Нейросклад компонентов для микроэлектроники. 40 часов инженера превратились в 8 часов офис-менеджера

Давно не брал я в руки перо, поэтому сложно начать рассказ. Можно, конечно, попросить ИИ накидать слопа по сценарию из 5 строк, но это не путь олдов. Начну с простого — с контекста: работаю техническим директором на небольшом предприятии, разрабатывающем, производящем и внедряющем системы управления освещением. При этом я совладелец, и любая техническая боль — моя личная боль. С 2013 года мы разработали порядка 15 электронных плат и производим их по несколько тысяч штук в год в виде готовых приборов.
Производство микроэлектроники объемом 5–7 тысяч контроллеров в год у нас выглядит примерно так:

1. Оценили планы на ближайшие три месяца, прикинули выручку и решили произвести несколько плат, каких-то по тысяче, каких-то по паре сотен.

2. Компоненты мы закупаем сами. Во-первых, это дешевле, во-вторых, быстрее, и так мы можем контролировать критические компоненты (или хотя бы успокаивать себя, что контролируем).

3. Передаем компоненты на контрактную сборку, она у нас в соседнем городе.

4. Получаем готовые платы и остатки компонентов, проводим ОТК, сборку, настройку — отгружаем. То есть процесс производства запускается 4–5 раз в год, соответственно, специально обученных штатных единиц под этот процесс у нас нет — каждый раз собирается проектная команда, частично обнулившаяся с прошлого производственного процесса.

Боль ручной работы

Когда мы решили произвести новую партию, первым делом нужно понять, что у нас есть в остатках. В теории должна быть 1С, Мой склад, Вогбит, но за годы и несколько попыток у нас не получилось внедрить электронный учет компонентов. Видимо, аритмичность процесса производства не дает прилипнуть человеку, который хотя бы полгода-год создавал учет где-то и держал его в порядке, пока не прорастёт. Поэтому на практике берутся коробки с Остатками, приехавшие после прошлого захода на производство, и пересчитываются.
Один день офис-менеджера, оснащенного счетчиком катушек и весами — и у нас полная картина остатков в офлайн-мире. То есть ДО мы не знаем, сколько чего в этих коробках, а ПОСЛЕ мы чётко знаем сколько, но всё ещё не знаем чего. Все катушки/пакеты/палеты посчитаны и выглядят как на рисунке 1.

И вот тут начинается БОЛЬ: офис-менеджер, которая написала количество, совершенно абстрактна от понимания, что это такое, куда это положить и в какой строке добавить число для учета. Попытки научить имеют частичный успех — приводят к тому, что катушки к концу процесса начинают попадать в нужные коробки, но новый заход через 2–3 месяца — полное обнуление.
В результате: инженер печатает BOM-файлы, приносит пустые коробки и начинает печально раскладывать эти катушки по коробкам, делая пометки на листочках, чтобы потом это все внести в гуглшиты, посчитать и так далее. Процесс сортировки с отметками 200 катушек максимально печален. А за ним еще есть заказ компонент и снова сортировка по коробкам. И надо не забыть, что в какой коробке, чтобы можно было внятно ответить на вопросы контрактников. Инженер потерян на неделю.

Узкое горлышко

Если научить офис-менеджера разбираться в иероглифах, написанных на компонентах — можно исключить из процесса инженера, это раз, а если еще офис-менеджер сможет делать пометки для учета — то комплектацию можно будет сделать быстро, эффективно и дешево. В этом рассказе офис-менеджер — сборный персонаж. Мы пробовали обучать разных людей, даже нанимать специальных для ведения учета и комплектации. Язык партномеров на катушках выветривается из мозга любого человека за неделю. Признаюсь, если месяц не видел катушки, то даже мне сложно потом понять, что на них.

