---
id: lq-case-2026-01
type: case
title: "План закупок за 48 часов: от страницы задания до работающей системы"
summary: Задание на 60 строк — ИИ-система планирования закупок для импортёра. За 15 часов работы с агентом заработали расчёт, дашборд, ежедневный запуск и сводка от ИИ. Шаги, инструменты, стек и приёмы работы с моделями.
status: published
version: 0.1.0
created: 2026-11-06
audience:
  - владельцы бизнеса
  - руководители
  - практики, которые внедряют ИИ-инструменты
topics:
  - ИИ в разработке
  - автоматизация
  - закупки
product: План закупок
related_ids:
  - lq-res-2026-013
ai_role:
  - research_assist
  - cross_check
  - code_assist
  - draft
human_verified: true
verification_date: 2026-11-20
models_count: 4
---

## Задача

Вечером 3 ноября 2026 года пришло тестовое задание: за 48 часов сделать ИИ-систему, которая помогает импортёру планировать закупки. Компания возит из Китая электроинструмент, садовую технику и сантехнику, поставка идёт 4–6 месяцев. Каждый месяц закупщики вручную сводят историю продаж, сезонность, остатки и заказы в пути и решают, что заказать.

Система должна была отвечать на пять вопросов: что купить, сколько, на какой срок хватит запасов с учётом заказов в пути, когда размещать следующий заказ и где риск дефицита или избытка. Сдать нужно было три вещи: ссылку на дашборд, по которому можно принять решение; видео о том, как решение устроено внутри; и возможность запускать расчёт регулярно, а не один раз. Инструменты — на выбор исполнителя.

К заданию прилагались шесть таблиц из учётной системы — продажи по месяцам, остатки, заказы поставщикам, приходы, справочники товаров и поставщиков — и описание данных. Артикулы и поставщики в данных уже были обезличены.

Этот кейс — о пути от постановки до системы: что я делал по шагам, в каком порядке подключал инструменты, на чём построена система и как я работал с ИИ-моделями. Результат для заказчика описан в разделе «Работы»: [план закупок для импортёра](/work/plan-zakupok/). Принцип, который из этой работы вырос, разобран в третьей части цикла [«Автоматизация — как много в этом звуке»](/journal/avtomatizaciya-vnedrenie-i-tehnika/).

## Постановка и реализация

Задание — около 60 строк текста. Что из него выросло, видно по объёму.

| | Постановка | Реализация |
|---|---|---|
| Текст | Около 60 строк задания и описание данных | Бриф с восемью бизнес-правилами, профиль данных, спецификация, сводка 26 решений, методика, инструкция оператору, видео на 6 минут |
| Данные | Шесть таблиц, 791 товар, продажи с 2021 года | Проверка выгрузки, которая останавливает выпуск плана при ошибке; восстановленный спрос; снимок каждого расчёта |
| Расчёт | «Определить, что и сколько заказать» | Движок на Python: 13 файлов, около 1 900 строк; прогноз, дневная симуляция остатка, правило заказа, риски, проверка на истории |
| Интерфейс | «Ссылка на дашборд» | Дашборд из девяти разделов, около 1 800 строк JavaScript, на компьютере и телефоне, светлая и тёмная тема |
| ИИ | «ИИ-система» | Сводка для закупщика по фактам расчёта с проверкой каждого числа; правила, навыки, проверяющие агенты и хуки для агента-разработчика |
| Регулярность | «Запускать повторно» | Ежедневный запуск в GitHub Actions: проверка данных, тесты, расчёт, сводка, браузерная проверка, выкладка, проверка доступа |
| Администрирование | Не упоминалось | Раздел с планом административной части: что в неё войдёт, шесть ролей, правила доступа и изменений, три этапа |
| Проверки | Не указаны | 42 теста расчёта, 21 проверка совпадения правила заказа в расчёте и в дашборде, браузерная проверка всех экранов в двух размерах и двух темах |

В короткой постановке спрятаны решения, которые никто не сформулировал: что делать с месяцами, когда товара не было на складе, как считать срок поставки, если в данных он бывает отрицательным, что отвечать про обогреватель в августе. На эти вопросы и ушла большая часть работы.

