Кейсы AI-разработки

Здесь собраны реализованные системы: что требовалось сделать, как устроено решение и какой результат получил заказчик.

Выбранный кейс

#ИИ-подборщик по каталогу для 1С-Битрикс

Модуль уточняет запрос посетителя, ищет позиции только в разрешённых полях каталога и показывает рекомендации со ссылками на карточки товаров.

AIforCRM: заказная разработка для CRM и сайта Июль 2026 PHPJavaScript1С-БитриксOpenAI-compatible API
ИИ-подборщик по каталогу для 1С-Битрикс

Задача

В каталоге 1С-Битрикс могут быть тысячи товаров, торговых предложений и характеристик. Покупатель описывает применение, размер, материал или ограничение, но часто не знает точный артикул. Обычный поиск требует совпадения с названием. Нужен был ИИ-подборщик, который уточняет запрос, обращается только к разрешённым данным каталога и показывает результат со ссылками на карточки товаров.

Задача ИИ-подборщика по каталогу
Поиск товара по запросу обычными словами

Решение

Модуль внутри 1С-Битрикс

Мы разработали серверный модуль и встроенный виджет. Перед запуском администратор выбирает инфоблок и поля, которые можно использовать. Во время разговора подборщик собирает недостающие параметры, выполняет поиск по каталогу и формирует ответ из найденных позиций.

Настройка разрешённых данных каталога
Инфоблок и поля задаёт администратор
Уточнения по структуре каталога

Один параметр может находиться в свойствах товара, другой — в торговом предложении, третий — в описании. Подборщик задаёт короткие вопросы и переводит ответы пользователя в набор условий для поиска.

Уточняющий диалог с покупателем
Система собирает недостающие характеристики
Проверяемая цепочка ответа

Серверный модуль читает разрешённые поля и передаёт модели найденные данные. В итог попадают только позиции из результата поиска, их характеристики и ссылки. Ключ доступа к модели остаётся на сервере.

Результат

Подборка на странице магазина

Посетитель пишет запрос в виджете, отвечает на уточнения и открывает подходящие карточки товаров. Ему не приходится угадывать терминологию продавца или вручную перебирать фильтры.

Поиск по каталогу 1С-Битрикс
Ответ строится по результатам серверного поиска
Контроль данных у владельца сайта

Каталог, текстовые документы, диалоги и настройки находятся на сервере сайта. Владелец выбирает поля для поиска и может проверить, на какие источники опирается ответ.

Рекомендации со ссылками на товары
Каждую позицию можно открыть и проверить
Без изменений каталога и заказов

Первая версия работает только на чтение. Она не меняет товары, цены, остатки, корзину, заказы или CRM. Запись заявки в Битрикс24 и другие действия подключаются как отдельные интеграции.

Пилот ИИ-подборщика для одной категории
Первый запуск на согласованном инфоблоке

Остальные кейсы

Платформа связывает заявку, оплату, документы, работу юриста и Bitrix24, а клиентские файлы хранит за авторизованным API с ролевым доступом.

AI-платформа для автоматизации банкротства физлиц Юридическая компания по банкротству физических лиц Июль 2026 Node.jsJavaScriptAI/OCRS3-compatible storageBitrix24 REST APIPM2Nginx
Защищённая AI-платформа для банкротства физлиц

Задача

Юридической компании требовалось связать путь клиента по банкротству физических лиц с внутренней работой юристов. Заявка приходила с сайта, документы — через разные каналы, а движение дела отдельно фиксировалось в Bitrix24. Нужно было собрать анкету, оплату, файлы, экспертизу и статусы в одной системе, не открывая чувствительные документы через публичный сайт.

Архитектура платформы банкротства физлиц
Публичный сайт, кабинеты и закрытое хранилище

Решение

Разделение публичной и закрытой частей

Платформу разделили на публичный сайт, кабинеты и закрытое хранилище. AI-ассистент проводит первичный разбор ситуации, OCR извлекает данные из документов, а рабочие события синхронизируются с Bitrix24.

Правовые требования к работе с данными
Требования к персональным данным учтены в архитектуре
Файлы доступны только участникам дела

Анкеты, сканы и заключения проходят через авторизованный API и закрытое S3-совместимое хранилище. Даже корректная ссылка не открывает файл без действующей сессии, проверки роли и принадлежности конкретному делу.

Требования к персональным данным

При проектировании учитывались требования 152-ФЗ, 149-ФЗ и 127-ФЗ. Журнал действий фиксирует работу с материалами дела, а раздельное хранение помогает контролировать доступ к документам.

Распознавание документов в фоновой очереди
OCR извлекает данные из загруженных документов

Результат

Единое досье вместо ручного переноса

Заявка превращается в юридическое дело без повторного переноса между сайтом и CRM. Клиент видит текущий этап, список документов и следующий шаг. Юрист получает досье, очередь задач и статусы проверки.

Ролевая модель доступа к юридическим делам
Каждая роль получает минимально необходимые права
Минимальные права для каждой роли

Клиент работает со своим делом, юрист — с назначенными досье, руководитель — со статусами команды. Служебные интеграции получают отдельные разрешения и передают только необходимые данные.

Подключение ЕСИА

Интеграция с Госуслугами использует подтверждённую авторизацию и явное согласие пользователя. Цифровой профиль передаёт запрошенный набор сведений; при недоступности автоматического переноса остаётся ручная загрузка.

Интеграция платформы с ЕСИА
Подтверждённая авторизация и согласие пользователя
Рабочая версия на cbfl.ru

Платформа объединяет первичный AI-разбор, закрытое хранение файлов, ролевой доступ и точечные интеграции с Bitrix24 и государственными сервисами. Рабочая версия запущена на cbfl.ru.

Результат разработки legal-tech платформы
Единый путь клиента и юридической команды

Сотрудник задаёт рабочий вопрос и получает ответ по доступным ему документам с названием источника и номером страницы.

Корпоративный AI-университет по базе знаний компании Июль 2026 PythonFlaskPostgreSQLpgvectorOCRRAGLLM API
Демонстрационный кабинет корпоративной AI-академии

Задача

В компании уже были регламенты, инструкции и шаблоны, но новый сотрудник всё равно обращался к наставнику. Документы лежали в разных папках, нужный пункт приходилось долго искать, а обычный поиск не учитывал роль и отдел. Требовалась база знаний, которая отвечает по утверждённым документам, показывает источник и поддерживает обучение сотрудников.

Ответ AI-академии со ссылкой на источник
Ответ сохраняет документ и страницу для проверки

Решение

Знания организованы по ролям

Материалы распределены по процессам и должностям, а доступ учитывает подразделение пользователя. Один портал объединяет инструкции, учебные модули и AI-поиск.

Четыре шага от документа к ответу

Администратор загружает регламенты и назначает права. Сотрудник задаёт вопрос, система находит фрагмент и показывает ответ со ссылкой на документ. Если подтверждения в материалах нет, система сообщает об этом.

