а также возможное чтение и дополнительный разбор файлов.

 

Покрытие по категориям

Основная таблица включает только парные задания. Значения по категориям — средняя полнота заданий категории.

Категория

Число

заданий

 rlm code-index
C1. Навигация 4 0,83 0,81
C2. Метаданные 3 0,44 1,00
C3. Поиск 5 0,20 0,20
C4. Граф вызовов 4 0,62 0,73
C5. Влияние 4 0,29 0,38
C7. Пакетная работа 4 0,66 0,19
Микроусреднение по 24 заданиям 24 0,68 0,72
Макроусреднение по 24 заданиям 24 0,50 0,52

В сумме code-index покрыл больше элементов эталонов. Разница составляет 4 процентных пункта при микроусреднении и 2 — при макроусреднении.

На небольшом наборе неоднородных задач это не основание объявлять универсального победителя. Гораздо полезнее посмотреть, где именно возникли различия.

 

Навигация: близкие результаты

Найти модуль, получить список процедур и прочитать нужный участок — наиболее частый рабочий сценарий в исходных сессиях.

Здесь результаты близки: 0,83 у rlm и 0,81 у code-index. Для выбора важны уже не столько эти два числа, сколько задержка, удобство вызовов и размер возвращаемого фрагмента.

 

Метаданные: преимущество code-index на выбранных заданиях

На трёх парных заданиях code-index покрыл эталон полностью, rlm — в среднем на 0,44.

Различия возникли при получении структуры объектов: реквизитов, табличных частей, измерений и ресурсов. Это один из наиболее выраженных результатов данного набора.

Отдельное задание про предопределённые элементы выполнялось только rlm и сюда не включено.

 

Граф вызовов: важен не только парсер, но и обрезка ответа

Результаты — 0,62 у rlm и 0,73 у code-index.

В одном задании с иерархией вызывающих оба инструмента столкнулись с ограничениями выдачи. У code-index сработал лимит числа узлов, у rlm часть дерева не попала в напечатанный ответ. При этом code-index показал больше файлов из эталонного набора.

Этот пример полезен для практики: инструмент может обнаружить связи внутри себя, но не передать их агенту в доступной форме.

Однако он не доказывает превосходство AST-разбора над регулярными выражениями. Для такого вывода нужно отдельно сравнивать найденные связи до обрезки и проверять ложные срабатывания.

 

Анализ влияния: code-index нашёл больше элементов эталона

В категории C5 результат составил 0,38 против 0,29.

Например, в задании о движениях регистров при проведении code-index вернул 8 элементов эталона из 8, rlm — 4 из 8.

Это преимущество в покрытии выбранного ответа. Утверждать, что результат ещё и точнее, нельзя: лишние и ошибочные элементы отдельно не оценивались.

 

Пакетная работа: преимущество rlm с оговоркой о запросах

В C7 rlm получил 0,66, code-index — 0,19.

Программируемая песочница удобна для задач «обойти несколько модулей, собрать сведения и вывести агрегат». Но часть потерь code-index связана с конкретными вызовами: использованный запрос bsl_sql возвращал global top-10 вместо данных по целевым модулям.

Поэтому корректный вывод такой: подготовленные для теста сценарии rlm лучше решили эти задания. Чтобы отнести разницу к архитектуре, нужно сначала исключить ошибки и неоптимальные параметры запросов code-index.

 

Поиск: низкая полнота не всегда означает бесполезный ответ

В C3 оба инструмента получили 0,20.

Использованные вызовы возвращали ограниченные выборки. Для задания «перечислить все вхождения» это снижает полноту. Для агента, которому нужны несколько точек входа в код, такая выдача может быть полезной.

Это разные задачи:

  • найти место, с которого начать разбор;
  • получить исчерпывающий список;
  • точно посчитать все вхождения.

Наш показатель ориентирован на покрытие эталона. Он не измеряет, насколько быстро агент сумеет продолжить работу с найденной точки.

