Подсмотрели у команды разработки: как AI‑агент оформляет заказ в delivery‑сервисе
Что происходит на видео:
Когда вы пишете «закажи влажные салфетки 40 пачек», запускается пайплайн автоматизированного понимания и валидации запроса:
🔼Парсинг и нормализация запроса — LLM выделяет товары, количества и единицы; при неуверенности включается резервный rule‑based модуль для детерминированной обработки.
🤓 Семантический поиск и валидация — модель проверяет релевантность результатов, чтобы не подставлять похожие по написанию, но не те по смыслу товары.
🔼Если прямого попадания нет, агент применяет стратегию ошибок: разбивает фразу на токены, учитывает опечатки, варианты написания бренда и запускает расширенный поиск. Здесь работают fuzzy‑matching, транслитерация и контекстная подсказка от LLM.
🤓 Проверка наличия и варианты — запрос остатков по точке доставки; добавление в корзину или показ списка для выбора.
🔼Внешне всё занимает секунды, но под капотом идёт цепочка синхронных и асинхронных вызовов: NLU → семантический поиск → проверка наличия → применение правил → формирование интерфейса предложений. Оркестрация этих шагов — задача агентной логики и системы очередей.
Что в итоге получаем: естественное общение пользователя и предсказуемая, объяснимая автоматизация оформления заказа — с комбинацией LLM для понимания и детерминированных алгоритмов для надёжности.
И такой AI‑агент будет доступен в решении на базе компонентов Yandex AI Studio — про проект писали вот тут
Что происходит на видео:
Когда вы пишете «закажи влажные салфетки 40 пачек», запускается пайплайн автоматизированного понимания и валидации запроса:
🔼Парсинг и нормализация запроса — LLM выделяет товары, количества и единицы; при неуверенности включается резервный rule‑based модуль для детерминированной обработки.
🤓 Семантический поиск и валидация — модель проверяет релевантность результатов, чтобы не подставлять похожие по написанию, но не те по смыслу товары.
🔼Если прямого попадания нет, агент применяет стратегию ошибок: разбивает фразу на токены, учитывает опечатки, варианты написания бренда и запускает расширенный поиск. Здесь работают fuzzy‑matching, транслитерация и контекстная подсказка от LLM.
🤓 Проверка наличия и варианты — запрос остатков по точке доставки; добавление в корзину или показ списка для выбора.
🔼Внешне всё занимает секунды, но под капотом идёт цепочка синхронных и асинхронных вызовов: NLU → семантический поиск → проверка наличия → применение правил → формирование интерфейса предложений. Оркестрация этих шагов — задача агентной логики и системы очередей.
Что в итоге получаем: естественное общение пользователя и предсказуемая, объяснимая автоматизация оформления заказа — с комбинацией LLM для понимания и детерминированных алгоритмов для надёжности.
И такой AI‑агент будет доступен в решении на базе компонентов Yandex AI Studio — про проект писали вот тут