Источник виден в карточке

В ответе указаны использованный документ, номер страницы и короткий фрагмент. Пользователь оценивает полезность, а спорный случай попадает администратору на проверку.

Результат

Поиск инструкции занимает меньше действий

Сотруднику не нужно помнить папку и точное название файла. Академия показывает, какие темы вызывают вопросы, и помогает руководителю обновлять учебный маршрут и документы по фактическим обращениям.

Материалы и вопросы в одной админке

Администратор добавляет документы, обновляет базу знаний, назначает доступ и просматривает журнал вопросов. Пробел можно закрыть новой инструкцией или практическим заданием.

Пилот с одного отдела

Для первой версии достаточно регламентов одного подразделения и списка частых вопросов. На них проверяются качество поиска, ссылки на источники и права доступа, после чего подключаются следующие роли.

Развёртывание внутри компании

Если документы нельзя передавать внешним сервисам, решение размещается на серверах компании. К базе знаний можно добавлять тесты, задания и программы адаптации.

Демонстрационный экран управления документами AI-академии
Материалы, права и обратная связь в одной админке

Клиент отмечает элемент прямо на странице, а разработчик получает адрес, описание правки и данные выбранного блока в одной задаче.

SimpleReview — правки сайта до результата Собственный продукт SimpleReview Май 2026 Chrome Extensions APIJavaScriptClaude Code APIGitHub API
Схема привязки правки к элементу страницы в SimpleReview

Задача

Небольшая правка сайта часто начиналась с длинного сообщения: на какой странице смотреть, какой блок имеется в виду, что именно не так и как ошибка выглядит на телефоне. Пока разработчик уточнял детали, клиент делал новые скриншоты, а часть замечаний терялась в переписке. Мы хотели сократить путь до одного действия: показать элемент на странице и сразу передать понятную задачу.

Решение

Правка привязана к элементу

SimpleReview работает в браузере поверх открытого сайта. Клиент или тестировщик выбирает текст, кнопку, изображение либо целый блок и описывает желаемое изменение.

Контекст сохраняется вместе с комментарием

В задачу попадают адрес страницы и данные выбранного элемента. Разработчик открывает ту же страницу, видит область работы и проверяет изменение в исходном интерфейсе.

От ссылки до проверки

Клиент присылает страницу и отмечает проблему. Мы уточняем только детали, влияющие на результат, вносим изменение и проверяем его. История замечания остаётся рядом с задачей.

Результат

Одна точка проверки

Вместо общей фразы о мобильной версии команда получает конкретный элемент и ожидаемое изменение. После работы страницу можно открыть на компьютере и телефоне и пройти тот же сценарий глазами пользователя.

Проверку берёт на себя исполнитель

От заказчика нужны ссылка, пожелание и ответы на вопросы по смыслу. Поиск места в коде и проверка результата остаются на стороне команды разработки.

Старт с одного замечания

Для начала достаточно ссылки и одной правки. На небольшом примере видно, как фиксируются детали и как принимается результат. Расширение опубликовано в Chrome Web Store.

Сотрудник задаёт вопрос на русском языке, видит сгенерированный SQL и получает проверяемую таблицу или график по разрешённым данным.

Vagon - RAG SQL-генератор с AI для морского порта Морской порт, операционный отдел из 15 человек Март 2026 PythonFlaskMySQLMicrosoft SQL ServerOpenAI APISQLAlchemyPlotlyTelegram Bot API
Примерно 30 секунд вместо двух часов ожидания ручной выгрузки
70% по данным проекта
Vagon — AI-аналитик для баз данных и Excel

Задача

В операционном отделе морского порта ответы на обычные вопросы зависели от программиста: сотрудник формулировал запрос, ждал ручную выгрузку и затем разбирал таблицу. Изучать SQL всей команде было бессмысленно, а прямой доступ к производственной базе создавал риск. Нужен был ИИ-аналитик, который понимает вопрос на русском, знает схему разрешённых данных и показывает использованный запрос.

Задача AI-аналитика Vagon
Доступ к данным без очереди на ручную выгрузку

Решение

Вопрос на языке сотрудника

Пользователь пишет, какие данные хочет увидеть. Система переводит вопрос в SQL по реальной схеме компании, выполняет его в рамках разрешённого доступа и возвращает результат.

SQL остаётся на экране

Vagon сначала читает доступную схему, затем строит запрос и показывает его рядом с таблицей или графиком. Специалист может проверить расчёт до включения результата в рабочий отчёт.

Вопрос к базе данных на русском языке
Система строит SQL по схеме компании
Подключения и роли

Система работает с MySQL, Microsoft SQL Server и загруженными Excel- файлами. Аналитик, оператор и руководитель видят только разрешённые им таблицы и операции. Подключениями управляет администратор.

Подключение баз данных и Excel
Один вход для разных источников
История воспроизводимых запросов

В истории сохраняются вопрос, сгенерированный SQL и результат. Если формулировку нужно уточнить, пользователь видит предыдущую попытку и может повторить проверенный запрос.

Результат

Типовой отчёт примерно за 30 секунд

После запуска типовой отчёт собирается примерно за 30 секунд вместо двух часов ожидания ручной выгрузки. По данным проекта, нагрузка на IT-отдел снизилась на 70%.

Проверка и повтор SQL-запроса
История сохраняет вопрос, SQL и результат
Вопросы к Excel

Пользователь загружает XLSX или CSV, система определяет структуру и типы данных. Это подходит для разовых выгрузок и отчётов, которые ещё не перенесены в базу.

Тестовые вопросы для проверки качества
Ожидаемый SQL закреплён тест-кейсами
Контроль на тестовых вопросах

Важные вопросы сохраняются вместе с ожидаемым SQL. После изменения модели или инструкции набор можно прогнать повторно и увидеть расхождения.

Одна логика в нескольких интерфейсах

Веб-интерфейс, REST API и Telegram-бот используют общий механизм. Команда выбирает удобный способ работы и сохраняет возможность проверить источник расчёта.

Результат внедрения Vagon
Проверяемая аналитика для операционной команды

Личный кабинет проводит пользователя от вводных о компании к финансовой модели, приоритетам и готовому стратегическому документу.

Обучающий кабинет ClarityCult Июль 2026 PythonFlaskPostgreSQLDockerChatGPT
ClarityCult — AI-кабинет для бизнес-стратегии

Задача

У автора была отработанная методология разработки бизнес-стратегии, но работа по ней распадалась на анкеты, таблицы, презентации и созвоны. Пользователю было трудно удержать связь между исходными ответами, выводами и планом действий. Требовалось перенести методологию в личный кабинет и провести человека от вводных о компании до финансовой модели, приоритетов и готового документа.

Путь от диагностики к стратегии
Последовательный маршрут по методологии

Решение

Последовательный маршрут

Методологию разложили на модули, каждый из которых получает данные из предыдущих шагов. AI-ассистент работает с контекстом конкретной компании, а кабинет сохраняет прогресс и промежуточные результаты.

