94 lines
7.8 KiB
Markdown
94 lines
7.8 KiB
Markdown
# AI Lead Processor
|
||
|
||
В ремонтной компании менеджер читает все обращения с сайта по очереди. Пока он готовит ответ на вопрос о цене, в почте может ждать сообщение о протечке. AI Lead Processor помогает оценить срочность при чтении обращения и подготовить ответ. Менеджер проверяет результат, сохраняет его в журнал и сам связывается с клиентом.
|
||
|
||
- Три категории с объяснением решения. Срочные обращения выделены красным, обычные зелёным, спам серым.
|
||
- Редактирование категории и черновика перед записью. Спам сохраняется с пустым ответом.
|
||
- Локальная история в Excel, скачивание книги и калькулятор экономии времени.
|
||
- **REAL AI** обращается к OpenAI. **DEMO** работает локально по правилам и показывает тот же процесс проверки.
|
||
|
||
|
||
|
||
## Быстрый запуск
|
||
|
||
Требуются Git и Python 3.11 или новее. Выполните команды из корня проекта. Активация окружения необязательна.
|
||
|
||
**Windows PowerShell**
|
||
|
||
```powershell
|
||
py -3.12 -m venv .venv
|
||
.\.venv\Scripts\python -m pip install -r requirements.txt
|
||
Copy-Item .env.example .env
|
||
.\.venv\Scripts\python -m streamlit run app.py --server.address localhost
|
||
```
|
||
|
||
Если установлен Python 3.11, замените `-3.12` на `-3.11`. Копировать пример нужно только при первом запуске.
|
||
|
||
**Linux / macOS**
|
||
|
||
```bash
|
||
python3 -m venv .venv
|
||
.venv/bin/python -m pip install -r requirements.txt
|
||
cp -n .env.example .env
|
||
.venv/bin/python -m streamlit run app.py --server.address localhost
|
||
```
|
||
|
||
Откройте [локальное приложение](http://localhost:8501). Для первого знакомства выберите **DEMO**. Введите пример ниже, нажмите «Обработать заявку», проверьте черновик и нажмите «Подтвердить и сохранить». Книга `data/processed_leads.xlsx` создаётся автоматически. После перезапуска история читается с диска.
|
||
|
||
## Настройка и ручная проверка REAL AI
|
||
|
||
В локальном `.env` укажите собственный ключ и доступную вашему проекту модель с поддержкой Responses API и структурированного вывода. Пример формата:
|
||
|
||
```dotenv
|
||
OPENAI_API_KEY=your_api_key_here
|
||
OPENAI_MODEL=gpt-5-mini
|
||
```
|
||
|
||
|
||
## Примеры входа и результата
|
||
|
||
| Синтетическая заявка | Категория DEMO | Что увидит менеджер |
|
||
|---|---|---|
|
||
| Из стиральной машины течет вода. | Срочно | Причина со ссылкой на признак протечки и черновик с подтверждением получения |
|
||
| Сколько стоит ремонт стиральной машины? | Не срочно | Уточнение марки, модели и неисправности |
|
||
| Зарабатывайте миллион рублей за неделю, переходите по ссылке | Спам | Объяснение и пустой черновик |
|
||
|
||
Полная выборка включает неоднозначные случаи, попытку навязать категорию и пустой ввод. Ожидаемые категории заданы по правилам кейса. [Тестовые заявки](samples/sample_leads.csv)
|
||
|
||
## Архитектура
|
||
|
||
`app.py` принимает текст длиной от 1 до 4 000 символов. Модуль `src/llm_service.py` выбирает локальные правила или передаёт текст отдельным пользовательским сообщением в Responses API. Схема `src/schemas.py` задаёт допустимые поля и категории. Ответ и UUID операции хранятся в текущей сессии до подтверждения.
|
||
|
||
Менеджер видит исходную оценку и редактирует итог. Модуль `src/storage.py` под блокировкой добавляет строку в книгу через временный файл. Повтор того же сохранения распознаётся по UUID. Отдельная повторная обработка одинакового текста считается новой заявкой. Строки записываются с текстовым типом Excel, включая текст, начинающийся со знака равенства. `src/economics.py` рассчитывает время и оценочную стоимость.
|
||
|
||
## Экономический эффект
|
||
|
||
Иллюстративный сценарий на 120 обращений в неделю при 4 минутах вручную и 1,5 минуты с проверкой даёт 8 и 3 часа соответственно. Высвобождаются 5 часов в неделю. При 500 ₽/ч их оценка составляет 2 500 ₽. При допущении 600 входных и 250 выходных токенов один стандартный запрос стоит около $0,00065. [Допущения, формулы и тариф](docs/economics.md)
|
||
|
||
## Ограничения пилота
|
||
|
||
Менеджер переносит текст с сайта вручную. Обновление вкладки сбрасывает неподтверждённый результат. Excel рассчитан на небольшой локальный журнал, с доступом на уровне папки. Закройте книгу в настольном Excel перед записью. Для пилота назначьте владельца журнала и согласуйте резервное копирование, срок хранения и передачу обезличенного текста внешнему сервису.
|
||
|
||
## Проверка
|
||
|
||
Для разработки и проверок установите дополнительные зависимости в то же окружение. В PowerShell:
|
||
|
||
```powershell
|
||
.\.venv\Scripts\python -m pip install -r requirements-dev.txt
|
||
.\.venv\Scripts\python -m ruff check .
|
||
.\.venv\Scripts\python -m ruff format --check .
|
||
.\.venv\Scripts\python -m pytest -v
|
||
```
|
||
|
||
На Linux/macOS в этих четырёх командах используйте `.venv/bin/python` как интерпретатор. Тесты используют временные книги и моки API. Доля правильных ответов модели на реальных обращениях измеряется отдельно.
|
||
|
||
## Материалы тестового задания
|
||
|
||
- [Процессы до и после внедрения](docs/processes.md)
|
||
- [План пилота и три бизнес-риска](docs/implementation_plan.md)
|
||
- [Расчёт экономического эффекта](docs/economics.md)
|
||
- [Журнал разработки и проверок](docs/ai_work_log.md)
|
||
- [Исходное техническое задание](docs/assignment.md)
|
||
|
||
|