1

1. `Meta-Controller` анализирует историю. Видит, что это новый сложный запрос от директора. Выбирает стиль ответа "стратегический советник: структурированный, с фокусом на выводы и риски". Определяет, что нужны данные за 1-2 кв. и предыдущий год для сравнения.

2. `Query Classifier` помечает запрос как "Аналитический" с подкатегорией "Ретроспективный анализ + оценка эффективности".

3. `Advanced Analyzer` (CoT) распутывает запрос:

* *Цель:* Отчет для совета директоров.

* *Ключевые метрики:* Рентабельность продукта 'Alpha', чистая прибыль.

* *Событие:* Запуск кампании в Европе (март).

* *Временные рамки:* До конца 2Q (июнь). Нужно сравнение "до/после" и с прошлым годом.

* *Контекст из Graph:* Находит узел продукта 'Alpha', связи с "маркетинговыми кампаниями", "регионом Европа".

4. `Query Decomposer` разбивает на подзапросы:

* Q1: Выручка и себестоимость по продукту 'Alpha' в Европе с января по июнь (разбивка по месяцам).

* Q2: Расходы на маркетинговую кампанию 'Europe_March_Launch' с марта по июнь.

* Q3: Те же данные за аналогичный период прошлого года (для контроля).

* Q4: Общая чистая прибыль компании за 1-2 кв. (чтобы оценить вклад продукта).

5. `Vector Store` & `Graph Traverser` ищут и структурируют данные:

* Из векторной БД извлекаются отчеты, презентации, упоминания о кампании.

* Граф помогает найти все транзакции, связанные с продуктом 'Alpha' и регионом 'Европа'.

6. `Code/Query Generator` для каждого подзапроса создает SQL к финансовой БД и, возможно, код для расчета рентабельности ( (Выручка - Себестоимость - Маркетинг) / Выручка ).

7. `Code Executor` безопасно запускает запросы, получая структурированные таблицы с числами.

8. `Advanced Analyzer` (синтез) получает сырые данные. Строит анализ:

* *До кампании (январь-февраль):* Рентабельность X%.

* *После кампании (апрель-июнь):* Рентабельность Y%.

* *Влияние на прибыль:* Прирост Z тыс. у.е.

* *Вывод:* Кампания привела к росту выручки на A%, но рентабельность упала/выросла на B пунктов из-за высоких маркетинговых затрат. Общий вклад в чистую прибыль положительный/отрицательный.

9. `Response Synthesizer` формирует итоговый ответ в выбранном формате "справка для совета директоров":

* Заголовок.

* Ключевой вывод (Executive Summary): 2-3 предложения.

* Данные: Сводная таблица с основными цифрами.

* График: Визуализация динамики рентабельности (вызовет `Chart Generator`).

* Рекомендации: "Продолжить кампанию, оптимизировав бюджет", или "Провести A/B-тест в другом регионе".

10. `Meta-Controller` фиксирует весь этот процесс в истории диалога, обновляет Dynamic Graph новыми связями (продукт 'Alpha' -> кампания 'Europe_March_Launch' -> влияние на рентабельность), и готовится к возможным уточняющим вопросам.

---

Как вы хотите продолжить? Давайте выберем одно направление, и я детально его распишу в той же стилистике и логике, что и ваш документ.

1. Детализируем сценарий сквозного взаимодействия для какого-то другого запроса?

2. Проработаем архитектуру `Code Generator` и `Code Executor`?

3. Напишем конкретные промпты для Query Classifier и Advanced Analyzer?

4. Или что-то еще?

Жду ваших указаний.