От диагностики к общей картине

Пользователь описывает продукт, рынок, аудиторию и ограничения, проходит тематические модули и получает анализ своих ответов. На экране видно завершённые этапы и связь каждого вывода с будущей стратегией.

Финансовая модель в обучающем кабинете
Расчёты связаны с ответами пользователя
Финансовая модель в том же кабинете

Сценарии, расходы, выручка и ключевые показатели связаны с данными пользователя. Расчёт можно выгрузить в XLSX и проверить отдельно.

Работа с ClarityCult на телефоне
Прогресс сохраняется между устройствами
Продолжение с любого устройства

Ответы, документы и положение в программе сохраняются между сессиями. Голосовой ввод помогает фиксировать длинные ответы с телефона.

Результат

Стратегия собрана из исходных данных

После заполнения модулей система объединяет материалы в связный документ. Пользователь видит происхождение каждого вывода и может вернуться к исходному ответу для уточнения.

Стратегический документ из ответов
AI собирает результаты модулей в единую структуру
Единая структура до экспорта

В документ входят сегменты, SWOT, гипотезы роста, финансовые расчёты и решения по позиционированию. Разделы можно дополнить и согласовать до выгрузки.

Дорожная карта и приоритеты
Анализ заканчивается планом действий
Приоритеты и план действий

Из найденных возможностей формируется план с задачами, сроками, ответственными и ожидаемым эффектом. Стратегические выводы переходят в конкретную работу команды.

Экспорт готовых материалов

Стратегия выгружается в Word и PDF, а ключевые выводы — в презентацию и дорожную карту. Администратор меняет модули и инструкции для AI без правки кода.

Экспорт стратегии ClarityCult
Готовые материалы доступны в нескольких форматах

Система ищет YouTube-каналы по заданным критериям, извлекает открытые Telegram-контакты и сохраняет причину отбора каждого автора.

Поиск YouTube-авторов с Telegram-контактами Стартап, предоставляющий услуги YouTube-блогерам Июнь 2026 PythonYouTube Data API v3TelegramCSV/XLSX/JSON export
YouTube-Telegram скрапер для поиска лидов

Задача

Отделу продаж требовалось регулярно находить YouTube-авторов в заданной нише и проверять, оставили ли они публичный контакт для связи. Ручной поиск плохо повторялся: сотрудники по-разному оценивали свежесть публикаций, размер канала и соответствие теме. Нужно было превратить исследование в управляемую подборку с понятными фильтрами.

Главная страница YouTube-Telegram скрапера
Параметры поиска и список запусков

Решение

Путь от запроса до строки в базе

Система получает каналы через YouTube Data API v3, проверяет тематику, аудиторию и активность, затем ищет открытые Telegram-ссылки в описаниях. Каждый этап сохраняет причину отбора.

Критерии задаются до запуска

Минимальное число подписчиков, активность канала, ключевые слова и исключения находятся в настройках. Менеджер может скорректировать правила до расходования квоты YouTube API.

Только публичные контакты

Telegram извлекается из открытого описания канала. Формат и доступность ссылки проверяются, дубликаты удаляются. Один контакт не повторяется из разных видео или вариантов адреса.

Результат

Карточка с контекстом

Отдел продаж получает название канала, тематику, показатели аудитории, найденный контакт и причину прохождения фильтров. Авторов можно проверить и распределить между менеджерами до начала переписки.

Объяснение для каждого лида

В карточке видно, откуда взят контакт и каким условиям соответствует канал. Менеджер открывает источник и самостоятельно принимает решение об общении.

Экспорт под рабочий процесс

CSV и Excel подходят для ручной проверки, JSON и API — для передачи в CRM или внутренний сервис. История запусков хранит параметры каждой подборки.

Пилот с одной ниши

Сначала фиксируются критерии и вручную оценивается небольшая выборка. После проверки качества поиска подключаются регулярные запуски.

Интерфейс поиска каналов и контактов
Фильтрация каналов и подготовка базы

Система принимает договор из 1С или СЭД, распознаёт вложение, проверяет условия по правилам компании и возвращает заключение в тот же маршрут.

Разработка системы анализа договоров с ИИ Июнь 2026 PythonFlaskOCRLLM APIREST API
Корпоративная система анализа договоров с ИИ

Задача

В корпоративном документообороте договор проходил согласование, но первичная проверка оставалась ручной. Юрист открывал файл из 1С или СЭД, восстанавливал текст из скана, искал отклонения от шаблона и заносил заключение обратно. Требовалась система, которая ускоряет повторяемую часть работы и сохраняет окончательное решение за специалистом.

Путь договора от 1С до заключения
Схема обработки документа

Решение

Проверка внутри существующего маршрута

Система принимает PDF, DOC, DOCX и сканы из 1С, СЭД или API. OCR извлекает текст и реквизиты, после чего условия сравниваются с чек-листами и эталонными формулировками компании.

Договор возвращается в исходную систему

Результат прикрепляется к карточке документа вместе с объяснением рисков. Сотрудники продолжают работать в знакомом маршруте согласования, без обязательного перехода в отдельный кабинет.

OCR договора и извлечение реквизитов
Скан превращается в проверяемые данные
Распознанные данные можно проверить

Исходный файл сохраняется, а стороны, суммы, сроки и предмет договора доступны для сверки. Это особенно важно для сканов и PDF со сложной вёрсткой.

Анализ условий и рисков договора
Каждое замечание связано с пунктом договора
Замечание связано с конкретным пунктом

Юрист видит условие, уровень риска, объяснение и рекомендацию. Из карточки можно перейти к спорному фрагменту и принять решение по нему.

Результат

Проверяемая история решения

Исходник, распознанные данные, выводы системы и решение юриста хранятся вместе. История показывает, кто принял решение и какие данные были ему доступны.

Сверка с правилами компании
Условия проверяются по чек-листам и шаблонам
Правила компании управляют проверкой

Чек-листы описывают обязательные реквизиты, допустимые условия и отклонения от шаблонов. Для каждого типа договора можно использовать отдельный набор правил.

Маршрут согласования договора
Юрист подтверждает или исправляет заключение
Специалист подтверждает заключение

Юрист исправляет распознавание, принимает рекомендацию или отправляет условие на ручную проверку. Система не подписывает документы и показывает основание каждого замечания.

Размещение под требования компании

Решение можно развернуть на серверах заказчика или в закрытом облаке. Пилот начинается с одного типа договора и одного маршрута, затем правила расширяются на другие документы.

Размещение системы анализа договоров
Пилот на одном типе документа

Платформа расшифровывает запись, проверяет разговор по единому чек-листу и связывает выводы с конкретными репликами и исходным аудио.