## Хронология

| Когда | Что сделано |
|---|---|
| 3–4 ноября | Подготовка: бриф с бизнес-правилами, профиль данных, пять промптов, ответы моделей, спецификация и сводка решений. Исследование шло в других моделях параллельно и в расчёт времени не входит |
| 4 ноября, после 22:00 | Начало работы с агентом для программирования: правила проекта, движок, проверка прогноза на истории |
| 5 ноября, 2:00–4:30 | Первая версия в репозитории: расчёт, дашборд, регулярный запуск в GitHub Actions, выкладка, аудит доступности |
| 5 ноября, до 13:30 | Сводка от ИИ со структурированным ответом, своя страница входа, раздел «API и модели», раздел «Администрирование» с планом административной части, описание состояния проекта |
| 6 ноября, около 3:00 | Видео о системе на странице «Как устроено» |

Работа с агентом началась после 22:00 4 ноября. Первая версия с расчётом, дашбордом и выкладкой появилась примерно через 4 часа, система со сводкой от ИИ и страницей входа — примерно через 15 часов, видео — ещё через 13.

## Шаги

### 1. Разобрать задание и данные

Первым делом я превратил задание в бриф: что система определяет, что сдаётся и по какому признаку это принимается. Описание данных дало восемь бизнес-правил, и у каждого появилась проверка в продукте. Например: решение принимается против прогноза на срок «поставка плюс период покрытия», а не против текущих продаж; открытые заказы не заказываются повторно; месяц без продаж при нулевом остатке — это упущенный спрос, а не отсутствие спроса.

Потом — профиль данных, и каждый факт в нём проверен расчётом, а не прочитан из описания:

- из 791 товара за последние 12 месяцев продавались 413, у 378 продаж не было вовсе; у 68 наценка ниже порога в 25%;
- в таблице остатков нет строк с нулём: отсутствие строки и есть ноль; с 2024 года таких товаро-месяцев с нулевыми продажами 10 465, и в них нули означают не «спроса нет», а «нечего было продать»;
- из 57 открытых заказов 35 просрочены: дата прихода прошла, товар не пришёл;
- плановый срок поставки — медиана 123 дня, но есть отрицательные значения и сроки больше 300 дней;
- сезонность у категорий разная: обогреватели продают 36% годового объёма в октябре, триммеры и леска — 28–33% в мае, смесители — ровно весь год;
- закупка идёт крупными редкими партиями: в среднем 0,65 прихода на товар в год.

Из профиля вышла главная мысль для продукта. Данные заканчиваются в середине августа. Заказ, сделанный в этот день, придёт в декабре — после пика обогревателей, но как раз к весне для триммеров. Значит, система должна уметь сказать «сейчас не заказывать, заказать до такой-то даты к следующему сезону», а не только «заказать сейчас».

### 2. Исследование в нескольких моделях

Вместе с профилем данных были готовы пять промптов, и вопросы ушли разным моделям. Каждой — то, в чём она сильнее:

| Вопрос | Модель | Зачем |
|---|---|---|
| Методика прогноза и правило заказа | модель глубокого исследования | Формулы и параметры движка |
| Аналоги на рынке и устройство экранов | поисковая модель | Что показывать закупщику и чем отличаться от типовых решений |
| Логистика из Китая и сезонность | поисковая модель | Сроки поставки, буферы, календарь фабрик |
| Технический стек | модель общего назначения | Библиотеки, графики, таблицы, регулярный запуск |
| Инструменты агента-разработчика | две модели, затем сравнение | Правила, навыки, проверяющие агенты, хуки |

Все промпты требовали одинаковую форму ответа: разделы по номерам вопросов, источники с датами, пометки уверенности, параметры в YAML, код вместо формул. Поэтому ответы разных моделей сводились в одну таблицу решений без пересказа.

