Skip to content

Instantly share code, notes, and snippets.

@fitz123
Last active March 1, 2026 11:26
Show Gist options
  • Select an option

  • Save fitz123/1065942c65fc7a82b6316ec930185651 to your computer and use it in GitHub Desktop.

Select an option

Save fitz123/1065942c65fc7a82b6316ec930185651 to your computer and use it in GitHub Desktop.
Паспорт AI-компонента КИБЕР-ГЕНПОДРЯД v0.1

Паспорт AI-компонента платформы КИБЕР-ГЕНПОДРЯД

Документ подготовлен по запросу НОТИМ для формализации AI-компонента платформы. Формат вдохновлён AI Model Cards (Google/HuggingFace) и ГОСТ Р 71476-2024 (ИСО/МЭК 22989:2022).


1. Общие сведения

Параметр Значение
Название платформы КИБЕР-ГЕНПОДРЯД
Назначение Цифровое управление строительными объектами: координация участников, контроль выполнения работ, автоматизация документооборота
Целевая аудитория Генподрядчики, субподрядчики, ИТР, рабочие на площадке, руководство стройки
Стадия разработки Pre-pilot (проектирование + прототип)
Разработчик Команда КИБЕР-ГЕНПОДРЯД
Дата документа 2026-03-01

2. Архитектура AI-компонента

Роль AI в платформе

AI — вспомогательный компонент, не ядро. Базовая ценность платформы (координация, задания, отчёты, приёмка) работает без AI. Искусственный интеллект расширяет возможности начиная с Phase 2-3.

Текущая архитектура (Phase 1 — MVP)

┌─────────────────────────────────────────────────┐
│                  ПЛАТФОРМА                       │
│                                                  │
│  ┌──────────────┐  ┌──────────────┐             │
│  │  Telegram-бот │  │  Веб-панель  │   UI слой   │
│  └──────┬───────┘  └──────┬───────┘             │
│         │                 │                      │
│  ┌──────┴─────────────────┴──────┐              │
│  │  Бизнес-логика (модульный     │   Core       │
│  │         монолит)              │              │
│  │  Планирование · Фиксация ·   │              │
│  │  Инциденты · Приёмка         │              │
│  └──────────────┬────────────────┘              │
│                 │                                │
│  ┌──────────────┴────────────────┐              │
│  │         База данных           │   Данные     │
│  └───────────────────────────────┘              │
│                                                  │
│  ┌───────────────────────────────┐              │
│  │  AI-адаптер (абстракция LLM)  │   AI слой   │
│  │  Подключаемые провайдеры      │ (Phase 2-3) │
│  └───────────────────────────────┘              │
└─────────────────────────────────────────────────┘

Принцип абстракции LLM-провайдера

AI-компонент спроектирован через адаптерный паттерн: бизнес-логика взаимодействует с AI через унифицированный интерфейс, а конкретный провайдер подключается как плагин.

Это означает:

  • Замена одной LLM на другую не требует изменений бизнес-логики
  • Можно использовать разных провайдеров для разных задач
  • Переход на отечественный AI — вопрос конфигурации, не переписывания

3. Входные данные (что получает AI)

Тип входа Описание Формат Пример
Текст Сообщения пользователей в Telegram-боте UTF-8, текст «Плитка уложена, кв. 42-45»
Фото Фотоотчёты с площадки JPEG/PNG Фото выполненных работ
Голос Голосовые сообщения рабочих OGG/WAV Описание проблемы голосом
Документы ГПР, чертежи, сертификаты PDF/XLSX/DWG График производства работ

Ограничение: Telegram Bot API — лимит 20 МБ на файл. Для крупных документов (чертежи, BIM) предусмотрен альтернативный канал загрузки (облачное хранилище).

4. Выходные данные (что формирует AI)

Тип выхода Описание Phase
Распознавание речи Транскрипция голосовых → текст Phase 2-3
Классификация Определение типа обращения (отчёт / проблема / вопрос) Phase 2-3
Анализ фото Валидация фотоотчёта (есть ли реальная работа на фото) Phase 3
Прогнозы Предиктивная аналитика срывов сроков Phase 3
Нормоконтроль Проверка документов на соответствие СНиП/ГОСТ Phase 3+
Репутационный скоринг Многофакторная оценка подрядчиков Phase 3

Примечание: Phase 1 (MVP) работает полностью без AI. AI-функции появляются начиная с Phase 2-3, по мере накопления данных и валидации базового продукта.

5. Совместимость с LLM-провайдерами

Провайдер Страна Статус Примечания
OpenAI США Используется Применяется на этапе проектирования и разработки
Anthropic США Используется Применяется на этапе проектирования и разработки
DeepSeek Китай Совместим (API) API-совместимый формат; интеграция не тестировалась в продукте
Qwen (Alibaba) Китай Совместим (API) Open-source модели, возможен self-hosted
GigaChat (Сбер) Россия Планируется Отечественный, API-доступ через SberCloud
YandexGPT Россия Планируется Отечественный, API через Yandex Cloud
Self-hosted (Llama, Mistral) Планируется Полная автономность, данные не покидают контур заказчика

Стратегия миграции

  1. Сейчас (проектирование): OpenAI GPT — лучшее качество для разработки
  2. Пилот: DeepSeek/Qwen — API-совместимые, дружественные юрисдикции
  3. Продакшн: GigaChat/YandexGPT или self-hosted — данные в РФ, соответствие регуляторике
  4. Долгосрочно: мониторинг качества отечественных LLM, переход по мере сокращения разрыва в качестве

6. Мессенджеры и каналы доставки

Мессенджер Статус Технология
Telegram ✅ Основной канал Telegram Bot API
VK Мессенджер (Max) 🔄 В плане VK API

Архитектура поддерживает добавление новых каналов через адаптерный паттерн (аналогично LLM).

7. Безопасность и данные

Аспект Решение
Хранение данных База данных; целевое размещение — серверы в РФ
Персональные данные Минимизация: только роль + Telegram ID
Передача данных в LLM Только обезличенные тексты, без ПДн
Логирование Все запросы к AI логируются для аудита
Self-hosted вариант Возможен полностью автономный контур (данные не покидают периметр заказчика)

8. Ограничения и риски

Риск Митигация
Качество отечественных LLM ниже GPT Абстракция провайдера + мониторинг разрыва в качестве
Зависимость от внешнего API Резервный вариант: self-hosted (Llama/Mistral/Qwen)
Галлюцинации LLM AI не принимает решений — только помогает (human-in-the-loop)
Регуляторные изменения Архитектура позволяет быструю миграцию между провайдерами

9. Планы развития AI-компонента

Фаза AI-функции Срок
Phase 1 (MVP) Без AI. Сбор данных для будущих моделей Текущая
Phase 2-3 Пилотные AI-эксперименты: распознавание речи, классификация +3-6 мес. после MVP
Phase 3 Продуктивные AI-функции: CV фотоотчётов, предиктивная аналитика, репутация +6-12 мес.
Phase 3+ Нормоконтроль DWG/BIM, цифровой двойник Горизонт

Контакт: Ninja (@notbuddy) — техлид/архитектор Версия документа: 0.1

Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment