Сервис умеет:- Понимать, что важно. Пользователь формулирует критерии простыми словами, а система интерпретирует их и превращает в параметры для оценки.
- Сканировать открытые источники. Поисковые системы (включая Perplexity) находят свежую информацию, LLM анализирует её и формирует сжатые, но информативные ответы.
- Формировать отчёты. Результаты собираются в таблицу и отправляются в нужный канал, по email, в мессенджер или на дашборд.
- Приводить доказательства. Система не просто делает выводы, а прикладывает ссылки на источники, чтобы можно было быстро проверить или узнать детали.
Система не требует ручной настройки при каждом запуске, а также не зависит от конкретной структуры сайтов. Она обучена работать на уровне бизнес-задачи, а не отдельных скриптов. Это позволяет легко масштабировать мониторинг на новые рынки.
Технический стек- Google APIs для поиска и работы с данными из открытых источников.
- Perplexity API для расширенного поиска и агрегирования информации.
- OpenAI API для понимания языка пользователя, качественной интерпретации и формирования отчетов.
Проект мы запустили поэтапно. Сначала собрали и уточнили бизнес-требования: какие конкуренты важны, какие параметры критичны, что должно быть в отчёте. Вместе с командой клиента сформулировали типовые запросы — они легли в основу промптов для моделей.
Далее настроили модули и их взаимодействие:
- Поисковый модуль собирает свежую информацию из открытых источников, включая сайты конкурентов, агрегаторы, лендинги, медиапубликации.
- LLM-модуль анализирует найденное, отвечает на запросы, сравнивает параметры, структурирует данные.
- Сборка отчёта — все результаты автоматически собираются в отчет со ссылками на источники.
- Доставка — система отправляет обновления в удобный канал: email, Telegram, Slack с учетом заданной частоты обновлений.
Для on-premise сценариев мы заложили возможность развертывания внутри IT-контура клиента, с кастомной настройкой API, подбором моделей и логирования.