Ответы моделей я считал входными данными, а не решением. Сводка получилась из 26 пунктов, у каждого — что предложили, что я решил и почему. Часть принята, часть изменена, часть отклонена:

- **Изменено.** Модель предложила считать дату заказа как «дата нулевого остатка минус срок поставки». У поставщика обогревателей срок 256 дней: остаток кончается сейчас, но заказ, сделанный сегодня, пролежал бы на складе до следующей осени. Дата заказа стала считаться от первой существенной нехватки после самого раннего возможного прихода.
- **Отклонено.** Эвристика для упущенного спроса до 2024 года, когда остатков в данных нет, оказалась не нужна: сезонность считается по категории целиком, где пробелы размываются, а уровень товара — по последним 12 месяцам, где остатки известны.
- **Отклонено.** Минимальная партия «половина медианной» раздувала бы мелкие заказы в разы. Вместо навязанного минимума — округление до круглых кратностей и подсказка с типичной партией из истории.
- **Найдена ошибка.** В формуле приоритета у модели был перепутан дециль цены: в данных 10 — самые дорогие.
- **Проверено на данных.** Наивная формула «по среднему» давала по смесителям 61,8 тыс. штук к заказу, формула «от прогноза остатка на дату прихода» — 34,0 тыс.

Отдельным списком шло то, что нельзя брать на веру: версии пакетов, названия параметров API и синтаксис установки инструментов. Их я сверял с документацией в момент написания кода.

### 3. Правила для агента

Задание, данные и исследование я разбирал вместе с ИИ-ассистентом с доступом к файлам, а код писал агент для программирования. До первой строки кода у проекта появился файл правил — контракт, который агент читает в начале каждой сессии:

- числа считает только движок; языковая модель объясняет факты из сохранённого расчёта и не меняет и не придумывает числа;
- дата расчёта — конец данных, а не сегодняшний день;
- выгрузку из учётной системы не изменять;
- правило заказа существует в двух копиях — в расчёте и в дашборде, — менять обе и проверять их совпадение тестами;
- любое изменение расчёта — это тест, проверка на истории и запись в методике; проверки не ослаблять ради зелёных тестов;
- каждый запуск сохраняет отпечаток входных данных, настроек и версии кода; ошибка проверки данных останавливает выпуск плана.

Вокруг контракта — инструменты, которые делают его исполнимым:

- **Шесть своих навыков** для повторяемых операций: пересчитать план, проверить новую выгрузку, проверить прогноз на истории, объяснить рекомендацию по одному товару, сравнить два расчёта, подготовить сводку для закупщика.
- **Три проверяющих агента только с правом чтения**: прогноз и правило заказа (утечки будущего, двойной учёт приходов, единицы), дашборд (понятность, состояния, доступность), данные и выходные файлы (схема, связность, выгрузка поставщикам). Код они не правят.
- **Два хука**: после каждой правки — быстрые тесты затронутой части, перед коммитом — проверка результата расчёта по схеме. Ошибка возвращается агенту сразу после правки.

### 4. Движок расчёта

Расчёт — цепочка шагов на Python, от выгрузки до файлов для дашборда и поставщиков:

1. **Проверка данных.** Схема, связность таблиц, даты, заказы в пути. Ошибка останавливает расчёт.
2. **Спрос вместо продаж.** Месяцы, когда товара не было на складе, не учат прогноз тому, что спроса нет.
3. **Прогноз.** Сезонность — по категории (медиана доли месяца в году за 2021–2025), уровень товара — экспоненциально взвешенный, с полупериодом 12 месяцев. Товары разделены на четыре класса по ровности спроса; для прерывистого спроса — свои методы. Отдельный тренд не применяется: на истории он давал завышение на 31%.
4. **Срок поставки.** Медиана по поставщику, если наблюдений не меньше трёх, иначе 123 дня. Если производство попадает на остановку фабрик под Новый год по китайскому календарю, к сроку добавляются 14 дней.
5. **Дневная симуляция остатка** с учётом заказов в пути. Просроченные заказы считаются пришедшими через 30 дней и получают отметку «проверить».
6. **Правило заказа.** Количество — от прогноза остатка на дату прихода, с периодом покрытия 4 месяца для главных товаров и 6 для остальных и страховым запасом по ошибке прогноза, не больше двух месяцев спроса. Дата — от начала следующей потребности минус срок поставки.
7. **Риски.** Дефицит — если нехватка до прихода не меньше пяти штук и не меньше половины месячных продаж; избыток — запас сверх 12 месяцев; отдельные списки для низкой наценки и мёртвого остатка.
8. **Выход.** План в JSON по схеме, Excel с черновиками заказов по поставщикам, сводка для закупщика и отпечаток запуска.

