Совсем недавно вышла gemini-3.5-flash. По качеству ответов среди бюджетных нейросетей (GigaChat-2-Max, deepseek-v4-pro) её уже можно назвать полноценным наставником по 1С. Она не создаёт дыры в бюджете и полностью заменила для меня поисковик, помогая наращивать компетенции в предметных областях, конфигурациях 1С и практике кода. Диалог с ней я веду из 1С, сохраняя в базе знаний полученные ответы, чтобы повторять и запоминать их. Предлагаю Вам ознакомиться с моим инструментом диалога с нейросетью.
Файлы
ВНИМАНИЕ:
Файлы из Базы знаний - это исходный код разработки.
Это примеры решения задач, шаблоны, заготовки, "строительные материалы" для учетной системы.
Файлы ориентированы на специалистов 1С, которые могут разобраться в коде и оптимизировать программу для запуска в базе данных.
Гарантии работоспособности нет. Возврата нет. Технической поддержки нет.
Вы можете заказать платную доработку или адаптацию этой разработки под вашу конфигурацию 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.
Работа со знаниями происходит из единого окна реестра знаний.
В реестре знаний можно быстро спросить нейсеть напрямую, без открытия дополнительных окон.
Можно вложить контекст запроса либо фрагмент кода для анализа.
Можно задать теги. Из тегов знаний сверху окна отображается накопленное кликабельное облако тегов.
Вы не ограничены одной только gemini-3.5-flash. Можно выбрать любую нейросеть, доступную в агрегаторе AI Tunnel, с которым настроена API интеграция.
Ещё интеграция настроена с GigaChat от Сбер. С ним можно общаться напрямую, минуя AI Tunnel. Но качество ответов GigaChat намного хуже gemini-3.5-flash.
(В разработке) Инструмент, помимо ответов нейросети, позволяет работать из единого окна знаний с диаграммами PlantUML, заметками, задачами и страницами базы знаний в markdown-разметке. К ним также можно добавлять теги. Для страниц базы знаний доступна иерархия в дереве.
Цена вопроса
Один запрос gemini-3.5-flash мне обходится в ~6 рублей. За день выходит стоимость одной чашки кофе. Но после того, как я получил качество, на более дешёвые модели либо использование встроенного ИИ в поисковике даже смотреть не хочется.
Тем не менее, в качестве более бюджетной модели нейросети могу посоветовать gemini-3.1-flash-lite-preview. Она недорогая. Ответы обходятся дешевле 1 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.
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.
Как мы пришли к ИИ для 1С и что из этого вышло. Расскажу, как мы собираем ИИ-платформу для работы с учетными данными. Зачем нам понадобился MCP, как мы связали его с 1С:Шина, почему уперлись в права доступа и как в итоге устроили агента внутри 1С. Также покажу, где видим место для skills, RAG и OCR, и что пока не стали отдавать модели на самостоятельное выполнение.
Разбираемся, почему ИИ-агенты теряют контекст, путаются в инструментах и возвращают неполный результат, если всю задачу пытаться решить одним большим промптом. Показываем, как цепочки пошаговых промптов помогают сделать работу агента повторяемой: каждый шаг выполняет одно действие, имеет понятный вход и выход, отдельно проверяется и при необходимости исправляется. Объясняем, как применять этот подход в задачах 1С: анализировать действия пользователя, подбирать инструкции через RAG, работать с журналом регистрации, MCP-инструментами и локальными моделями. На примерах показываем, как снизить непредсказуемость ИИ-агента и превратить его из «угадывающего помощника» в надежный инструмент для бизнес-процессов.
Кажется, что code-review с помощью искусственного интеллекта устроено просто: достаточно отправить код в LLM, задать промт и получить список замечаний. На практике такой подход быстро упирается в недетерминированность результата, неверную оценку критичности ошибок в 1С-коде и рекомендации, которые сложно отличить от полезных замечаний. Описываем гибридный подход к автокод-ревью: статический анализатор работает вместе с LLM, а база знаний из стандартов 1С превращается в набор машиночитаемых норм. Такая архитектура помогает снизить количество галлюцинаций, точнее определять критичность нарушений и постепенно развивать качество ревью через итеративное пополнение правил.
За десять дней после релиза OneBase получила полноценные управляемые формы, локализацию интерфейса на 14 языков, точную денежную арифметику на decimal, систему ролей и прав, новый REST API и набор CLI-инструментов для разработки совместно с ИИ. Разбираю ключевые изменения платформы, показываю новые возможности и делюсь результатами одной из самых насыщенных недель развития проекта.
Когда доработанную 1С не обновляли годами, начинать приходится не с переноса кода, а с разбора того, что вообще накопилось в базе. Там могут быть десятки обработок, расширения, правки типовых объектов, а документации либо нет, либо она давно не актуальна. На примере реального обновления разбираем, как кодовые агенты, MCP-серверы и языковые модели помогают навести порядок в доработках, собрать план миграции, понять, где при переносе будут проблемы, и автоматизировать часть исправлений.
(1) Я использую нейросеть для самообучения практикам 1С, основам учёта и работе с типовыми конфигурациями и подсистемами. Помогает.
Вот прямо сейчас через диалог с нейросетью погружаюсь в DevOps, чтобы настроить сквозной CI/CD пример: [1С:Конфигуратор] ──(gitsync export)──> [VS Code] ──(git push)──> [GitLab] ──(Runner)──> [Vanessa-Runner: Проверки]
(2) простите, а зачем мне покупать обработку за 10 чашек кофе чтобы спросить гемини как сделать ci/cd в 1с?
Это какой-то 1с-фетиш, спрашивать облачные модели об 1с из интерфейса 1с?
Мне не приходит на ум вариант, где ещё спрашивать об 1С?
* Выдача поисковика уже уступает по качеству ИИ. Не надо пролазить сквозь дебри ссылок для того, чтобы получить ответ.
* Более того, ИИ gemini-3.5-flash отвечает кратко, ёмко и наглядно на конкретный вопрос, агрегируя накопленную у себя в больших данных информацию. Некоторые ответы я бы и не нашёл в поисковике либо затратил на них чрезмерное время
Работать с ИИ-агентом поисковика? Спрашивать бесплатную версию того же Сбера? Пробовал. Некоторое время пользовался deepseek-v4-pro как бюджетным консультантом по 1С. С выходом gemini-3.5-flash сравнил и перешёл на неё.
Работа из 1С, чтобы хранить знания в едином реестре на случай забывания. Лично я забываю уже через 2 недели. А так знания, потребовавшиеся при решении конкретной задачи на 1С всегда под рукой в базе знаний.
P.S.
Почему 10 чашек кофе? База стоит 1 Sm, что по нынешнему курсу ~200 руб.
Я уже несколько лет использую Яндекс вики в качестве базы знаний, очень удобно искать и раскладывать.
Посмотрим Вашу обработку, сам в турбоконфе подключен к джемини 3.1, но качество подсказок пока на уровне джуна
Конечно, все дело в контекстном окне...