Платформа AI-анализа встреч Июнь 2026 AssemblyAIGoogle Speech-to-TextOpenAIClaudeRabbitMQPostgreSQLS3-compatible storage
Тестовая встреча в интерфейсе AI-анализа звонков

Задача

Руководитель отдела продаж мог проверить несколько звонков вручную, но не видел картину по всей команде. Записи лежали в разных системах, выводы зависели от личного впечатления, а обратная связь менеджеру приходила без ссылки на конкретный момент разговора. Нужна была речевая аналитика с единым чек-листом и доступным для проверки исходным диалогом.

Путь записи от загрузки до действия
Этапы фоновой обработки встречи

Решение

Фоновая обработка записи

Файл загружается в кабинет или приходит из интеграции. Очередь запускает транскрибацию, определение участников и анализ по выбранному сценарию. Каждый этап имеет отдельный статус.

Карточка встречи с оценкой
Аудио, транскрипция и выводы на одном экране
Встреча на одном экране

Рядом находятся аудио, текст, оценки, спорные фрагменты и рекомендации. Руководитель начинает с общей оценки и при необходимости переходит к реплике или исходной записи.

Настраиваемый чек-лист

Критерии задаются отдельно для продаж, поддержки, HR-интервью и CustDev. Система отмечает выполнение каждого пункта и приводит подтверждающий фрагмент разговора.

Проверка разговора по чек-листу
Критерий связан с подтверждающей репликой

Результат

Повторяемая оценка разговора

Руководитель видит, где менеджер выявил потребность, зафиксировал следующий шаг или пропустил важный вопрос. Обратная связь опирается на конкретные реплики.

Сценарии анализа для разных команд
Продажи, поддержка, HR и CustDev
Сценарии для разных команд

Продажи оценивают структуру и договорённости, поддержка — полноту ответа и тон, HR — содержание интервью. Роли и доступ к записям настраиваются отдельно.

Длинные записи обрабатываются в очереди

Файл хранится в закрытом хранилище, кабинет показывает прогресс и сохраняет задачу при обновлении страницы. Результат доступен только участникам с нужной ролью.

Фоновая обработка аудиозаписей
Очередь, распознавание речи и LLM-анализ
Пилот на согласованном чек-листе

Первый запуск можно провести на одном сценарии и 10–20 записях: согласовать критерии, проверить транскрибацию и затем расширить анализ на команду.

Пилот платформы речевой аналитики
Проверка на одном сценарии и наборе записей

Видео-виджет принимает голосовые и текстовые вопросы, формирует ответ по настройкам персонажа и продолжает диалог внутри страницы сайта.

AI-консультант для сайта: отвечает по документам компании Golova Июнь 2026 Node.jsExpressTypeScriptReactOpenAIGoogle GeminiRAGOCR
Демонстрационный экран настройки видеоаватара Golova

Задача

Обычный видеоролик на сайте говорит со всеми посетителями одинаково и не отвечает на вопросы. Для Golova цифровой персонаж должен был принимать реплику человека, отвечать голосом без заранее записанного сценария и продолжать разговор в том же окне. Владельцу сайта требовались настройки внешности, голоса, модели и материалов персонажа.

База знаний персонажа
Документы обрабатываются и подключаются к ответам

Решение

Аватар внутри сайта

Мы собрали видео-виджет и панель управления персонажами. Виджет открывается поверх страницы, поддерживает голос и текст и подключается одним скриптом.

Ответ зависит от текущего диалога

В голосовом режиме система распознаёт реплику, передаёт историю разговора языковой модели и озвучивает результат. Содержание формируется во время разговора с учётом роли персонажа.

Внешность и голос настраиваются отдельно

В библиотеке доступны разные персонажи, для проекта можно загрузить свой образ. Панель хранит выбранные видео, голос, способ передачи аудио и параметры ответа.

Знания из документов

К персонажу подключаются PDF и текстовые материалы. Система извлекает содержание, включая сканы, и показывает состояние обработки каждого файла.

Результат

Платформа для нескольких персонажей

Владелец создаёт клиентов и аватаров, назначает им модели, инструкции, голоса и базы знаний. Настройки и история разных клиентов разделены.

Модель выбирается под сценарий

Для коротких консультаций и сложных вопросов можно использовать разные модели. Ключи поставщиков хранятся на сервере и не попадают в браузер.

Роль принадлежит конкретному аватару

Один персонаж проводит презентацию, другой работает преподавателем или консультантом. Имя, инструкция и манера ответа меняются в панели без пересборки сайта.

Управляемый живой диалог

Команда может заменить голос, образ, модель или документы и сохранить тот же виджет на сайте. Диалоги остаются доступны для последующего разбора.

Система отсеивает дубли и задачи вне профиля, анализирует оставшиеся проекты и отправляет в Telegram короткий разбор со ссылкой и следующим шагом.

Парсер лидов с FL.ru Собственная команда разработки Июнь 2026 PythonFL.ruTelegram Bot APILLM API
ИИ-парсер лидов для фриланс-бирж

Задача

На FL.ru новые проекты появляются в течение дня, и подходящая задача быстро уходит вниз ленты. Команда тратила время на повторный просмотр карточек, проекты вне профиля и объявления без данных для решения. Требовался поиск, при котором в Telegram попадают только новые задачи по веб-разработке, ботам и AI с коротким разбором перед откликом.

Интерфейс мониторинга проектов FL.ru
Новые проекты, фильтры и результаты квалификации

Решение

Первичный отбор новых проектов

Система по расписанию читает карточки, приводит поля к единому виду и отсеивает дубли. Быстрые правила проверяют тему, бюджет и стоп-слова, после чего запускается AI-квалификация.

Критерии под текущий профиль команды

Приоритеты можно менять вместе с загрузкой: поднимать отдельные типы задач или исключать неподходящий стек. Очевидно нерелевантные темы отбрасываются до обращения к модели.

Разбор до уведомления

Модель выделяет суть задачи, соответствие стеку, риски и вопросы заказчику. Решение сохраняется, чтобы правила можно было проверять и корректировать на реальных проектах.

Результат

Короткий список вместо постоянного обновления ленты

В Telegram приходит ссылка, бюджет, суть задачи и следующий шаг. Команда открывает проекты, которые уже прошли технические фильтры и первичную смысловую оценку.

Контекст до перехода на биржу

В сообщении есть краткое содержание ТЗ и вопросы для уточнения. Менеджер решает, готовить отклик, отложить проект или пропустить его.

Журнал спорных решений

История хранит исходную карточку, сработавшие правила и вывод модели. Если проект был пропущен ошибочно, критерий можно поправить и проверить на следующих объявлениях.

Одно уведомление на проект

Расписание запускает проверку без ручного участия, а журнал защищает от повторной отправки одной карточки.

Система принимает книгу, извлекает текст, делит его на части, синтезирует аудио и собирает готовую запись с контролем статуса обработки.