Модель прогноза выбрана проверкой на истории: семь точек старта в 2025 году, проверка на месяцах с 4-го по 9-й вперёд, только прошлые данные. Работать модель пошла только потому, что обошла простые методы.

| Ошибка (WAPE) | Модель | Как год назад | Среднее 12 мес | Среднее 6 мес |
|---|---|---|---|---|
| По месяцам товара | **69%** | 79% | 114% | 133% |
| По сумме за окно заказа | **43%** | 49% | 82% | 114% |

По категориям модель выигрывает в трёх из шести. Обогреватели по месяцам точнее прогнозирует «как год назад» — ассортимент меняется год к году; смесители — «среднее за 12 месяцев», спрос у них ровный.

### 5. Дашборд

Дашборд отвечает закупщику без таблиц на сотни строк: обзор с итогами и календарём заказов и приходов, черновики заказов по поставщикам, риски, карточка товара с разложением «почему столько», «что если» с параметрами, «что изменилось» между расчётами, методика и качество прогноза, «как устроено» с видео, «API и модели» и «Администрирование» с планом административной части.

Модель для стека предлагала связку из графической библиотеки, табличного компонента и CSS-фреймворка. Я от неё отказался: в рабочей среде были закрыты пакетные репозитории, а тот же подход без сборки уже работал в моём проекте English Quest. Дашборд собран на ES-модулях без сборки, графики — на SVG, ноль внешних зависимостей. Правило заказа продублировано в JavaScript, чтобы «что если» пересчитывалось в браузере, а 21 тест проверяет, что обе копии дают одинаковый ответ.

### 6. Административная часть: то, чего в задании не было

Задание описывало дашборд для закупщика. Чтобы с системой каждый день работал отдел закупок, нужен ещё один слой, о котором в постановке не было ни слова: загрузка данных, пользователи и роли, параметры, справочники, журнал действий. В демо всё это делает разработчик: кладёт файлы выгрузки в проект, меняет параметры в файле настроек, подключает модель через секреты. Для рабочей версии так нельзя, поэтому в дашборде появился раздел «Администрирование» — описание того, что войдёт в административную часть, кто чем пользуется и в каком порядке её делать. Это план, а не готовый код.

Что меняется при переходе от демо к рабочей версии:

| Что | В демо | В рабочей версии |
|---|---|---|
| Загрузка данных | Файлы выгрузки кладёт в проект разработчик | Загрузка в интерфейсе или обмен с учётной системой по расписанию; проверка до приёма, версии выгрузок |
| Пользователи | Два общих логина на всех | Личные учётные записи, роли, закрепление за категориями и поставщиками |
| Параметры расчёта | Файл настроек, меняет разработчик | Экран с подсказками, предпросмотром эффекта, версиями и утверждением |
| Запуск расчёта | По расписанию или кнопкой в GitHub | Кнопка «Пересчитать», статус по шагам, публикация после проверки |
| Справочники | Только то, что пришло в выгрузке | Сроки поставки, минимальные партии и кратность, ответственные, ручные исключения |
| Согласование заказов | Отметка хранится только в браузере | Статусы на сервере: кто, когда и с какой правкой согласовал |
| Языковая модель | Подключает разработчик | Выбор модели, ключ и месячный бюджет — на экране администратора |
| Журнал и уведомления | Нет | Журнал всех действий; утренняя сводка, ошибки загрузки и новый дефицит — на почту или в мессенджер |

Ролей шесть, и у каждой своя зона. Администратор управляет пользователями, доступами и подключениями, но закупочных решений не принимает. Руководитель закупок публикует расчёт и утверждает параметры и заказы отдела. Закупщик видит весь план, а править и согласовывать может только заказы по своим категориям и поставщикам. Аналитик отвечает за методику и параметры и предлагает изменения правил. Оператор данных загружает выгрузки, разбирает ошибки проверки и запускает расчёт. Наблюдатель — финансы, склад, руководство — только смотрит план и риски.

Правила устройства:

- права проверяет сервер, а не интерфейс: скрытая кнопка доступа не даёт;
- изменение параметров — новая версия с комментарием, которая вступает в силу после утверждения вторым человеком; методика прогноза меняется только с проверкой на истории;
- правка количества в заказе — только с причиной, и рядом видно, сколько предлагала система;
- ключи моделей и пароли обмена с учётной системой хранятся на сервере в зашифрованном виде и не попадают в браузер;
- журнал действий нельзя изменить или удалить.

