Учет, анализ и управление

Работаю над проектом интеграции 1С платформы с локальной LLM моделью (LM Studio, модель google/gemma-4-e4b). С автором можно связаться в телеграмм @Yuriy_EB (efficient business) Сегодня отладил функцию передачи файла в локальную LLM. Отработан механизм передачи текстового файла (txt, XML, html) и файлов изображений. Большая языковая модель принимает запрос, формирует ответ, и отправляет это в 1С. Для решения этой задачи пришлось повозиться с документацией к LM Studio на сайте разработчиков. В итоге - все заработало. Теперь по плану: 1. Создать механизм очереди запросов в 1С конфигурации. Машина будет формировать очередь запросов и регламентное задание (фоновое задание) будет посылать запросы в сторону LLM. 2. Подготовить перенос всей этой системы на новый комп и перенести (купил специально новую машинку, чтобы запросы обрабатывались раз в 40-50 быстрей). На первом слайде - отладочное окно с логами. LLM отработала и в логи записала ответ (JSON-строка). На втором слайде - пришедший ответ на стороне 1С. Та же самая JSON-строка. На третьем слайде - пример изображения, на котором тестировал распознавание и описание изображений (машина распознала, около 400-500 токенов тратит на исходящий ответ. Бабочку видит, звездочки тоже - все хорошо). На четвертом слайде - пример данных для анализа (XML-файл). LLM видит и понимает данные в нем. Все, ради чего весь проект делается. С автором можно связаться в телеграмм @Yuriy_EB (efficient business)

Работаю над проектом интеграции 1С платформы с локальной LLM моделью (LM Studio, модель google/gemma-4-e4b). Сегодня отладил код интеграции локальной LLM с платформой 1С. Реализована возможность отправлять в локальную LLM промпт, текст для анализа и получение ответа. Это будет использоваться в будущих проектах по теме: data mining, автоматизированные системы управления организациями (управление и производство), аналитические системы для анализа больших объемов данных и прогнозирования. На рисунке ниже, пришедший ответ от LLM в платформе 1С, т.е. этот ответ может быть сохранен в базе данных (которая в разработке). Чем это может пригодится? 1. Анализ больших объемов данных о продажах, без необходимости использовать подписки и отдавать "чувствительные данные" провайдерам, предоставляющим услуги по использованию нейросетей. 2. Выстраивание бизнес-процессов в компаниях разного масштаба (оптимизация издержек, максимизация прибыли на величину расходов). 3. Проектная работа. Внедрение и поддержка программных продуктов, или управление изменениями в компаниях (управление проектами развития). 4. Подготовка учебных материалов и автоматизированная проверка усвоения материала слушателями. 5. Оптимизация издержек на анализ и интерпретацию полученных результатов анализа (хозяйственной деятельности, производственной деятельностью, выполнения НИОКР и результатов внедрения, маркетинговой деятельности, и т.д.).

Вчера активно получилось отдохнуть. Покидали мячик немного, и прошлись вдоль реки в Крылатском.