Операция на мозге — эксперименты

Каждый день в новостях ИИ отнимают рабочие места, ломают банки, находят дыры, убегают из песочниц, уже почти улетели жить и размножаться в космос на космокораблях МАСКа. А у меня какая-то мелкая проблема, для решения которой надо "офис-менеджеру" пришить чуть искусственного интеллекта, чтобы он научился понимать язык птиц и партномеров.
И вот пришло осознание того, что да — можно просто взять и пришить: человек берет телефон, фотографирует катушку, ИИ (в данном случае МиниМакс по подписке) рассматривает фото, решает, что за компонент, сколько его и где он применяется. Человеку достаточно просто положить катушку в коробку и указать из списка, в какую положил.
Сначала я попробовал, сможет ли Клод понять, о чём речь на фото — он справился божественно. Потом я попросил Клода научить МиниМакса понимать (написать промпт с примерами). И в руках появился чудесный MVP для презентаций — смотри, что мы можем! (рисунок 2)

По моим ощущениям, МиниМакс читает партномера с вероятностью, близкой к 100%. А вот ручное количество процентов на 70. Но человеку легко исправить цифру. А если учесть, что этот же человек ее пишет при подсчёте — то он начинает писать цифры аккуратнее.
Когда рандомный ИИ вычитывает данный текст, то он рекомендует примерно в это место вставить пример промпта, которым МиниМакс распознает фото. Была версия текста, в которую я скопировал какую-то дистилляцию промпта, но она смотрится инородным блоком. Просто отмечу, что Клод взял с десяток фоток и пошел тыкать палочкой МиниМакса. На какой-то итерации его удовлетворил результат - эту конструкцию и взяли в работу.

Нейросклад

Беда современности: у нас есть ИИ, он может все, но нас хватает только на то, чтобы попросить его сгенерировать котиков. Вот и тут: найдено узкое горлышко, успешно решено, как с ним быть, но нет самой бутылки (набор из 20 листов в гуглшитс не считается).
Пришло время навайбить склад! Но это будет не СКЛАД, а склад. Исключительно для компонентов, комплектаций, коробок и катушек. Так как это уже 40+ нейрослоповый проект и у меня есть генератор типовых проектов, то стек, паттерны, инфраструктура собираются в одной сессии КлодКода:

• Backend: Python, FastAPI, SQLite (data/sklad.db).

• Frontend: Vue 3. Один интерфейс для телефона и компьютера.

• Авторизация: через API. Бот выдаёт код, сервис проверяет его по Telegram ID. Сессии на JWT.

• AI: MiniMax vision через Anthropic-совместимый API (forced tool-calling). Он распознаёт фото катушек и расшифровывает номинал.

• PDF: Gotenberg (внешний контейнер) для выгрузки карточки сбора.

• Инфраструктура: Docker Compose с контейнерами sklad-api (FastAPI) и sklad-web (сборка на node:20-alpine, раздача через nginx:alpine). Прод на сервере: nginx и SSL, домен sklad.хххххх.ru. Деплой через GitHub и скрипт scripts/deploy-sklad.sh.

• Скрипты себестоимости: отдельные Python-скрипты (xlrd, openpyxl), которые собирают отчёты из сборов и счетов поставщика. База и интерфейсы собираются примерно за день с адаптацией к телефону, так как именно на нем "офис-менеджер" будет фотографировать катушки. Всего 6 страничек: три списка и три карточки (рисунок 3).

  

  Правда, периодически вылетает подобная чушь (рисунок 4), но она вылетала и когда код писали руками. При проектировании не учли то, что когда компоненты едут к нам, мы не знаем, сколько там коробок, и катушки едут с коробкой NULL. Правится все пятиминутной сессией.

  

  Но код тут 5% от всей работы. А потом начинается пахота в виде шлифовки нюансов, изменения номенклатуры, добавления новых комплектаций и везде человеческий фактор. Зато теперь на учет остатков по пяти платам (236 компонентов) ушло 2 дня офис-менеджера. Один день - посчитать, второй разложить по коробкам. Затем инженер делает заказ агрегаторам это полдня - на этом его работа заканчивается - дальше механика с которой справляется тот же офис-менеджер и начальник производства. На то, чтобы разложить пришедшие компоненты по коробкам, напечатать листы комплектации и отправить все это у них уйдет еще полдня. Рутину очень основательно сожрал ИИ-конструкт.

