Система Анализа Складских Запасов на Базе ИИ (Warehouse AI)

1. Введение

Этот отчет содержит детальный технический анализ системы Warehouse AI, предназначенной для интеллектуального поиска и предоставления информации о складских запасах электронных компонентов и других материалов. Система объединяет веб-интерфейс, серверную логику на Python, базу данных в Google Sheets и сложный рабочий процесс (workflow) на базе платформы n8n с использованием агентов искусственного интеллекта (AI Agents).

Основная задача системы — заменить ручной поиск и помочь инженерам быстро и понятно получать информацию о наличии и характеристиках компонентов на складе.

2. Архитектура Системы

Архитектура системы состоит из трех ключевых компонентов:

1. Фронтенд (Клиент): Веб-интерфейс на HTML/CSS/JavaScript (index.html).

2. Бэкенд (Сервер): Простой HTTP-сервер на Python (Server.py), который обслуживает фронтенд и статические данные.

3. Логика работы и AI (Workflow): Автоматизированный рабочий процесс на платформе n8n (WerhouseAI.json), который обрабатывает запросы, взаимодействует с базой данных и генерирует ответы с помощью AI.

2.1. Фронтенд (index.html)

Фронтенд представляет собой одностраничное приложение (SPA) с чат-интерфейсом.

Элемент Назначение

Webhook

Поле для ввода адреса n8n-webhook, куда отправляются запросы.

URL

Фильтр первого уровня (например, Electronic (SMT), Product). Загружается из

Domain (L1)

/api/domains.

Category

Фильтр второго уровня (например, Resistor, Connector). Загружается из /api/categories.

(L2)

Когда инженер вводит запрос простыми словами (например, "конденсатор 100nF 25V,

Поле ввода

корпус 0805").

Собирает выбранные фильтры и запрос, отправляет их в виде JSON-payload на

Логика

настроенный Webhook URL.

2.2. Бэкенд (Server.py)

Сервер на Python (модуль http.server) выполняет функции статического файлового сервера и простого API для управления фильтрами.

API Endpoint Метод Назначение

/index.html GET Обслуживает главный файл интерфейса (template/index.html).

API Endpoint Метод Назначение

/api/domains GET Возвращает список доменов из data/domain.json.

/api/categories GET Возвращает список категорий из data/category.json.

/api/domains POST Добавляет новый домен в data/domain.json.

/api/categories POST Добавляет новую категорию в data/category.json.

Сервер обеспечивает работу фронтенда и позволяет динамически обновлять списки фильтров (Domain и Category) без необходимости перезапуска основного AI-workflow.

3. Рабочий Процесс (Workflow) на n8n

Вся основная логика системы реализована в виде рабочего процесса n8n, который обрабатывает каждый запрос от начала и до конца.

3.1. Этапы Обработки Данных

Этап Узел n8n Описание

Webhook Точка входа. Принимает POST запрос с /webhook/inventory-analysis,

1. Вход

Trigger содержащий filters и query.

Extract Извлекает и стандартизирует filters (domain, category) и query из тела

2. Парсинг Query

запроса. Parameters

Load 3. Загрузка Подключается к Google Sheets API. Загружает данные из листа Inventory Inventory Данных Stock документа. Data

Ключевой этап. Здесь применяются фильтры по domain и category. Происходит нормализация названий полей. Данные сортируются:

4. Фильтрация Filter and

сначала позиции с Total > 0 (те, что есть в наличии), затем по убыванию и Обработка Process Data количества. В конце данные форматируются в текстовый контекст, который будет передан AI.

3.2. Ветки AI-Агентов

Рабочий процесс включает три ветки AI-агентов. На данный момент активна только одна, что обеспечивает гибкость для тестирования и будущих изменений.

Название

Ветка Статус Назначение и Логика

(заметка n8n)

Главный рабочий поток. Использует полное описание компонента (Description (Comments)). Ամբողջ Формат ответа: РЕЗЮМЕ → В НАЛИЧИИ (макс. 5) Активная Description АКТИВНА → НЕТ НА СКЛАДЕ (макс. 4) → ПРИМЕЧАНИЯ. (Comments) S. Использует технический язык, температуру 0.1 для стабильности. Обязательно указывает точный MPN.

MPN և Резервный вариант. Использует сокращенное Альтернативная ֆիքսված DISABLED описание (до 90 символов). Предназначен для Disc... M. тестирования альтернативной версии AI-агента.

Экспериментальная ветка. Тестирование без Առանց MPN Экспериментальная DISABLED обязательного указания MPN и с альтернативной K. логикой форматирования.

3.3. Финальная Обработка и Отправка

Этап Узел n8n Описание

Format Единая точка выхода. Извлекается текст ответа от активного AI-агента. 5. Final Текст очищается от Markdown, кавычек и лишнего форматирования.

