Видение

Проблема

На рынке — десятки (потенциально сотни) поставщиков оборудования и компонентов. У каждого:

• собственный API и формат отдачи каталога;
• собственная схема характеристик, несовместимая с другими;
• свои артикулы (виртуальные, производителя, составные), свои цены, остатки по нескольким складам;
• свои условия: логистика, доступность, ценовые правила, B2B/B2C.

Сметчики вручную сопоставляют позиции между поставщиками, ищут аналоги по характеристикам, формируют оптимальную смету. Эта работа плохо масштабируется и даёт высокий процент ошибок.

Целевой результат

Единая нормализованная база знаний о товарах и предложениях, над которой работает мета-поиск, способный:

1. находить любую позицию по артикулу/описанию/характеристикам, включая неточное совпадение;
2. подбирать аналоги по критическим характеристикам и по “превосходящим” параметрам;
3. собирать оптимальную смету по критериям (цена, наличие, конкретный производитель, сроки);
4. автоматически исправлять типовые ошибки в исходных позициях смет;
5. возвращать цену с учётом price rules и логистики;
6. в перспективе — передавать готовую смету в исполнение.

Принципы

• Источник истины — наш нормализованный каталог. Данные поставщиков — “показания”.
• Максимальная гибкость типов товаров. Модель должна одинаково хорошо описывать резистор, насос и кабельный лоток.
• AI-first, но не AI-only. AI — инструмент нормализации, сопоставления, обогащения, с human-in-the-loop.
• Всё — версионируемо. Чтобы объяснить любое решение системы задним числом.
• Rate-aware. Любое обращение к внешним API — через управляемый rate limiter.

Нефункциональные цели (целевые)

• Поиск p95 < 300 мс.
• Сборка сметы до 200 позиций p95 < 10 сек.
• Свежесть цен ≤ 6 часов (у топ-поставщиков), остатков ≤ 2 часа.
• Масштаб: 10⁷ canonical products, 10⁸ offers.