Евгений (aka S0k0l)^* Соколов

Для Fit&Lead нужно было делать сайт компании, лендинги для разных аудиторий и новые продукты. Я спроектировал дизайн-систему, которой мог пользоваться человек со своим ИИ: ставить задачу, собирать рабочий интерфейс и опираться на уже принятые дизайнерские решения.

Fit&Lead связывает бренды, блогеров и вебмастеров в сфере спорта и здоровья. У них разные задачи, поэтому страницы и сценарии тоже различаются. При этом каждую новую страницу не хотелось начинать с повторного объяснения всей системы — от оформления до поведения интерфейса.

Сначала я спроектировал дизайн-систему и агентный контур: как ИИ находит нужные правила, применяет их и что делает, когда готового решения нет. Затем на этой основе ИИ реализовал сайты и лендинги сразу в коде. Я отвечал за дизайн-направление и развитие системы; на отдельных участках работали дизайнеры на аутсорсе.

Начинать с задачи человека

Человек приходит с задачей: нужна форма заявки, список с фильтрами или страница нового продукта. Для её постановки ему не нужно разбираться в устройстве компонентов. Поэтому вход в систему я строил вокруг того, что человек хочет сделать: к типовым задачам были подготовлены рецепты сборки, а к компонентам — правила применения.

Для тех, кто развивает саму систему, и тех, кто ею пользуется, нужны разные инструкции. Разработчику компонента важно знать его внутреннее устройство. Агенту, который собирает страницу, — когда этот компонент подходит, какие варианты у него есть и как связать его с остальными. Я разделил эти два уровня, чтобы для каждой новой задачи не приходилось изучать весь проект.

Передать смысл дизайнерского решения

У книжного магазина есть список товаров, цены и остатки. Для покупателя нужны ещё обложки, описания, авторы, серии и понятные разделы. Эти сведения есть у издательств, оптовиков и книжных сетей — только разбросаны по разным каталогам и записаны по-разному.

Я спроектировал CATME PIM, чтобы магазин мог собрать эти сведения и дополнить ими свой каталог. Система принимает прайсы, приводит данные к общему виду, сопоставляет книги из разных источников и накапливает описания в общей базе. При следующем обновлении каталога собранные сведения используются снова.

Одна книга, разные предложения

Одно и то же издание встречается у нескольких поставщиков. У каждого свой артикул, цена и наличие. При этом в одном каталоге есть аннотация, в другом — хорошая обложка, в третьем — подробные характеристики. Магазину нужны и сведения о книге, и отдельные предложения, по которым её можно купить.

Я разделил их в модели данных. Запись поставщика сохраняет его предложение и происхождение сведений. Общая карточка книги — в системе она называется архетипом — собирает описание из разных источников. Записи сопоставляются по номеру издания — ISBN. Благодаря этому можно дополнить описание книги и сохранить связь с каждым поставщиком.

У каждого источника свои правила

Даже одинаковые сведения приходят в разном виде. Колонка со штрихкодом может называться «EAN» или «Штрих-код», размеры — быть записаны в разных единицах, а вместо серии иногда стоит «Не указано». Если перенести всё как есть, эти различия попадут и в каталог магазина.

Binology выпускала цифровые мусорные контейнеры и хотела найти другие применения своей радарной технологии. Я исследовал возможные задачи клиентов и помог команде выбрать ориентир для развития продукта.

Разобрать работу будущего клиента

Я изучил возможные применения технологии и собрал истории о задачах, для которых нужны такие измерения. Для обсуждения этих задач с командой я разработал канву deep story. В ней связал четыре вопроса: что нужно узнать об объекте, в каких условиях будет работать прибор, как будут использовать показания и что это изменит в работе клиента.

Например, при измерении уровня в ёмкости важно различать две задачи: вовремя заметить достижение предельного уровня или следить за изменением уровня непрерывно. В канве они разделены. От задачи зависят частота замеров и то, какие показания нужны человеку.

Учесть условия внедрения

Прибору нужно работать в конкретной среде. Поэтому в разбор вошли пыль, пар, температура, вибрации, способ крепления, питание и передача данных. Эти условия связывали задачу клиента с требованиями к устройству.

Я включил в канву и вопросы о внедрении: кто установит датчики, потребуется ли остановить производство, обучить сотрудников или подключить измерения к системе управления процессом. Так мы могли обсуждать, какую пользу дадут измерения, сколько стоит их организовать и что произойдёт, если обходиться без них.

Прайс на сотни тысяч товаров нужно загрузить в каталог. Обычные скрипты уже тормозят, а отдельная система для больших данных была бы избыточна.

С этой задачей я столкнулся в CATME PIM, когда работал с прайсами книжных поставщиков. Вместе с ИИ я разрабатывал конвертер, который готовит данные из больших таблиц для дальнейшей обработки. Затем выбрал его как основу отдельного продукта — сервиса, с которым человек работает через своего агента.

Указать, где лежит прайс

Человек может дать агенту публичную ссылку на XLSX в Яндекс Диске. Converter сам забирает файл и готовит данные для дальнейшей работы: скачивать большой прайс на свой компьютер и затем загружать его в сервис не нужно. Файл с компьютера тоже можно передать напрямую.

Агент создаёт заказ, передаёт источник, следит за готовностью, получает результат и проверяет его. Для управления заказом у сервиса есть MCP — подключение, через которое агент обращается к его операциям. Тяжёлая обработка выполняется на сервере; устанавливать сам конвертер на компьютер пользователя не нужно.

Сохранить строки и поля

Если при переносе потерялась часть прайса, дальнейшая обработка будет опираться на неполные данные. Поэтому я разделил конвертацию и работу со смыслом товара. Конвертер сохраняет табличные данные в NDJSON — текстовый файл, в котором каждой товарной записи отведена отдельная строка. Очистка названий, сопоставление поставщиков и обогащение каталога выполняются следующим шагом, например в CATME PIM.

Я задал требования к переносу: исходный файл остаётся неизменным, результат можно сверить по числу записей и контрольной сумме. Строки читаются и записываются по мере обработки, поэтому весь результат не приходится держать в памяти. Если расположение заголовков неясно, его нужно уточнить, чтобы строка с товаром не стала заголовком.