Александр Вахтин › avvahtin Сбер ID
AI-агенты, данные и веб-сервисы на Python: от идеи до продакшена
Рейтинг
217
№ 6 009 в каталоге
Отзывы
0
Профессионализм
-/10
Коммуникация
- /10
Город
Москва
Опыт работы
8 лет
На сайте с
2026 года
Юридический статус
ИП

AI-агент по данным бизнеса: вопрос словами — готовый дашборд

Используемые навыки Large Language Models (LLMs) Python Анализ данных Бизнес-аналитика Интеграция модели ИИ

Описание

Заказчик — платформа сквозной аналитики. В неё стекаются данные из рекламных кабинетов, маркетплейсов, CRM и веб-аналитики, и клиент видит их в отчётах и дашбордах.

Данные у клиента были, ответов не было. Вопрос «за счёт чего упала выручка в прошлом месяце» превращался в работу аналитика: выгрузить данные из нескольких систем, свести, построить графики, объяснить. Руководитель ждал своей очереди и получал цифры, когда решение уже было принято без них.

Задача — встроить в платформу AI-агента, которому вопрос задают обычными словами, а в ответ получают вывод, график или готовый дашборд по своим данным. И продавать его клиентам как отдельную подписку.

«Подключить ChatGPT» не подходило, условия были жёсткими:

— Модель не должна иметь возможности изменить или удалить данные клиента. Только чтение, и гарантировать это должен код, а не инструкция в промпте.
— Каждая цифра в ответе — из запроса к реальным данным, а не из догадок модели.
— Стоимость каждого обращения к модели известна точно и укладывается в тариф. Без этого подписку не продать: один активный клиент съедает маржу всех остальных.
— Продакшен, а не демо: много пользователей одновременно, запросы по несколько минут, закрытые вкладки, повторные нажатия.
— Новые сценарии, например аудит рекламного кабинета, должны добавляться без переписывания ядра.

Решение

Спроектировал и написал AI-агента практически целиком: по истории репозиториев мне принадлежит больше 90% кода подсистемы — и на бэкенде, и в интерфейсе чата на фронтенде. Биллинг агента полностью мой. Отдельные доработки аудита фида, выгрузок и источников данных делали коллеги.

Дашборд из диалога. Главный навык агента — собрать дашборд прямо в чате: добавить, заменить или переставить виджеты, поменять тип графика, настроить фильтры. Доступно 11 типов виджетов: линия, столбцы, круговая и кольцевая диаграммы, пузырьковая, тепловая карта, ящик с усами, воронка, таблица, KPI-карточка и текстовый блок. Каждая правка сохраняется отдельной версией с откатом в один шаг, а перед сохранением проходит пробный прогон, чтобы в дашборд не попал сломанный график. Виджет — не картинка: у каждого свой граф запросов на SQL и Python, и дашборд обновляется из данных клиента.

Свой MCP-слой вместо доступа к базе. Агент работает только через 31 инструмент с описанными контрактами: список таблиц и схема, запрос, расчёт на Python, график, чтение подключённых кабинетов, уточняющий вопрос. Диспетчер собирает в один каталог собственные инструменты и внешние MCP-серверы, например веб-поиск; если внешний сервер упал, агент продолжает работу без него.

Только чтение — технически. Разрешены SELECT, WITH и SHOW; изменяющие команды, цепочки запросов и комментарии отсекаются, каждая таблица сверяется с источниками, подключёнными к отчёту, результат ограничен 10 000 строк. Расчёты на Python идут в одноразовом Docker-контейнере с лимитами памяти, процессора и числа процессов.

Навыки по требованию. Семь навыков: дашборд, разбор просадки метрики, безопасный SQL, данные из подключений, исследование рынка в вебе, аудит Яндекс.Директа и аудит товарного фида. В контексте модели лежит только их каталог, инструкции подгружаются, когда нужны. Аудит Директа — реестр из 75 проверок с уровнями критичности, из которого агент собирает отчёт-артефакт; аудит фида заложил я, дальше его развивал коллега.

Расходы и биллинг. Стоимость каждого хода берётся из шлюза моделей LiteLLM — тем же движком, по которому приходит счёт. Прежний расчёт по таблице цен ошибался до 30 раз. Если цену получить не удалось, это фиксируется явно, а не записывается нулём. Поверх учёта написал биллинг подписки: месячный бюджет тарифа в рублях, проверка остатка до старта хода, списание сверх бюджета с баланса аккаунта, продление и смена тарифа. Упавший по нашей вине ход не списывается. Для безопасного включения есть теневой режим: суммы считаются, но не списываются, пока не сойдутся с фактическими расходами.

Длинный диалог без потери контекста. Объём запроса считается до отправки. При подходе к лимиту старая часть истории сжимается дешёвой моделью в конспект: факты, решения, открытые вопросы. Если сжатие не удалось, ответ всё равно приходит.

Поведение в продакшене. Ответ идёт потоком: текст, ход рассуждений, старт и итог каждого инструмента, правки дашборда. Закрыл вкладку — агент доделывает работу, ответ ждёт в чате. Долгая выгрузка показывает прогресс вместо вечного спиннера. Повторная отправка не выполняется дважды. Режим «вопрос» только отвечает, режим «агент» может менять дашборд. Если данных не хватает, агент задаёт уточняющий вопрос карточкой с выбором подключения и кабинета, а не угадывает.

Аудит. Каждый ход пишется в журнал: что ушло в модель, что вернулось, какие инструменты вызваны, сколько стоило. Отдельно провёл аудит собственного кода — 64 находки по уровням критичности — и закрыл два обхода авторизации через заголовки запроса. Движок агента покрыт автотестами, их около 1 700.

Результат

AI-агент работает в продакшене и продаётся клиентам платформы по подписке: бесплатный тариф и платные с увеличенными лимитами. Тарифы, лимиты и списания держит мой биллинг.

Вопрос, ради которого раньше вставали в очередь к аналитику, закрывается одним диалогом, без SQL, выгрузок и ожидания: пользователь называет источники, период и условия прямо в формулировке и получает вывод, график или дашборд из 11 типов виджетов. Дашборд можно дорабатывать репликами и откатить любую правку.

Расходы на модель известны по каждому ходу и в рублях, бюджет тарифа проверяется до того, как ход начнётся. Для бизнеса ИИ перестал быть непредсказуемым счётом и стал статьёй с понятной маржой.

Данные клиента защищены кодом, а не договорённостями: у модели нет ни одной операции изменения или удаления.

Экспертиза упаковывается в навыки без переписывания ядра: технический аудит кабинета Яндекс.Директа по 75 проверкам и аудит товарного фида подключены как навыки поверх того же агента.

Оценили проект:

Другие проекты

Все проекты →
Веб-разработка и IT 185 кабинетов Яндекс.Директа: отчёт без ручной сборки
185 кабинетов Яндекс.Директа: отчёт без ручной сборки
111
Веб-разработка и IT SaaS для селлеров: видео и 4 варианта фона из одного фото
SaaS для селлеров: видео и 4 варианта фона из одного фото
155
ИИ и Нейросети AI-агент ведёт Telegram-канал, а владелец только утверждает
AI-агент ведёт Telegram-канал, а владелец только утверждает
69
ИИ и Нейросети LLM-шлюз на 10 моделей: точная цена ответа и резерв при сбое
LLM-шлюз на 10 моделей: точная цена ответа и резерв при сбое
123