Книги в Аудио для Telegram 2026 TypeScriptExpressSQLiteOpenAI-compatible TTSFFmpeg
TXT, PDF, EPUB и FB2
Сервис преобразования книг в аудио

Задача

Текстовые книги часто не имеют готовой аудиоверсии, а длинный документ нельзя надёжно отправить в синтез речи одним запросом. Требовался процесс, который принимает файл, сохраняет состояние задачи и продолжает обработку по частям без ручной нарезки.

Интерфейс управления аудиокнигой
Загрузка книги и контроль обработки

Решение

Разбор книги и очередь обработки

Сервис читает TXT, PDF, EPUB и FB2, очищает извлечённый текст и делит его на управляемые фрагменты. Для книги и каждого аудиофрагмента хранится отдельный статус, поэтому обработку можно контролировать и восстанавливать.

Синтез и сборка аудио

Фоновый worker последовательно создаёт MP3-фрагменты, проверяет их наличие и объединяет завершённые части через FFmpeg. Уведомления о ходе задачи можно отправлять в Telegram.

Схема конвейера обработки книги
От файла до готовой аудиозаписи

Результат

Проверяемый конвейер вместо одного долгого запроса

Каждый этап — загрузка, разбор, синтез и сборка — виден отдельно. Ошибка одного фрагмента не скрывает состояние всей книги.

Основа для пользовательского сервиса

Готовый конвейер можно подключить к веб-интерфейсу или Telegram-боту, добавить выбор голоса, языка и правила хранения файлов.

Демонстрация сервиса преобразования книг
Основные возможности сервиса

Однотенантная база знаний с OCR, ролевым доступом, поиском по источникам, журналом ответов, feedback и benchmark-проверками.

RAG — закрытый AI-ассистент по базе документов 2026 TypeScriptExpressReactPostgreSQLpgvectorOpenAI-compatible API
low / medium / full
Публичный чат BUT RAG

Задача

Корпоративные документы хранятся в разных форматах и доступны сотрудникам с разными правами. Обычный чат с моделью не показывает, откуда взят ответ, и не даёт системно проверять ошибки на реальных вопросах.

Администрирование базы знаний
Документы и уровни доступа

Решение

База знаний с ролями и OCR

Администратор загружает документы и назначает им уровень доступа. PDF, Office-файлы и изображения разбираются по страницам; для сканов сохраняются OCR-текст и просмотр оригинала.

RAG, feedback и benchmark-проверки

Ассистент ищет только в доступном пользователю корпусе, прикладывает источники и сохраняет trace ответа. Отдельные экраны собирают оценки пользователей и запускают проверочные наборы вопросов перед выпуском изменений.

Проверка качества ответов
Benchmark-прогон по контрольным вопросам

Результат

Ответ можно проверить по документу

Пользователь открывает указанную страницу источника, а администратор видит модель, найденный контекст и историю запроса.

Качество стало управляемым процессом

Проблемный ответ можно превратить в benchmark-сценарий, повторно прогнать после изменения поиска или промпта и сравнить результат.

Документация API BUT RAG
OpenAPI для интеграций

Система собирает позиции из таблиц и документов, сопоставляет их со справочниками расценок и оставляет специалисту проверяемый черновик сметы.

TimeMaterial — Автоматизация смет с AI 2026 Node.jsTelegram Bot APIExcelPDF parsingOpenAI-compatible API
Telegram-бот с сохранением отдельных сессий
TimeMaterial — автоматизация подготовки смет

Задача

Исходные данные для сметы приходят в таблицах, документах и сообщениях с разной структурой. Сметчику приходится вручную переносить позиции, нормализовать единицы и искать подходящие расценки.

Обработка исходных данных для сметы
Разбор позиций и подготовка структуры

Решение

Разбор исходных материалов

Пользователь передаёт файл или описание работ. Система извлекает позиции, количества и единицы измерения, а неоднозначные места возвращает на уточнение.

Сопоставление со справочником

Нормализованные позиции сравниваются с доступным справочником ГЭСН или локальными расценками. В результат попадает ссылка на исходную строку и выбранное соответствие.

Результат

Черновик, который можно проверить

Специалист получает структурированную таблицу, видит неподтверждённые соответствия и правит их до экспорта.

Повторяемая обработка типовых файлов

Правила разбора и подтверждённые сопоставления можно использовать в следующих проектах вместо повторного ручного переноса.

Преобразование Excel в сметный черновик
Проверяемая таблица для сметчика

Процесс, в котором заказчик ставит задачи обычным языком, агент вносит изменения, а инженер проверяет архитектуру, тесты и живой результат.

AI-Assisted Development 2026 PythonNode.jsGitGitHubDockerAI coding agents
Изменение → тесты → live-проверка
Схема процесса разработки с AI-агентом и ручным ревью

Задача

У небольших команд накапливается много коротких задач: правки интерфейса, интеграции, тесты и эксплуатационные проблемы. Передача каждой задачи отдельному специалисту замедляет цикл, но полностью автономный AI-агент может пропустить контекст или сломать соседний сценарий.

Решение

Одна очередь задач и общий контекст

Задача поступает в рабочий чат или issue, связывается с репозиторием и проверяемым результатом. Агент читает проектные правила, меняет исходный код и запускает локальные проверки.

Инженерный контроль на рискованных местах

Архитектурные изменения, удаления, зависимости и продакшен-проверки проходят ручное ревью. Для UI и интеграций результат проверяется в браузере или на работающем сайте.

Результат

Короткие задачи не теряются между исполнителями

История решения, команды проверки и ссылка на результат остаются рядом с задачей.

Скорость агента не заменяет ответственность

Готовность определяется работающим сценарием и проверками, а не самим фактом изменения кода.

Feedback, журналы запросов, контрольные вопросы и verifier объединены в процесс, который помогает находить неподтверждённые ответы до релиза.

AI Quality Assurance — контроль качества AI-ответов 2026 TypeScriptPostgreSQLLLM APIRAGAutomated verifiers
feedback + benchmarks + verifier
Схема проверки AI-ответов по источникам и benchmark-набору

Задача

AI-функция может отвечать убедительно даже при слабом источнике или неверном поиске. Разрозненных ручных проверок недостаточно: после смены модели или промпта старые ошибки возвращаются.

Демонстрационный прогон benchmark-набора в системе контроля AI-ответов
Демонстрационный benchmark с ответами, источниками и статусом проверки

Решение

Сбор воспроизводимых проблем

Пользовательская оценка связывается с вопросом, ответом, моделью, найденными источниками и trace. Негативные примеры превращаются в контрольные сценарии.

Проверка перед выпуском

Benchmark-набор запускается на новой версии. Verifier проверяет опору ответа на найденный контекст и блокирует результат, если утверждения нельзя подтвердить.

Результат

Ошибку можно повторить и сравнить

Команда видит плохой ответ вместе с входными данными, retrieval и версией модели.

Релизное решение опирается на набор проверок

Изменение промпта или поиска проходит одинаковые контрольные вопросы вместо выборочной оценки на глаз.

