Наши решения на практике
Мы разрабатываем ИИ-инструменты для конкретной работы: помочь покупателю в интернет-магазине, найти сведения в переписке или собрать цены с сайтов. Ниже — четыре примера с пояснениями, как они устроены и что нужно для их использования.
ИИ-консультант для интернет-магазина на Webasyst
Для проекта Kotsdog мы разработали ИИ-консультанта и плагин для Webasyst Shop-Script. Плагин добавляет чат на сайт и связывает его с каталогом магазина. Покупатель может задать вопрос о товаре, перейти к его карточке и добавить товар в корзину через диалог.
Владелец магазина настраивает подключение и просматривает историю диалогов в административной части. Для работы консультанту нужны данные каталога и подключение к нашему серверу: один установленный плагин не заменяет всю систему.
Посмотреть пример можно на демонстрационной витрине Webasyst. Это пример работы с каталогом, а не обещание определённого роста продаж.
При подключении другого магазина проверяем актуальность данных, совместимость с его настройками и вопросы, с которыми консультант должен помогать покупателям.
Зооветснаб — система консультаций по ветеринарным препаратам
Для проекта «Зооветснаб» мы разработали систему консультаций по ветеринарным препаратам. Она помогает пользователям получать информацию о ветпрепаратах в формате диалога: задать вопрос и уточнить интересующие сведения.
Это отдельное направление наших решений — специализированный ИИ-консультант по ветеринарным препаратам, а не универсальный чат на любые темы.
Информация о препаратах не заменяет осмотр животного и назначение ветеринарного врача. Перед применением необходимо сверяться с актуальной инструкцией и рекомендациями специалиста.
Recall — система памяти для ИИ-агентов
Recall сохраняет переданную информацию и помогает ИИ-агентам находить её в следующих разговорах. Это отдельная система памяти: нужные сведения хранятся вне текущего чата и могут использоваться повторно.
Например, в Recall можно сохранять рабочую переписку, принятые решения и справочные материалы. Поиск по смыслу помогает найти нужный фрагмент, даже если вопрос сформулирован другими словами. Мы используем Recall в работе собственных агентов.
Recall ищет только в сохранённых данных. Память не гарантирует правильность каждого ответа: важно следить за актуальностью материалов и проверять сведения перед ответственными действиями.
Сбор цен с сайтов и интернет-магазинов
Наш агент может открыть страницу товара в браузере и извлечь указанную цену. Такой сбор данных нужен, когда вручную проверять отдельные предложения неудобно. Источники и формат результата подбираем под конкретную задачу.
В тестовом запуске мы получили цену с сайта ЛитРес. Это подтверждает работу на конкретном источнике, но не означает поддержку любого магазина. На Wildberries и Ozon при проверке столкнулись с ограничениями доступа; стабильный сбор с этих площадок пока не заявляем.
Перед началом работы проверяем выбранные сайты, условия доступа и то, какую именно цену нужно собирать. Она может зависеть от региона, продавца, скидки или способа оплаты.