Волшебство с FastAPI

Я в ИТ более 30 лет, помню время, когда не было интернета. И все эти годы мы разрабатывали ПО для людей. Есть база данных, есть бизнес-логика, но все и всегда приходит к тому, чтобы показать человеку список/карточку/отчет. Причем даже тогда, когда человеку это все ну никак не нужно. Оценивали, сколько интерфейсов и отчётов, написанных тяжёлым ручным трудом, никогда больше не используются?
А теперь появилась возможность больше не делать интерфейсы для человека. Достаточно остановиться на API, потому что все харнесы божественно работают с АПИ, особенно когда есть его описание в OpenAPI.
В целом, в нейроскладе можно было остановиться только на интерфейсе для фото катушки. Остальное если и нужно, то только на этапе внедрения, чтобы посмотреть на списки не через DBeaver, а чуть удобнее.
В итоге, после проектирования базы, вайбкодинга интерфейсов с эндпоинтами API, КлодКоду были отданы файлы с комплектациями, и он заполнил всю базу. У нас порядка 200 компонентов, у каждого могут быть разные партномера, аналоги с разными партномерами.
Человеку под силу создать базу компонентов в новом ПО, но это очень энергозатратно, а ИИ помурыжал полчаса эксель-файлы скриптами на пайтоне, выкатил вопросы в MD-формате, получил ответы и создал базу компонентов и комплектации с ними.
БЕЗУСЛОВНО! Потом все надо проверить ручками и глазками. Человек всегда в контуре!
скусство в том, чтобы сделать API, подходящий для ИИ. А еще нужно запретить ИИ лазить напрямую в базу, это и опасно, и не делает мир лучше.

И родилась заплатка

Вероятно, то, что написано выше, выглядит как история типа: я навайбкодил панель для торгов на Форекс и заработал миллион. Частично это — так. Я четко и глубоко осознаю, что на сервере крутятся два докера с какой-то лапшой и базой в SQLite. На ноуте лежит эта же лапша, разбавленная MD-файлами с какими-то описаниями (некоторые вполне читаемые человеком). И все это уже работает в бою: коробки собираются, Компел, Элитан и прочие агрегаторы выставляют счета, все это уезжает контрактникам с документами, сгенерированными той же лапшой.
Но эффективность созданного нейрослопа принципиально перевешивает риски (тут держим в уме, что база постоянно бэкапится сторонними скриптами на внешний контур, а код в Гите). То есть реинженирить данную конструкцию или доработать ее под нюансы может любой человек с любым харнесом под рукой. И за заплаткой смотрит инженер, которого теперь не тошнит от мысли о новом сборе для производства, а, скорее, наоборот — он может задать этому комку нейрослопа прикольный вопрос и получить ответ, о котором раньше можно было только мечтать. Например, "Посчитай мне себестоимость производства такого-то контроллера", или "А теперь посчитай себестоимость на конец прошлого года". Силиконовый на полном серьезе задает вопросы (про НДС, недостающие документы, курсы валют) и выкатывает очень внятный ответ.
Сейчас я пишу про десятую, примерно, заплатку, созданную за прошедший год. Да, мир заплаток, собранных в лоскутное одеяло поверх сложной Цифровой Платформы, которая разрабатывалась людьми годами. У нас еще есть лоскутки для ОТК, отчетов, RAGa с документацией, внешнего АПИ, команды ботов MAX и так далее.
Старый мир ручного кода и человеческих GUI постепенно отживает свое. Новый мир опасен и пока непонятен. Рецепт в том, чтобы не отрицать новое, но и не ломать старое.

Архитектура склада с нейрослопом

Заранее прошу прощения за громкое слово Архитектура (рисунок5).