Бот принимает описание еды текстом, голосом или фотографией, ведёт дневной счёт и хранит состояние пользователя прямо в Telegram.

Счетчик калорий Telegram Bot 2026 Node.jsTelegram Bot APIOpenAI-compatible APIOCRSpeech-to-text
@fatnosecretbot
Главный экран бота-счётчика

Задача

Записывать каждый приём пищи вручную неудобно, особенно с телефона. Пользователю нужен короткий сценарий без отдельного приложения: отправить сообщение или фото и сразу увидеть обновлённый дневной итог.

Решение

Несколько способов ввода

Бот принимает текст, голосовые сообщения и фотографии. Распознанные продукты и порции возвращаются пользователю на подтверждение, прежде чем попасть в дневник.

Состояние и ежедневный цикл

Для каждого пользователя хранится цель, текущий итог и история операций. Новый день начинается с отдельного счёта с учётом часового пояса.

Результат

Дневник остаётся в привычном чате

Не нужно открывать отдельный интерфейс: добавление и проверка записи происходят в Telegram.

Сценарий можно развивать без переустановки приложения

К боту можно подключить рекомендации, напоминания, реферальную механику и административную аналитику.

Одностраничная презентация переносит визуальные правила бренда в адаптивный веб-интерфейс и ведёт посетителя к целевому контакту.

Презентационный сайт по брендбуку 2026 HTMLCSSJavaScriptFlask
Адаптивная одностраничная презентация
Главный экран презентационного сайта

Задача

Брендбук описывает цвета, типографику и композицию, но не готовый цифровой сценарий. Нужно было превратить его в короткую веб-презентацию, которая одинаково читается с телефона и компьютера.

Решение

Перенос системы бренда в веб

Из брендбука выделены шрифты, цветовые роли, отступы и правила работы с изображениями. На их основе собрана последовательность экранов без копирования печатной композиции один в один.

Целевой путь без лишней навигации

Основные тезисы, примеры и кнопки контакта расположены в одном потоке. Ссылки ведут в Telegram, поэтому посетитель переходит к разговору без сложной формы.

Результат

Бренд сохранил узнаваемость в браузере

Визуальный язык работает на разных ширинах экрана, а содержание остаётся читаемым.

Презентацию можно обновлять как обычную страницу

Текст и изображения меняются без пересборки PDF и повторной отправки файла аудитории.

Telegram-бот ведёт первичный диалог по сценарию, отделяет ответы по вакансии от посторонних сообщений и передаёт сложные случаи рекрутеру.

HR Диалог Мимикрия Прототип, 2026 Node.jsPyrogramTelegram APIOpenAI-compatible API
Передача диалога оператору при выходе за сценарий
Интерфейсный прототип HR-бота первичной квалификации

Задача

Рекрутеру приходится повторять одни и те же вопросы и вручную отделять релевантные ответы от свободного разговора. Полностью автоматический бот при этом не должен выдавать себя за человека или продолжать диалог вне согласованного сценария.

Решение

Сценарий квалификации

Бот задаёт вопросы по вакансии, сохраняет ответы и проверяет, относится ли новое сообщение к текущему этапу. Текст и правила диалога настраиваются в административной части.

Явная граница автоматизации

Когда вопрос выходит за сценарий или требуется решение рекрутера, бот останавливает автоматическую ветку и уведомляет оператора.

Результат

Структурированная карточка до ручного контакта

Рекрутер получает собранные ответы и понимает, с чего продолжить разговор.

Контроль остаётся у HR-команды

Сценарий и условия передачи можно менять под вакансию без переписывания всего бота.

Система собирает отраслевые публикации, выделяет события по заданным темам и отправляет короткие проверяемые уведомления ответственным сотрудникам.

Новостной радар для промышленности Прототип, 2026 Node.jsPythonRSS/HTML parsersTelegram Bot APIOpenAI-compatible API
Санкции, логистика, сырьё и рыночные изменения
Интерфейсный прототип новостного радара для промышленности

Задача

Отраслевые события распределены по сайтам, лентам и бюллетеням. Обычная подписка создаёт поток ссылок, но не объясняет, какое событие влияет на закупки, логистику или конкретный рынок.

Решение

Сбор и нормализация источников

Планировщик обходит согласованные RSS, HTML и JSON-источники, удаляет повторы и сохраняет оригинальную ссылку и дату публикации.

Классификация по бизнес-темам

AI-модуль выделяет тему, затронутые компании и возможную цепочку влияния. В Telegram уходит краткая карточка со ссылкой на первоисточник.

Результат

Вместо общей ленты — тематическая очередь

Сотрудник видит новости по своей зоне ответственности и может открыть исходную публикацию.

Набор тем меняется вместе с рисками

Администратор добавляет новые категории, источники и правила уведомлений без переработки интерфейса.

Платформа объединяет новости и упоминания, группирует связанные события и готовит аналитические подборки для руководителей.

Корпоративная система мониторинга медиа и аналитики Прототип, 2026 PythonNode.jsPostgreSQLNews APIsOpenAI-compatible API
Темы, компании, тренды и репутационные риски
Интерфейсный прототип корпоративной медианалитики

Задача

Руководителю недостаточно списка ссылок: нужно понимать, какие публикации относятся к одному событию, как меняется тема и где появляется риск для компании или рынка.

Решение

Единый индекс публикаций

Материалы из подключённых источников нормализуются, очищаются от дублей и связываются с компаниями, темами и временными периодами.

Аналитические представления

Система группирует похожие события, выделяет новые сигналы и формирует подборки с кратким выводом и обязательными ссылками на исходные материалы.

Результат

Контекст сохраняется вместе с новостью

Пользователь переходит от сводки к группе публикаций и проверяет вывод по первоисточникам.

Общие данные для регулярных и срочных отчётов

Те же данные используются в дашборде, email-сводке и Telegram-уведомлении без ручного копирования.

Настольный сценарий записывает речь по команде пользователя, превращает её в редактируемый текст и передаёт в рабочее приложение.

Корпоративные решения голосового ввода с ИИ 2026 PythonFlaskWebRTCSpeech-to-textOpenAI Realtime API
speach.wpmix.net
Интерфейс голосового ввода

Задача

При заполнении CRM, писем и внутренних документов длинный текст быстрее продиктовать, чем набрать. Системный диктовщик не всегда умеет работать по корпоративному сценарию и передавать результат в нужное поле.

Решение

Управляемая запись речи

Пользователь сам запускает и останавливает запись. Аудио передаётся через сервер, поэтому ключ AI-провайдера не попадает во фронтенд.

Текст как промежуточный результат

Распознанный текст можно показать для проверки, очистить по согласованным правилам и только затем вставить в активное приложение или отправить в API.

Результат

Голос становится ещё одним способом ввода

Сценарий можно встроить в CRM, форму отчёта или внутренний кабинет без отдельного устройства.