 

Дополнительные задания rlm

За пределами парного сравнения остались четыре задания.

Задание Результат rlm
Предопределённые элементы справочника Пустой ответ при наличии 18 элементов в XML
Три задания C6: формулировка задачи, синонимы, области кода Среднее покрытие 0,07

Пустой ответ find_predefined требует отдельной проверки: возможны дефект инструмента, изменение контракта или ошибка обращения к нему.

Низкий результат C6 показывает лишь то, что выбранные вызовы плохо покрыли подготовленные эталоны. Он не позволяет делать общий вывод о невозможности смыслового поиска без LLM.

 

6. Три инцидента: что меняется, когда поисковиком пользуется агент

Автоматизированные задания проверяют заранее заданные вызовы. В реальной работе модель сама решает, что искать дальше, сколько кода читать и когда остановиться.

Для этой части использовалась одна модель — glm-5.3-flash. Для каждого инструмента запускался отдельный субагент. Промпты и параметры генерации между парными прогонами были одинаковыми.

Доступ к исходникам разрешался только через назначенный поисковик. В итоговом ответе агент должен был указать предполагаемую причину, место в коде, цепочку рассуждения и рекомендацию.

Одинаковые настройки не устраняют вариативность поведения модели. Эти результаты показывают конкретные траектории решения, а не устойчивое среднее по множеству запусков.

 

Расход ресурсов

Сценарий Инструмент Токены по счётчику субагента Вызовы инструмента Время
S1. Ошибка обращения по ключу rlm 317 543 37 38,6 мин
S1 code-index 129 321 43 17,8 мин
S2. «Объект не найден» rlm 240 047 25 24,5 мин
S2 code-index 86 167 49 14,1 мин
S3. «Отразить в учёте» rlm 131 317 30 22,1 мин
S3 code-index 129 680 59 25,2 мин

Это счётчик расхода токенов, а не денежная стоимость. Без разбивки на входные, выходные и кешированные токены переводить числа в деньги некорректно.

 

S1. «Значение, соответствующее ключу, не задано»

При открытии формы договора с типом «С хранителем» возникала ошибка. Стек указывал на общий модуль ДоговорыКонтрагентовФормыУХКлиентСервер, строку 980.

Оба агента пришли к одинаковому объяснению: код обращается к ФиксированноеСоответствие ОперацииГрафика по ключу предопределённой операции, которой нет в наборе для договора этого типа.

Оба также нашли процедуру инициализации соответствия около строки 714. То есть результатом стал не пересказ стека, а связь между местом ошибки и подготовкой данных.

В этом прогоне code-index потребовал примерно в 2,5 раза меньше токенов и меньше времени, хотя агент сделал больше вызовов инструмента.

 

S2. «Объект не найден» в поле договора

В форме закупки поле «Договор» содержало битую ссылку, хотя нужный договор был заведён.

Оба агента обнаружили необычный признак: GUID ссылки начинался с байтов 6e 75 6c 6c, соответствующих ASCII-строке null. Далее они указали код автоподбора, формирующий ссылку из строкового идентификатора без проверки существования записи.

Совпадение диагностических выводов здесь интересно само по себе: агентам понадобилось связать отображаемую пользователю ошибку с устройством идентификатора и местом его формирования.

Расход токенов с code-index оказался примерно в 2,8 раза ниже.

При этом совпадение ответов двух агентов не заменяет проверки по данным базы и отладке. В подобных сценариях найденный код и подозрительная ссылка — основание для проверки диагноза, а не автоматическое доказательство.

 

S3. «Отразить в учёте»: разные доступные слои кода

Третий инцидент связан с длительным выполнением команды «Отразить в учёте» и настройками финансового учёта номенклатуры.

Задача была шире поиска одной строки: восстановить цепочку обработки, определить задействованные регистры, подписки и переопределения.

