Небольшой ИИ-прорыв 🚀 - сделал прототип чтения файлов с чертежами и сборками.
Задача: загрузить НСИ (номенклатуру, спецификации) в 1С из файлов.
Файлов много, не лежат ни в какой БД. Просто файлы по папкам.
Есть готовое решение для 1С, но оно плохо справляется. Поэтому решил попробовать через ИИ.
На этот раз пришлось повозиться, т.к. часть контекста нейросети недоступна - API и документация к нему.
И одна нейросеть не справилась, пришлось привлечь вторую. Работали втроём - я, DeepSeek и Qwen.
Сначала бились с DeepSeek, но смогли прочитать только массу изделия.
DeepSeek пытался меня убедить, что это уже победа, и надо обрадовать заказчика :)
Я пошёл через Qwen, с нуля - тот добился чтения всех свойств быстрее. Но через час завис 😂.
Пока висел Qwen, я отдал его скрипт DeepSeek'у - тот порадовался за способности Qwen, понял свои ошибки, и, конечно "немного улучшил скрипт конкурента".
С DeepSeek, пока висел Qwen, мы дошли до чтения сборок - там лежит состав изделия.
Потом очнулся Qwen, я ему показал полуфабрикат DeepSeek, тот тоже порадовался и кинулся улучшать.
Долго не могли массу изделия прочитать, она как-то хитро там лежит. Работали втроём - они выдавали свои скрипты, я проверял, иногда давал им почитать результаты соседа.
В итоге первым к финишу пришёл Qwen.
Скрипт сделал универсальным, читает три формата файлов.
Он же сделал пакетный режим - указываешь папку, он читает все файлы, и их свойства складывает в один json. Потом его можно читать в 1С.
Время чтения не сравнивал с 1Сным решением, но по факту на 8 чертежей уходит 21 секунда, из них 2 секунды - на подключение к САПР (оно делается один раз, потом просто используется).
Пойдём пробовать в 1С загрузить, и сравним с 1Сной читалкой чертежей.
На этот раз было сильно интереснее, т.к. далеко не сразу всё получилось. DeepSeek несколько раз пытался сдаться, остановиться, бросить задачу (и вернуться к рисованию дашбордов или расчёту с/с). Но я не дал ему сдаться.
Также, потребовалось больше работы от меня - реверс-инжиниринг (рассказывал нейросети, какие свойства есть в чертеже и каковы их значения), документация (в открытом доступе он её не нашёл, пришлось искать в файлах).
Но получилось прикольно.
Это уже решение другого класса, вроде бы.
Задача: загрузить НСИ (номенклатуру, спецификации) в 1С из файлов.
Файлов много, не лежат ни в какой БД. Просто файлы по папкам.
Есть готовое решение для 1С, но оно плохо справляется. Поэтому решил попробовать через ИИ.
На этот раз пришлось повозиться, т.к. часть контекста нейросети недоступна - API и документация к нему.
И одна нейросеть не справилась, пришлось привлечь вторую. Работали втроём - я, DeepSeek и Qwen.
Сначала бились с DeepSeek, но смогли прочитать только массу изделия.
DeepSeek пытался меня убедить, что это уже победа, и надо обрадовать заказчика :)
Я пошёл через Qwen, с нуля - тот добился чтения всех свойств быстрее. Но через час завис 😂.
Пока висел Qwen, я отдал его скрипт DeepSeek'у - тот порадовался за способности Qwen, понял свои ошибки, и, конечно "немного улучшил скрипт конкурента".
С DeepSeek, пока висел Qwen, мы дошли до чтения сборок - там лежит состав изделия.
Потом очнулся Qwen, я ему показал полуфабрикат DeepSeek, тот тоже порадовался и кинулся улучшать.
Долго не могли массу изделия прочитать, она как-то хитро там лежит. Работали втроём - они выдавали свои скрипты, я проверял, иногда давал им почитать результаты соседа.
В итоге первым к финишу пришёл Qwen.
Скрипт сделал универсальным, читает три формата файлов.
Он же сделал пакетный режим - указываешь папку, он читает все файлы, и их свойства складывает в один json. Потом его можно читать в 1С.
Время чтения не сравнивал с 1Сным решением, но по факту на 8 чертежей уходит 21 секунда, из них 2 секунды - на подключение к САПР (оно делается один раз, потом просто используется).
Пойдём пробовать в 1С загрузить, и сравним с 1Сной читалкой чертежей.
На этот раз было сильно интереснее, т.к. далеко не сразу всё получилось. DeepSeek несколько раз пытался сдаться, остановиться, бросить задачу (и вернуться к рисованию дашбордов или расчёту с/с). Но я не дал ему сдаться.
Также, потребовалось больше работы от меня - реверс-инжиниринг (рассказывал нейросети, какие свойства есть в чертеже и каковы их значения), документация (в открытом доступе он её не нашёл, пришлось искать в файлах).
Но получилось прикольно.
Это уже решение другого класса, вроде бы.