Прототип проверяет основной технический риск

Публичный прототип подтверждает работу микрофона, серверного обмена и realtime-сессии; конкретная интеграция выбирается для рабочего места клиента.

Сервис даёт AI-агенту типизированные операции для чтения кампаний, подготовки групп объявлений, работы с ключевыми словами и аналитикой.

YandexDirect MCP сервер 2026 Node.jsModel Context ProtocolYandex Direct APIYandex Metrika APIOpenAI-compatible API
Web UI, REST API, MCP, CLI и аналитика
Интерфейс управления рекламными операциями

Задача

Управление рекламой через чат опасно сводить к свободному тексту: агент должен различать кампанию, группу, объявление и настройки автотаргетинга, а перед записью показывать точный набор действий.

Решение

Типизированные инструменты вместо кликов

MCP-сервер оборачивает операции Яндекс Директа в команды со схемой параметров. Агент может читать структуру аккаунта, готовить ключевые слова и формировать группу объявлений как единое целое.

Разделение подготовки и записи

Сначала строится план с названиями, ключами, минус-словами и настройками. Изменяющая команда запускается отдельно, а ограничения API и ручные шаги остаются явными.

Результат

Рекламная операция становится проверяемой

Перед выполнением видно, какая сущность будет создана или изменена, и какие параметры уйдут в API.

Общие операции для агента, CLI и интерфейса

Те же операции можно использовать в AI-чате, автоматизации и административном веб-интерфейсе.

Модульная CRM собирается вокруг этапов продаж, ролей и интеграций конкретной команды вместо универсального набора экранов.

AI CRM Constructor: Конструктор CRM под ваш бизнес Прототип, 2026 PythonFlaskPostgreSQLTelegram Bot APICalendar APIs
Сделки, задачи, уведомления и календарные события
Интерфейсный прототип конструктора CRM под процесс компании

Задача

Универсальная CRM часто заставляет небольшую команду подстраиваться под лишние сущности и статусы. Для проверки подхода нужен был прототип, где структура сделки начинается с реального процесса компании.

Решение

Схема из этапов и ролей

На брифинге фиксируются этапы, обязательные поля, ответственные и переходы. Из этой схемы собираются карточка сделки, очередь задач и права доступа.

Интеграции как отдельные модули

Уведомления, календарь, почта и мессенджеры подключаются к событиям процесса, а не зашиваются в каждую форму отдельно.

Результат

Прототип показывает процесс целиком

Команда может пройти путь от новой заявки до завершения сделки и увидеть, где нужны автоматические действия.

Функции добавляются по необходимости

Модульная структура позволяет добавлять нужные функции без включения всех возможностей большой CRM.

Архитектура объединяет локальную модель, управление устройствами, медиатеку и резервное копирование на одном мини-сервере.

AI Home Server Прототип, 2026 LinuxDockerOllamaHome AssistantJellyfinSyncthing
Ollama, Home Assistant, Jellyfin и Syncthing
Схема прототипа локального AI-сервера для дома и офиса

Задача

Домашняя автоматизация, локальный AI, медиатека и резервные копии обычно живут на разных устройствах и требуют отдельных настроек. Нужно было проверить, как объединить их на одном обслуживаемом сервере.

Решение

Сервисы в отдельных контейнерах

Каждый компонент разворачивается изолированно, получает своё хранилище и понятный маршрут обновления. Сбой медиасервера не должен останавливать умный дом или резервное копирование.

Локальный AI как внутренний сервис

Ollama предоставляет модель другим компонентам по локальному API. Telegram-агент и Home Assistant могут обращаться к ней без отправки бытовых данных во внешний облачный чат.

Результат

Проверена составная архитектура устройства

Прототип фиксирует набор сервисов, сетевые связи и требования к диску и памяти до выбора конкретного мини-ПК.

Систему можно собирать поэтапно

Начать можно с Home Assistant и бэкапа, затем добавить локальную модель и медиатеку без смены общей схемы.

Пользователь загружает снимок помещения, выбирает направление оформления и получает варианты, сохраняя исходную геометрию комнаты.

AI Дизайн интерьера Прототип, 2026 PythonFlaskImage generation APIObject storage
Публичная страница прототипа
Прототип AI-визуализации интерьера

Задача

Для первичного обсуждения ремонта клиенту сложно подобрать референс, который соответствует именно его комнате. Требовался простой прототип: загрузить фотографию и быстро сравнить несколько направлений оформления.

Решение

Контролируемый запрос к генерации

Система отделяет параметры помещения от пожеланий по стилю и формирует задание так, чтобы сохранить планировку, окна и основные объекты.

Экран сравнения вариантов

Исходная фотография и результаты показываются рядом. Пользователь может изменить стиль или уточнить отдельную зону, не начиная бриф заново.

Результат

Прототип проверяет сценарий до разработки большого редактора

Можно оценить качество сохранения геометрии и понять, какие настройки действительно нужны пользователю.

Подход подходит для встраивания в сайт недвижимости

После проверки модели тот же процесс можно подключить к кабинету застройщика, мебельной компании или дизайн-студии.

Система разбирает исходные материалы, строит план, готовит слайды и оставляет редактору управляемый черновик перед экспортом.

AI-генератор презентаций из массивов информации ClarityCult 2026 PythonFastAPIReactPostgreSQLpython-pptxLLM API
Интеграция с платформой ClarityCult
Редактор AI-презентаций

Задача

Учебные материалы и методички могут занимать сотни страниц. Простое сокращение текста не даёт презентацию: нужно выделить структуру, распределить смысл по слайдам и сохранить связь с источником.

Решение

План до генерации слайдов

Система извлекает текст и заголовки, строит оглавление будущей презентации и показывает его редактору. Только подтверждённый план превращается в набор слайдов.

Редактируемый результат

Для каждого слайда сохраняются тезисы, визуальная подсказка и ссылка на исходный раздел. Редактор меняет формулировки и порядок до экспорта в рабочий формат.

Результат

Большой документ превращается в управляемый черновик

Команда сначала работает с планом, затем отдельно проверяет и редактирует каждый слайд.

Материал остаётся проверяемым

При правке можно вернуться к исходному разделу и убедиться, что смысл не потерян.

Бот собирает задачи и статусы из рабочих систем, формирует отчёт по спринту и оставляет заказчику одну актуальную картину проекта.

Бот синхронизации команды ClarityCult 2026 PythonGitHub APITelegram Bot APISMTPMarkdownLLM API
GitHub Issues и проектная документация
Сводка бота синхронизации проекта

Задача

В большом бэклоге задачи распределены между issue, чатами и документами. Заказчику сложно понять, что вошло в текущий спринт, какие решения приняты и где требуется его ответ.

Решение

Сбор статусов из первичных систем

Бот читает задачи и изменения из GitHub, связывает их с направлениями проекта и отмечает блокеры. Исходные issue остаются главным местом технической работы.