Форматирование

Response Готовится финальный JSON-объект: {reply: 'текст_ответа'}.

Возвращает финальный JSON-ответ через Webhook Response. Send Устанавливает необходимые CORS-заголовки (Access-Control-Allow-

6. Отправка

Response Origin: *) для взаимодействия с фронтендом. Завершает цикл запрос-ответ со статусом HTTP 200.

4. Технические Детали и Особенности

4.1. Контекст для AI-Агента

AI-агент получает отфильтрованные и отсортированные данные в виде структурированного текстового контекста. Процесс обработки данных гарантирует, что агент работает только с релевантными и актуальными позициями.

Ключевые поля, передаваемые AI:

Item MPN (Manufacturer Part Number) Description (Comments) Manufacturer Total (Остаток)

4.2. Строгие Правила Форматирования Ответа

Чтобы ответ был максимально полезен для инженера, промпт активного AI-агента жестко ограничивает формат ответа:

• Формат: Плейн-текст, без Markdown, таблиц или кавычек.

• Структура: РЕЗЮМЕ → ЛУЧШИЕ СОВПАДЕНИЯ — В НАЛИЧИИ → ЕЩЁ ВАРИАНТЫ — НЕТ НА СКЛАДЕ → ПРИМЕЧАНИЯ.

• Краткость: Каждая позиция должна быть описана в одной строке (до ~90 символов), сфокусированной на ключевых технических характеристиках (Pitch, SMT/THT, корпус, число пинов).

• Приоритет: Максимум 9 позиций суммарно (5 в наличии + 4 отсутствуют).

4.3. Использование Моделей ИИ

Активная ветка использует модель OpenAI GPT-4o-mini с температурой 0.1. Низкая температура (близкая к 0) выбрана для минимизации "галлюцинаций" и обеспечения максимально стабильных и фактических ответов, что является критически важным требованием для работы с инженерными данными.

5. Заключение

Система Warehouse AI — это высокоэффективное решение для интеллектуального доступа к данным WMS. Интеграция фронтенда, бэкенда и n8n-workflow с AI-агентами позволяет превратить сложный поиск по инвентарной базе в интуитивно понятный диалог.

Ключевые преимущества:

• Точность: Строгая фильтрация и форматирование данных перед подачей в AI.

• Надежность: Использование стабильной модели GPT-4o-mini с низкой температурой.

• Инженерная Ориентированность: Формат ответа, сфокусированный на MPN, наличии и кратких технических характеристиках, идеально подходит для инженеров.

Система готова к масштабированию и дальнейшему развитию. В частности, можно активировать и протестировать альтернативные ветки AI-агентов для оптимизации краткости или формата ответа.

Примечание: Поскольку ответы формируются искусственным интеллектом, возможны отдельные неточности. Рекомендуется перепроверять критически важные данные перед применением в проектной или производственной деятельности.

Автор: Rama, EA

Если спросить человека, работающего в одной из компаний Кремниевой долины, «где он работает?», ответ чаще всего будет: «Я работаю на Долину». Он может упомянуть или не упомянуть конкретную компанию, в которой работает, но в большинстве случаев он отождествляет себя и свою компанию с сообществом Кремниевой долины. Это очень сильно.

Такой же ответ мог бы быть у всех, кто работает в компаниях EC. На вопрос, где мы работаем, ответ может быть просто: «Я работаю на Город».

Почему это сильно?

Потому что, во-первых, это указывает на то, что существует сообщество — сообщество, которое гораздо больше компаний.

Во-вторых, это означает, что между компаниями сообщества существует мобильность. То есть люди могут легко переходить между компаниями сообщества, потому что у всех у них схожая миссия, схожие ценности, схожие профессии и товарищество.

В-третьих, переходя между компаниями, люди приносят с собой идеи и практики предыдущей компании и узнают идеи и практики новой компании, обогащая этими новыми идеями и практиками и компании, и самих себя.

И в-четвёртых, это страховочная сеть и для людей, и для компаний сообщества. Все компании работают на рынке. Рынки динамичны. Поэтому одни компании в одни периоды могут хорошо расти, а в другие — медленнее. И наоборот, другие компании сейчас могут испытывать замедление или спад, но в другое время перейти к росту. Когда у людей есть возможность легко переходить из одной компании в другую, обеспечиваются две вещи: у человека всегда есть работа, а сообщество и компании не теряют этого человека. В этом смысле сообщество защищает и человека, и компанию.

Так что в следующий раз, когда вас спросят, где вы работаете, вы можете смело сказать, что «работаете на Город».

Я думаю, это было бы очень сильно.