Агент с rlm обнаружил в расширении замену функции БухгалтерскийУчетПовтИсп.СчетВИерархии через &Вместо. В найденной реализации исключения перехватывались без дальнейшей передачи ошибки. Такое вмешательство потенциально важно для диагностики.

Агент с code-index разобрал типовую цепочку: фоновое задание регламентированного учёта, регистр «Международный» и отсутствие правила уточнения счёта для группы финансового учёта.

Но условия были несимметричными:

  • rlm обнаружил соседнее расширение;
  • code-index индексировал только каталог основной конфигурации;
  • исходников расширения в его индексе не было.

Поэтому S3 показывает различие в доступном корпусе и поведении при настройке, а не кто лучше.

Кроме того, найденное переопределение и подозрительный участок типового кода — ещё не подтверждённая первопричина задержки. Для этого нужна отдельная проверка исполнения.

Следующий необходимый эксперимент — включить расширение в доступный корпус обоих инструментов и повторить сценарий.

 

Что можно сказать о расходе токенов

В S1 и S2 агент с code-index сделал больше вызовов, но использовал меньше токенов. В S3 расход почти совпал.

Это наглядное напоминание: число вызовов не равно стоимости решения. Несколько коротких ответов могут обходиться дешевле одного большого, особенно если его содержимое затем многократно передаётся в контексте.

Но объяснить разницу только размером выдачи пока нельзя. Для этого нужны раздельные измерения ответов инструментов, входного контекста и генерации модели.

 

7. Что сломало первую версию сравнения

Этот раздел оказался не менее полезным, чем сами сравнительные результаты.

 

Лимит выполнений rlm

В проверенной конфигурации после 25 вызовов rlm_execute в одной сессии возникала ошибка Execution call limit exceeded.

Наивный цикл повторов начинал измерять ошибки вместо выполнения заданий. Тестовая система должна учитывать жизненный цикл сессии и проверять не только HTTP-статус, но и содержимое ответа инструмента.

 

Дедупликация code-index

code-index мог исключать из повторного ответа данные, уже переданные в этой MCP-сессии. В ответе появлялся признак rows_elided_already_delivered.

Для агента это может быть полезным сокращением повторного контекста. Для бенчмарка — ловушка: первый и последующие вызовы перестают быть сопоставимыми по содержимому.

Это не следует путать с обычным ускорением за счёт кеша. Здесь меняется сам ответ.

В окончательной версии драйвера каждый повтор выполнялся в новой сессии, а неожиданные ошибки останавливали прогон.

Всего получилось 540 выполнений заданий:

  • 25 парных заданий × 2 инструмента × 10 повторов;
  • 4 дополнительных задания rlm × 10 повторов.

 

Индекс построен, но сервис его не использует

В моей конфигурации консольная утилита rlm и Windows-сервис обращались к разным каталогам индекса. В результате индекс существовал, но сервис переходил к резервному разбору исходников.

Это меняло задержки на порядки для отдельных операций.

Перед замером полезно проверять фактическую загрузку индекса — в данном случае по полю index.loaded в ответе rlm_start — и согласованность RLM_INDEX_DIR, окружения и пользователя, под которым запущен сервис.

 

Псевдонимы репозитория

При разных способах запуска code-index в моём окружении использовались разные значения псевдонима репозитория: src и default.

Практическая рекомендация — получать список репозиториев от сервера, а не предполагать, что имя осталось прежним после изменения конфигурации.

 

Пакетные операции требуют настройки

Для использованных пакетных вызовов code-index понадобилось включить mass_mode_tools в daemon.toml.

Если сравнивать пакетные сценарии без этой настройки, можно ошибочно принять отключённую возможность за отсутствие функциональности.

Все эти наблюдения относятся к указанным версиям и окружению. Их стоит перепроверять после обновления инструментов.

