Расширения в 1С. Урок 17. Расширение макетов

R&D (Research and Development) в 1С – это не просто про эксперименты, а про создание будущего, инноваций, новых подходов уже сегодня. Объясняем, зачем компании R&D, как с его помощью 1С превращается из платформы учета в мультистек технологий и как формировать направление с нуля – от команды (начиная от пары сотрудников до сформированного «спецназа») и инфраструктуры до гипотез и MVP. Показываем, какие выгоды дает внедрение R&D: кратное снижение затрат, ускорение процессов в разы или сотни процентов, рост лояльности клиентов и выход на новые рынки. Делимся реальными кейсами – от перевода 1С на Linux до интеграции AI-инструментов и автоматизации через Python и DevOps. Если вы хотите оставаться конкурентоспособными на рынке технологий и инноваций дольше 3-х лет, информация обязательна к прочтению. Профит: экономия миллиардов, лояльность клиентов, выход на новые рынки. Доклад в виде статьи: https://infostart.ru/pm/2526622/

Запуск дымового тестирования не требует выделенной инфраструктуры, обучения и лишних затрат. Найти ошибки и улучшить качество разработки можно малыми силами, просто запустив готовые наборы тест-кейсов на своей локальной машине. Расскажем о преимуществах методики дымового тестирования и возможностях доработанного фреймворка Vanessa ADD. Доклад в виде статьи: https://infostart.ru/1c/articles/2525598/

Весной 2025 года технология 1С:Предприятие.Элемент вышла в релиз и стала доступна для широкого использования. С помощью этой технологии можно быстро создавать веб-приложения, B2C-порталы и headless-сервисы, используя привычные подходы и опыт прикладной разработки на платформе 1С:Предприятие. О том, какие аспекты 1С:Элемента усиливают преимущество решений 1С – быструю разработку бизнес-приложений, на конференции INFOSTART TECH EVENT 2025 рассказал Матвей Серегин. Доклад в виде статьи: https://infostart.ru/1c/articles/2523415/

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. Доклад в виде статьи: https://infostart.ru/1c/articles/2518237/

ИИ для код-ревью – не просто модный тренд, а реальный инструмент, который уже помогает разработчикам экономить время и повышать качество кода. 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. Доклад в виде статьи: https://infostart.ru/1c/articles/2517048/

Ошибки неизбежны – вопрос только в том, как с ними работать. Рассказываем, почему тестирование стало неотъемлемой частью разработки, какие инструменты помогают автоматизировать рутину и как выстроить процесс, чтобы он приносил реальную пользу. Разберемся, с чего начать, как быстро получить первые результаты, и почему грамотное внедрение тестирования экономит время и ресурсы команды. Доклад в виде статьи: https://infostart.ru/1c/articles/2514950/

Ошибки в запросах совершают все – даже самые опытные разработчики. На реальных примерах из код-ревью показываем, какие промахи незаметно закладывают мины замедленного действия в коде и работе базы. Поможем взглянуть на привычные запросы под другим углом и составить собственный чек-лист для уверенной и чистой разработки. Доклад в виде статьи: https://infostart.ru/1c/articles/2514882/

Искусственный интеллект перестал быть только «чатиком для домашних дел» – отечественные on-prem LLM уже сегодня помогают автоматизировать бизнес-процессы. Поделимся практическими кейсами внедрения LLM, покажем примеры из 1С и других корпоративных систем и расскажем, где нейросети действительно заменяют человека, а где пока нет. Вы узнаете, как безопасно и эффективно использовать LLM в автоматизации, на что обратить внимание и какие перспективы это открывает для сообщества 1С. Доклад в виде статьи: https://infostart.ru/1c/articles/2514278/

ИИ-агенты уже сегодня способны автоматизировать значительную часть цикла разработки 1С – от генерации и проверки кода до деплоя и тестирования решений. Рассмотрим принципы работы MCP и A2A-протоколов, примеры их применения в 1С-среде и создание собственного MCP-сервера на OneScript. Показываем, как объединить нейросети, базы знаний и инструменты тестирования, чтобы ИИ сам писал, проверял и запускал 1С-обработки. Материал будет полезен тем, кто хочет внедрить современные AI-технологии в практику разработки и протестировать первые прототипы уже сейчас. Доклад в виде статьи: https://infostart.ru/1c/articles/2509402/

Всем привет, с вами Низамов Илья. Сегодня на вебинаре я разработаю проект анализа цен конкурентов по фото. Скачать исходники: https://disk.yandex.ru/d/URSVNqivdg_V2w Суть проекта, мы отправляем изображение товаров с ценниками через telegram бота, это изображение отправляется во второй сервис, в котором предварительно обученная модель вырезает изображения ценников и возвращает их. Обмен между сервисами идет через локальное S3 облако minio. Еще у нашего сервиса будет API и изображения в него вы сможете отправлять хоть из 1С, хоть из мобильного приложения. Далее полученные изображения отправляются на обработку в локальную модель mistral-small3.2 которая умеет работать с изображениями. Потом полученный результат прогоняем в векторной базе с товарами, которую мы подготовим заранее, будем использовать эмбединги qwen3-embedding:8b. Все это будет работать полностью локально на одной видео карте 3090, и при желании вы сможете запустить проект с использованием любой облачной модели. К сожалению, на вебинаре мы не сможем разработать второй сервис, так как он достаточно сложный, но и тех подходов что мы применим в первом сервисе, вам вполне хватит для решения каких-то не сложных задач.