Отчёт для заказчика

Из актуальных статусов формируется короткая сводка: завершённое, работа в процессе, риски и вопросы. Ссылки ведут к исходной задаче или документу.

Результат

Одна версия прогресса для всех участников

Команда и заказчик обсуждают один и тот же набор задач, а не разные пересказы в чатах.

История решений не исчезает после созвона

Спринтовые отчёты и вопросы сохраняются в проектной документации и доступны при планировании следующего этапа.

Бот помогает пройти расчётный сценарий по СП 4.13130, показывает использованные условия и отделяет справочную подсказку от инженерного заключения.

AI-консультант по пожарной безопасности 2026 Node.jsTelegram Bot APIRule engineOpenAI-compatible API
@fire_safety_sp4_bot
Telegram-консультант по пожарной безопасности

Задача

Вопрос о пожарном проезде зависит от типа объекта, высоты здания и нескольких условий нормы. Свободный ответ AI без пошагового расчёта трудно проверить и опасно воспринимать как готовое заключение.

Решение

Диалог как расчётная форма

Бот последовательно собирает необходимые параметры и не переходит к результату, пока обязательные данные не указаны.

Правила отдельно от пояснения

Числовые условия и ветвления выполняются детерминированно, а AI используется для объяснения результата обычным языком. Пользователь видит, какие исходные данные применены.

Результат

Предварительная проверка становится воспроизводимой

Один и тот же набор параметров приводит к тому же расчётному пути, который можно показать специалисту.

Граница ответственности обозначена в интерфейсе

Бот помогает подготовиться к консультации, но не подменяет проектировщика или официальную экспертизу.

Платформа превращает описание задачи и подключённые данные в адаптивный дашборд с KPI, графиками, таблицами и доступом для команды.

AI-конструктор бизнес-дашбордов 2026 HTMLJavaScriptChart.jsTailwind CSSDashboard SDK
15 публичных сценариев дашбордов
Демонстрационный CRM-дашборд, собранный платформой SimpleDashboard

Задача

Командам нужны разные представления одних данных: продажи, операции, маркетинг и финансы. Ручная разработка каждого прототипа замедляет обсуждение, особенно пока состав метрик ещё меняется.

Демонстрационный дашборд управления проектами
Канбан, карточка задачи и учёт времени в демонстрационном сценарии

Решение

Бриф и данные в одном диалоге

Пользователь описывает роли и метрики, загружает CSV или подключает API. Система предлагает структуру экранов и визуализации, которые можно уточнить до публикации.

Готовый адаптивный интерфейс

Результат собирается как SPA с KPI, графиками, таблицами и прямыми ссылками на разделы. Доступ и обмен с командой подключаются через платформенный SDK.

Результат

Прототип можно обсуждать на живом интерфейсе

Вместо макета команда открывает рабочие экраны, проверяет навигацию и корректирует состав данных.

Подход проверен на разных бизнес-сценариях

В репозитории собраны публичные примеры для продаж, проектов, e-commerce, HR, агентств и SaaS-метрик.

Демонстрационный дашборд аналитики воронки
Метрики и графики демонстрационного сценария воронки

Сотрудник задаёт вопрос обычными словами, а система строит проверяемое вычисление для таблицы или запрос к базе данных.

Talk to Excel / Talk to SQL — AI-ассистент для табличных данных Прототип, 2026 PythonPostgreSQLpandasSQLAlchemyLLM API
Excel, CSV и SQL-базы
Интерфейсный прототип AI-ассистента для Excel и SQL

Задача

Бизнес-вопрос часто формулируется быстрее, чем готовится выгрузка или SQL-запрос. При этом ответ AI без показанной формулы или SQL нельзя надёжно использовать в отчёте.

Решение

Разные движки для таблиц и базы

Для Excel и CSV система строит операции над загруженным набором данных. Для SQL она сначала читает разрешённую схему и генерирует запрос только к доступным таблицам.

Проверка до выполнения

Пользователь видит интерпретацию вопроса, формулу или SQL и может исправить условие. Опасные операции блокируются, рабочий режим ограничивается чтением.

Результат

Ответ сопровождается способом расчёта

Вместе с числом пользователь получает таблицу результата, запрос и параметры фильтрации.

Аналитик подключается к сложным вопросам, а не к каждой выгрузке

Повторяющиеся запросы сохраняются как шаблоны и доступны сотрудникам с нужной ролью.

Общий runtime позволяет запускать ботов с отдельными настройками, данными, AI-провайдером, журналами и административным управлением.

Разработка Telegram Ботов под ключ 2026 Node.jsTypeScriptTelegram Bot APIPM2OpenAI-compatible API
Изолированные настройки, история диалогов и health-check
Платформа разработки Telegram-ботов

Задача

Каждый новый бот повторяет инфраструктурные задачи: хранение истории, конфигурация модели, ограничения ввода, мониторинг и обновление. Если собирать их заново, сценарии расходятся и сложнее обслуживаются.

Решение

Общий runtime и изолированные данные

Платформа отделяет код доставки сообщений от промпта и бизнес-логики конкретного бота. Для каждого сценария хранятся собственные настройки и история.

Администрирование и эксплуатация

Боты запускаются под PM2, проходят health-check и управляются через административный интерфейс. Модель и лимиты можно менять без переписывания Telegram-интеграции.

Результат

Новый сценарий начинается с бизнес-логики

Команда переиспользует авторизацию, сообщения, retry, журналы и мониторинг вместо копирования инфраструктуры.

Разные боты обслуживаются одинаково

Счётчик питания, нормативный консультант и внутренние ассистенты работают в одном эксплуатационном подходе, сохраняя отдельные данные.

GitHub App связывает коммит, техническое задание и человека-рецензента, который проверяет основной сценарий и отправляет исправление pull requestом.

Vibers — Код-ревью для вайбкодинг-проектов 2026 GitHub AppGitHub ActionsNode.jsTelegramHuman review
Paycif pull request #2
Vibers — human-in-the-loop код-ревью

Задача

Команда быстро выпускает код с помощью AI, но типичные автоматические проверки не замечают расхождение с ТЗ, сломанный пользовательский путь или несуществующую интеграцию. Нужен был процесс, где ревью заканчивается проверяемым исправлением.

Решение

Контекст из репозитория и спецификации

После push сервис связывает изменение с описанием задачи и передаёт его рецензенту. Рецензент проверяет diff и основной пользовательский сценарий.

Исправление в том же рабочем процессе

Найденные проблемы оформляются в коде и тестах, затем отправляются отдельным pull requestом. Заказчик видит, что изменено и как это проверить.

Результат

Публичный пример дошёл до готового PR

В Paycif ревью выявило проблемы платёжного пути, обработки ошибок и интерфейса; исправления опубликованы в pull request #2.

AI остаётся ускорителем, а не единственным контролёром

Человек проверяет соответствие задаче и фактическое поведение, а автоматизация собирает контекст и доставляет результат.