Движок, формулы, проверки данных и дашборд закупщика при этом не меняются: параметры движок будет брать из утверждённой версии, а не из файла. Добавляется серверное приложение с базой данных для пользователей, версий параметров, справочников, статусов заказов и журнала, хранилище выгрузок и очередь запусков.

Я предложил делать её в три этапа:

1. **Основа:** пользователи и роли, загрузка данных с проверкой, запуск и публикация расчёта, журнал действий.
2. **Управление расчётом:** параметры с версиями и утверждением, справочники, статусы заказов на сервере.
3. **Интеграции:** автоматический обмен с учётной системой, уведомления, языковая модель на экране администратора, вход через учётную запись компании.

### 7. ИИ в продукте

Сводку для закупщика пишет языковая модель — по фактам сохранённого расчёта, а не по сырым данным:

```scheme name=code-explains
Рис. 01 · Код считает, ИИ объясняет
Числа получает только расчёт. Модель пишет сводку по его фактам, каждое число и артикул сверяются; при расхождении или недоступности модели публикуется шаблон. Заказ утверждает закупщик.
```

- Модель вызывается через API из стандартной библиотеки Python, без SDK: меньше зависимостей.
- Ответ — структурированный: API возвращает JSON строго по схеме, пункты сводки и артикулы к каждому.
- Каждое число и каждый артикул в тексте сверяются с расчётом. При расхождении, ошибке или без ключа публикуется шаблонная сводка, и в журнале остаётся код ошибки.
- Модель можно сменить в настройках: есть адаптер для API разработчика и для совместимого формата других провайдеров.
- Агента в ежедневном запуске нет. Сценарий предсказуемый: один вызов с фиксированной задачей, без прав на файлы и команды.

### 8. Регулярный запуск и выкладка

Расчёт запускается сам каждое утро в 07:40 по Москве, при новой выгрузке или изменении настроек и по кнопке. Шаги запуска в GitHub Actions:

1. проверка данных;
2. тесты расчёта и совпадения правила заказа в расчёте и дашборде;
3. расчёт;
4. браузерная проверка дашборда на свежем расчёте;
5. сохранение снимка запуска в репозиторий;
6. выкладка на хостинг;
7. проверка доступа после выкладки;
8. сводка запуска.

Дашборд закрыт своей страницей входа: пароль с ограничением числа попыток или ссылка с ключом. Каждый расчёт хранит отпечаток — хеши данных, настроек и коммит, — поэтому «что изменилось» умеет сказать, отчего поменялся план: пришли новые данные, изменили настройки или код.

### 9. Видео и документы

Задание просило показать, как решение устроено внутри. Видео на шесть минут показывает дашборд, а затем проект: файл правил, навыки, проверяющих агентов, промпты исследования и регулярный запуск. Методика с формулами и инструкция оператору лежат в репозитории рядом с кодом.

## Порядок инструментов

| Шаг | Инструмент | Что делал инструмент | Что делал я |
|---|---|---|---|
| Разбор задания | ИИ-ассистент с доступом к файлам | Профиль данных расчётом, черновик брифа | Бизнес-правила и признаки приёмки |
| Исследование | модель глубокого исследования, поисковая модель, модель общего назначения | Ответы на пять вопросов в одной форме | Промпты, сводка 26 решений, проверка на данных |
| Спецификация | ИИ-ассистент с доступом к файлам | Черновик спецификации и сводки решений | Утверждение формул, параметров и состава экранов |
| Правила проекта | агент для программирования | Файл правил, навыки, проверяющие агенты, хуки | Контракт: что считает код, что делает модель |
| Движок и проверка на истории | агент для программирования, проверяющий агент прогноза | Код, тесты, бэктест, независимое ревью | Выбор модели прогноза по бэктесту, пороги рисков |
| Дашборд | агент для программирования, проверяющий агент интерфейса, браузерные тесты | Экраны, графики, проверка на двух размерах и в двух темах | Что видит закупщик и в каком порядке |
| Сводка от ИИ | языковая модель через API | Текст по фактам расчёта | Схема ответа, правило сверки, шаблон при ошибке |
| Регулярный запуск | GitHub Actions | Ежедневный расчёт, проверки, выкладка | Расписание, условия остановки, доступ |
| После сдачи | две модели | Внешняя проверка материалов к встрече | Что из замечаний принять |