 

8. Как использовать результаты при выборе

По этому эксперименту я бы не выбирал инструмент по одной итоговой цифре. Полезнее начать со своих типичных задач.

Потребность Что проверить первым Основание
Частая навигация и точечное чтение code-index Низкие задержки в этом прогоне при близком покрытии C1
Получение структуры объектов 1С code-index Лучшее покрытие трёх парных заданий C2
Пакетная обработка с собственной логикой rlm Удобство циклов и агрегаций в песочнице; лучший результат подготовленных сценариев C7
Ограниченное место под несколько индексов rlm 2,65 ГБ против 11,55 ГБ на этом корпусе
Работа с соседними расширениями rlm как первый вариант для проверки Автоматическое обнаружение расширения помогло в S3; симметричный тест ещё нужен
Работа без исполнения агентом произвольного Python-кода code-index Готовые типизированные операции вместо программируемой песочницы
Автоматическое обновление после правок Проверить штатный режим code-index на своём проекте Событийная модель предусмотрена, но её задержка здесь не измерена
Снижение расхода токенов Начать с code-index и повторить свои сценарии Меньший расход в S1 и S2, почти одинаковый в S3

Отсутствие исполнения произвольного Python-кода — только один аспект безопасности. Read-only-доступ к исходникам тоже требует контроля прав, сетевого доступа и передачи конфиденциального кода модели.

Можно подключить оба инструмента. Но это не гарантирует лучший результат автоматически: агенту придётся выбирать между пересекающимися возможностями, а команде — поддерживать два индекса и проверять их актуальность.

Поэтому вариант «держать оба» тоже стоит проверять как отдельную конфигурацию, а не считать бесплатным улучшением.

 

9. Ограничения и следующий шаг

Этот эксперимент ограничен одним корпусом, одним стендом и одной моделью в сквозных сценариях.

Что осталось проверить:

  • точность выдачи и ложные срабатывания;
  • источники и независимость всех эталонов;
  • устойчивость агентных результатов при повторных запусках;
  • корректность и оптимальность парных вызовов, особенно SQL в C7;
  • штатное событийное обновление индекса;
  • S3 при одинаковом доступе к CFE;
  • память рабочего процесса rlm;
  • поведение на других форматах выгрузки и другом железе.

Часть результатов уже полезна: известны цена построения индекса, размер на диске, наблюдаемые задержки и проблемные места выбранных сценариев. Но некоторые вопросы требуют нового прогона, а не более уверенного объяснения старых чисел.

 

Вместо вывода

Ну и зачем тогда эта статья, если ты сам же написал, что нужно улучшить в тесте, чтобы все было красиво? - спросит дочитавший до конца. Затем, что я потратил довольно много времени на сравнение и непонятно, интересно ли это хоть кому-нибудь кроме меня. Поэтому оттолкнусь от реакции на статью: будет интерес - сделаю

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

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)

Подключите ИИ к 1С и решайте рабочие задачи обычными словами. От работы с данными до доработки конфигурации через расширения, всё в привычном чате с ИИ-помощником. Теперь с поддержкой DeepSeek Harness, Kimi Code и Kimi Work, доступных в России без VPN.

15990 руб.

30.07.2026    19995    42    4    

40

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    21825    107    32    

90

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    77708    147    41    

154

SALE! 30%

Нейросети 1С 8.3 1С:Бухгалтерия 2.0 1С:Бухгалтерия 1.6 1С:Бухгалтерия 3.0 1С:Управление холдингом 1С:Управление нашей фирмой 1.6 1С:Управление нашей фирмой 3.0 1С:Управление торговлей 10 1С:Управление торговлей 11 1С:Документооборот Россия Платные (руб)

