Классификатор ТН ВЭД
Подготовка товаров к декларированию
Задача. Подбор кода ТН ВЭД под новую номенклатуру — часы работы на позицию: найти код, обосновать его по правилам интерпретации, собрать применимые технические регламенты и разрешительные документы, посчитать платежи. На партии в сотню артикулов это рабочая неделя специалиста.
Что сделано
- По описанию товара и фотографиям сервис определяет код ТН ВЭД, код ОКПД 2, обоснование по ОПИ со ссылкой на решающее правило, разрешительные документы, требования маркировки, расчёт таможенных платежей и проверку запретов и ограничений.
- Пакетный режим: загружается таблица клиента в том виде, в каком она есть. Сервис сам распознаёт назначение колонок, даёт их поправить, проходит по строкам в два потока и возвращает тот же файл заполненным — с сохранением изображений и исходного оформления.
- Прогон восстанавливается после закрытия вкладки, история запросов и отметки о верности кода хранятся в базе.
Чем проверяется результат
- Справочник из 13 293 действующих кодов ЕТТ ЕАЭС отсеивает несуществующие коды и указывает, когда неверно выбрана подсубпозиция.
- Отдельным списком помечаются позиции, по которым во входных данных не хватает признаков для однозначного кода, — с перечнем того, что именно нужно уточнить у поставщика.
- Накопительный справочник отраслевых правил: разобранная ошибка записывается с обоснованием и датой, повторный прогон её не воспроизводит.
Работает в продакшене, обрабатывает реальную номенклатуру. Стоимость обработки одной позиции снижена с 0,45–0,50 до 0,11–0,29 доллара за счёт точечного веб-поиска и собственного справочника вместо запросов к модели.
Next.jsTypeScriptOpenRouter APISupabaseVercel
Агент лидогенерации
Подготовка холодной рассылки по отраслевому рынку
Задача. Письмо потенциальному клиенту вручную — около десяти минут, из них восемь уходит на выяснение, чем компания занимается и что у неё болит. На полторы тысячи организаций это нереалистично.
Что сделано
- Разбор государственного реестра на 1400 организаций в таблицу, обогащение данными из ЕГРЮЛ по ИНН через внешний API: руководитель, сайт, контакты, регион.
- Языковая модель готовит строку персонализации по сайту компании — короткое наблюдение о специализации и характерной для неё сложности в регулировании.
- Учёт: кому отправлено, когда, какой пришёл ответ, какой следующий шаг. Напоминания приходят в Telegram, готовые письма складываются в черновики почтового ящика по IMAP.
Чем проверяется результат
- Отправка намеренно не автоматизирована: список одноразовый, сгоревшие адреса не восстанавливаются, а персонализация и есть продукт. Агент готовит — решение об отправке принимает человек.
Двенадцать писем готовятся за двадцать пять минут вместо двух часов.
PythonSupabaseIMAPTelegram Bot APIDaData
Генератор коммерческих предложений
Для строительных бригад и подрядчиков
Задача. Составление коммерческого предложения вручную занимает часы: собрать материалы, посчитать, оформить так, чтобы это можно было показать заказчику.
Что сделано
- Веб-приложение: вводятся данные по проекту и список материалов, модель собирает готовый текст предложения.
- Результат выгружается в оформленный PDF с логотипом компании — документ, который отправляют заказчику без доработки.
Коммерческое предложение готовится за две-три минуты вместо нескольких часов.
Next.jsTypeScriptOpenAI APIPDF
Фильтр вакансий
Ежедневный автономный процесс
Задача. Просматривать выдачу по десятку поисковых запросов каждый день и отсеивать нерелевантное — полчаса ежедневно на работу, которая целиком состоит из повторяющихся решений.
Что сделано
- Запуск по расписанию без участия человека, сбор по заданным запросам, дедупликация между прогонами.
- Фильтрация языковой моделью по эталонному профилю задач, а не по ключевым словам: учитываются формулировки обязанностей, а не совпадение слов в заголовке.
- Отобранное приходит в Telegram с обоснованием, почему вакансия прошла фильтр.
Полностью автономный ежедневный процесс, участие человека не требуется.
PythonGitHub ActionsOpenAI APITelegram Bot API