## Стек

| Слой | Что используется |
|---|---|
| Расчёт | Python 3.10+, pandas, numpy, pyyaml; Excel для поставщиков — openpyxl |
| Контракт данных | JSON Schema для плана; проверка перед коммитом и в CI |
| Тесты | pytest, тесты совпадения правила заказа на Node, Playwright для браузерной проверки |
| Дашборд | ES-модули без сборки, графики на SVG, шрифты Onest и IBM Plex Mono |
| ИИ-слой | API языковой модели из стандартной библиотеки Python, структурированный ответ по схеме, два адаптера провайдеров |
| Регулярный запуск | GitHub Actions: расписание, запуск при новой выгрузке, запуск по кнопке |
| Хостинг | SprintHost, выкладка по SSH с манифестом файлов, своя страница входа |
| Разработка | Агент для программирования с файлом правил, шестью навыками, тремя проверяющими агентами и двумя хуками |

## Приёмы работы с ИИ-моделями

1. **Сначала свои факты, потом вопросы моделям.** Профиль данных был посчитан до того, как ушли промпты. Без него нечем было бы проверить ответы: ни одна модель не знала, что в таблице остатков нет нулей.
2. **Одна форма ответа для всех моделей.** Номера разделов, источники с датами, пометки уверенности, параметры в YAML. Ответы разных моделей становятся сравнимыми, и их можно свести в одну таблицу решений.
3. **Вопрос — той модели, которая с ним справится лучше.** Методику — модели глубокого исследования, рынок и логистику — поисковой, со ссылками; стек и инструменты — модели общего назначения. Самый спорный вопрос — двум моделям, со сравнением.
4. **Ответ модели — гипотеза.** Всё, что влияет на расчёт, проверено на данных или помечено «проверить при реализации». Из 26 пунктов сводки часть изменена или отклонена, и одна формула оказалась с ошибкой.
5. **Контракт в файле, а не в голове.** Агент начинает каждую сессию с файла правил. Самое важное правило — «числа считает только движок» — держит и разработку, и продукт.
6. **Проверки вокруг агента.** Хуки запускают тесты после каждой правки, проверяющие агенты только читают и дают независимый взгляд. Агент получает ошибку сразу и чинит её до того, как она уйдёт дальше.
7. **Модель в продукте — с узкими рамками.** Один вызов, ответ по схеме, сверка каждого числа, шаблон при сбое, никаких прав агента в ежедневном запуске.
8. **Рекомендация модели проигрывает ограничениям среды.** Модель предложила современный стек фронтенда; закрытые репозитории пакетов и рабочий опыт другого проекта сделали выбор в пользу кода без сборки.
9. **Внешняя проверка результата.** Материалы к встрече с заказчиком прошли проверку в двух других моделях; что принято и что отклонено, записано с причиной.

## Ограничения

- Это тестовое задание. Система работает на выгрузках заказчика, но в работу у закупщиков не внедрена, и проверки на живом цикле закупки не было.
- Интеграции с учётной системой нет: расчёт идёт по выгрузкам в CSV.
- Административная часть описана как план: пользователей, ролей, версий параметров и справочников в демо нет.
- Денежных сумм в данных нет. Важность товара оценивается по штукам и ценовой группе внутри категории, эффект в деньгах не посчитан.
- По двум категориям из шести простые методы прогнозируют точнее модели.
- Возвраты, около 2% продаж, из продаж не вычтены.
- Ссылки на дашборд в этой записи нет: он закрыт входом. Демо — по запросу.

## Как сделана эта статья

Черновик собрала модель по документам проекта: брифу, профилю данных, сводке решений, методике, файлу правил, журналу и истории коммитов. Каждая цифра взята из этих документов, время шагов — из времени файлов и коммитов. Модели, которые участвовали в работе, названы по ролям. Заказчик не назван, артикулы и поставщики в данных обезличены. Вычитку и решение о публикации делаю я.