Все "заплатки" выглядят примерно одинаково: теперь минимум GUI — их заменяет харнес, стоящий на ноуте. В моем случае — Claude CodeCodex, но несущественно. Знания и навыки этот харнес забирает из Гита (в том числе и описание API). Затем, в зависимости от задачи, ныряет в БД через API, внешние системы (знания о них тоже передаются через Гит. Гит свой, локальный, отрезанный от внешнего мира человеческим админом). Результаты кладутся в формате MD/PDF на диск и нативно просматриваются Обсидианом.
Например, Компэл прислал счет. В нем пять десятков наименований. Codex открывает навык, парсит документ заранее созданными скриптами и добавляет в базу новый сбор. Но сначала он задаёт вопросы, если в счёте не то, на что он рассчитывал.
Очень понравился расчет себестоимости производства контроллера. Я кратко описал, из чего состоит конечный продукт, какие цены, как рассчитать себес. Потом ответил на вопросы по списку — и у меня в руках документ с себестоимостью. Считай ПЭО в малом бизнесе. Руками синхронить кучу счетов в разных форматах — отдельное извращение, а специальных людей, которые ведут муторные комплектации в 1С, мы не готовы держать и не готовы приглашать им 1С-программистов для решения наших специфических задач.
нженеру вполне хватает DeepSeek Harness со скилами и описанием API, обновляемыми из Гита. Один из скилов как раз то самое обновление окружения.

ИТОГО

Всего год назад мы начали внедрять ИИ в бизнес. Все начиналось с RAG, который поженили с Telegram через n8n. Сейчас вся предметная область покрыта заплатками с разного рода агентами, LLM. На сервере, названном в честь Сберовского эмбеддера — Фрида, крутится порядка 20 контейнеров с инструментами мира ИИ. НО! Пока не видно какого-то целостного концепта, как в будущем будет строиться информационная инфраструктура. Слишком много непонятных переменных, начиная от вражеских моделей и заканчивая тем, куда дойдет развитие ИИ. То есть пока вайбкодим с прицелом, что все будет хорошо.
Явно видны несколько тенденций:

1. GUI становится меньше. Если агенты могут побегать по данным - нет нужны создавать GUI для всего. Можно ограничиться верхними уровнями абстракции (как любят эффективные менеджеры).

2. API становится больше и оно имеет специфический "запах": нельзя ответить пустотой - если не нашел - дай рекомендацию. Нельзя просто так вычеркнуть ендпоинты. Они теперь живут вечно, но некоторые в статусе Depricated.

3. Агенты всегда в помощь - это их мир - переваривать рутину. Вероятностные LLM и Детерминированные скрипты - очень гармоничны в работе с данными и бизнес логикой. Но одно остается неизменно - ЧЕЛОВЕК В КОНТУРЕ. Улучшить, ускорить, дополнить - да. Заменить - НЕТ!

PS. Клод все

Пока писал статью случилась отмена. Прекрасный солнечный теплый осенний день, дорогу до работы почти достроили и пропали пробки, на заправке можно заправиться без плана и очереди - жизнь прекрасна, но КлодКод пишет ошибку API. Циничные русофобы решили стать белыми и пушистыми. Они там думают, что мир быстро забывает убитых иранских девочек и миллионы скачанных для обучения пиратских книг.
Это к вопросу, что делать с нейрослопом, когда отберут ИИ. В архитектуру добавился DeepSeek Harness с подпиской МиниМакса. Он заменит инженеру вообще всю историю работы со складом: загрузка счетов, выгрузка аналитики, расчет себестоимости, подбор компонентов. А пилить гранит дальше будет CODEX/KIMI/GLM. На второй день я очень удивлялся зацикленности на Клоде. Пришлось бороться с вредными привычками. Но теперь очевидно: конструкция, созданная одним ИИ, может развиваться с помощью другого, разумеется при правильном подходе, и эксплуатироваться с помощью моделей по проще.