Расширение добавляет в 1С чат с ИИ-агентом. Пользователь пишет вопрос обычными словами: «какие УПД не подписаны?», «какой НДС к уплате за квартал?», «что висит на согласовании дольше недели?», а агент сам строит запросы к базе с правами этого пользователя и отвечает цифрами, таблицей, диаграммой или файлом Excel. Плитки «Аналитик», «Бухгалтер» и «Руководитель» дают сводку по базе одной кнопкой. Агент разбирает ошибки по скриншоту, сверяет прайсы поставщиков и проверяет коды маркировки. С версии 1.0.21 спрашивать можно и с телефона: QR-код в окне агента, без установки приложения. Работает в УТ 11, КА 2, ERP 2, БП 3.0, УНФ 3.0, Документооборот 3.0 и Альфа-Авто 6, ставится одним расширением.

18300 руб.

05.10.2026    4161    15    9    

15

Распознавание документов и образов Нейросети 1С:Предприятие 8 1С 8.3 1С 8.5 1C:Бухгалтерия 1С:Зарплата и Управление Персоналом 3.x Беларусь Россия Казахстан Армения Платные (руб)

ИИ-сканер документов с REST API для интеграции с 1С и корпоративными системами. Извлекайте данные из счетов, паспортов, дипломов, патентов и трудовых книжек за секунды. Точность человека - скорость машины. Приложение поддерживает восемь типов документов, четырех провайдеров ИИ (имеется возможность использования локальных ИИ), локальный REST API и экспорт в JSON. Важно! модель должна поддерживать функцию Vision (распознавание файлов и картинок). Запускайте используя локальные ИИ, без подписок и ограничений

6100 руб.

24.08.2026    1544    3    0    

2

Инструментарий разработчика Нейросети Системный администратор Разработчик Руководитель проекта 1С 8.3 Платные (руб)

Обработка заменяет ФИО, организации, ИНН, ИИН, БИН, ОГРН, КПП, БИК, счета и IBAN, паспорта, СНИЛС, адреса, телефоны, почту и суммы на правдоподобные выдуманные перед отправкой данных в ChatGPT, Claude или YandexGPT, а потом расшифровывает ответ модели обратно, подставляя настоящие имена и настоящие числа. Возвращаются и те итоги, которые модель посчитала сама: суммы масштабируются одним коэффициентом, поэтому пропорции и доли переживают обезличивание. Словарь замен хранится в самой базе и подхватывается автоматически, даже если обработку закрывали. Реквизиты России и Казахстана, любая конфигурация от 8.3.24, без единой зависимости.

14640 руб.

07.08.2026    2299    3    0    

3

Нейросети Разработчик Бесплатно (free)

Как автоматически создавать маркетинговые ролики для собственных IT-продуктов, используя ИИ? В предыдущей статье я рассказывал о Zapis — приложении для работы с речью и текстом. Теперь расширил его возможности: добавил конвейер создания видео, в котором ИИ-агент изучает материалы проекта, готовит сценарий, подбирает реальные скриншоты и пишет текст диктора. Zapis отвечает за озвучку, а Remotion — за анимацию и сборку. На примере обмена ПУТ на OneBase -> 1С:Бухгалтерия 3.0 покажу готовый 83-секундный ролик из восьми сцен. Разберём, как устроен процесс, зачем нужны настоящие скриншоты интерфейса, как синхронизируются речь и изображение и что сохраняется для повторной сборки после изменений в продукте. Исходный код и инструкции доступны в открытом репозитории Zapis.

06.11.2026    604    Ibrogim    2    

11

Нейросети Разработчик 1С 8.3 Бесплатно (free)

Как подключить ИИ-агента к разработке 1С на примере обработки «Почему не закрывается месяц»: одна папка, копия демобазы и несколько скриптов. Семь шагов: агент, выгрузка в файлы, правила, проверка кода, сборка, тесты YAxUnit и сценарии форм. На каждый: зачем он нужен, команда и где легко споткнуться. В конце: что выросло поверх, три ошибки с разных типовых и сколько это стоило.

05.11.2026    8339    Iliaelagin    10    

16