Собранный на локальной Qwen 9B ИИ-консультант для магазина подарков уложил три подарка на $83.99 в бюджет $70 — со скидкой 20% вышло $67.19. Помощник спросил, когда у брата день рождения, услышал «в пятницу», посчитал 5 рабочих дней и применил правило магазина: скидка 20%. Текст ответа пишет модель, а сумму, скидку и корзину считает обычный код.
Что вообще произошло
Разработчик с ником nmrcs собрал для магазина подарков чат-бота, который ведёт разговор как живой продавец: спрашивает, кому подарок, сколько лет человеку, на какую сумму и к какому дню он нужен. Пока не узнает возраст, бюджет, дату и интересы — ничего не предлагает, только задаёт вопросы. По одному за раз и только про то, чего ещё не знает: если покупатель сразу написал «ему 30, до $70», про возраст и деньги его не переспросят. Имя, телефон и почту помощник не выпытывает — это не анкета, а разговор.
Магазин для статьи сделали моковый, то есть игрушечный, но рабочий: 64 товара, у каждого возраст, остаток на складе и срок доставки. Три товара уже закончились, а к восьми нужно отдельно докупать батарейки или плёнку. Весь проект лежит в открытом доступе — репозиторий nmrcs/cart-agent, его можно скачать и запустить у себя.
Главная хитрость — в разделении труда. Модель отвечает за язык и выбор, код — за математику. Так сумма никогда не «поплывёт» из-за красивой формулировки.
Почему арифметику отдали коду
На одно сообщение покупателя уходит 8 шагов, и только 3 из них делает модель. Она разбирает сообщение в понятную структуру (около 3,3 секунды), выбирает товары из уже отфильтрованного списка (около 4,3 секунды) и пишет финальный ответ (около 2 секунд). Всё остальное — обычный код: фильтр по базе занимает 22 миллисекунды, подсчёт цен и итога — 9 миллисекунд. То есть весь код — это около 30 миллисекунд, а основное время уходит на ожидание модели.
Отсюда простой вывод для любого, кто делает своего ИИ-помощника-консультанта: не заставляй нейросеть считать деньги. Пусть она болтает и выбирает, а скидку, бюджет и корзину считает программа. Именно поэтому в кейсе с $70 в бюджет влезли три подарка общей стоимостью $83.99 — код аккуратно применил скидку 20% и получил $67.19.
Ещё одна житейская деталь: когда помощник задаёт вопрос, ответ приходит за 3–7 секунд, а когда предлагает товары — за 9–15. Стримить текст почти бесполезно: он пишется 2 секунды из 15. Поэтому интерфейс показывает не «печатающийся» ответ, а текущий шаг — «Reading your message», «Choosing», «Writing a reply» — и сколько секунд уже прошло. Так покупатель видит, что бот работает, и не закрывает чат.
Что это даёт лично тебе
• Владельцу магазина подарков в Телеграме. Ночью, в выходные и в час пик бот для магазина в Телеграм сам примет запрос вроде «подарок коллеге», задаст уточняющие вопросы и положит товары в корзину. Ты не теряешь покупателя только потому, что он написал в 2:40.
• Продавцу на Kaspi. Если держишь магазин на Kaspi, схему можно повторить: помощник общается с магазином всего двумя запросами — первый ищет товары с фильтрами по возрасту, цене и сроку доставки, второй считает сумму заказа. Отдай эти два запроса из своего API — и помощника можно подключить к настоящему интернет-магазину или агрегатору. Никакой магии, только два адреса.
• Фрилансеру, который делает сайты. Это готовый дополнительный продукт: ИИ-консультант на сайт клиента с понятной демонстрацией. Приходишь с рабочим примером, где бот сам укладывает подборку в бюджет, и продаёшь настройку под конкретный каталог.
• Маме двоих детей перед днём рождения племянника. Вместо листания 64 карточек — один разговор: «племянник любит роботов, надо к субботе». Получаешь подборку с объяснением, почему именно они, и готовую корзину.
• Специалисту, который тонет в рутине подбора. Тот же приём работает не только с подарками: вопросы и правила вынесены в отдельный конфиг, поэтому «магазин» легко превратить в подбор оборудования, курса, тура или запчастей.
• Тому, кто хочет заработать на настройке. Открытый код + локальная модель = услуга, которую можно оказывать малому бизнесу без ежемесячных счетов за облако.
Как попробовать прямо сейчас
1. Самый быстрый и бесплатный путь — без установки. Открой Qwen Chat и опиши ему роль продавца-консультанта: попроси задавать вопросы по одному, не предлагать товары, пока не узнает возраст, бюджет, дату и интересы, а сумму считать только после подтверждения списка. Через пять минут у тебя будет живой прототип, который можно показать клиенту.
2. Хочешь свою копию магазина — скачай репозиторий nmrcs/cart-agent (монорепо на npm workspaces). Там есть витрина, корзина и чат справа, а исходники и прогоны лежат в открытом доступе.
3. Подключи модель. В кейсе это qwen3.5 9B в LM Studio, 4 бита, около 6 ГБ — автор запускал её на MacBook M3 Max. Вместо LM Studio можно подставить любой OpenAI-совместимый API, например OpenAI или OpenRouter.
4. Пропиши адрес, модель и ключ в файле .env — это три строчки, ничего сложного.
5. Замени вопросы покупателю в конфиге. Это отдельный файл со списком вопросов: возраст, бюджет, дата, интересы. Для другого магазина меняется он, а не код.
6. Отдай свои два запроса. Если у тебя есть настоящий интернет-магазин или агрегатор, подключи его: запрос на поиск товаров с фильтрами и запрос на подсчёт суммы заказа. Всё остальное помощник уже умеет.
Плюсы, минусы и что изменится
Плюс первый — предсказуемость. Модель не считает деньги — сумму, скидку и корзину считает обычный код. Плюс второй — скорость и приватность: 9B-модель на 6 ГБ живёт прямо на ноутбуке, и каталог никуда не отправляется. Плюс третий — гибкость: вопросы покупателю меняются в конфиге, а не переписыванием кода. Похоже, через месяц-полгода таких помощников будет столько же, сколько сейчас обычных чатов на сайтах, и покупатель просто перестанет ждать ответа живого менеджера.
Минусы честно: модель отвечает не мгновенно — 3–7 секунд на вопрос и 9–15 на подбор, поэтому мгновенного «чата как с человеком» не получится. Каталог в примере маленький, 64 товара, из них 3 закончились, а 8 требуют докупить батарейки или плёнку. И если у тебя нет API магазина, который умеет искать товары и считать сумму, придётся сначала его сделать.
Что сделать сегодня
Выбери один конкретный запрос из своей жизни — подарок, техника, курс — и прогони его через Qwen Chat по шагам из этой статьи. Засеки, сколько вопросов задаст помощник и уложится ли он в твой бюджет. Если получилось — сохрани статью и покажи результат в комментариях: разберём, как перенести это на твой каталог.
🎁 Бонус: промпт, который можно скопировать
```text
Ты — продавец-консультант магазина подарков. Твоя задача — довести покупателя до готовой корзины.
Правила:
1. Задавай по одному вопросу за раз и только о том, чего ещё не знаешь.
2. Сначала выясни: кому подарок и сколько лет, максимальный бюджет, к какой дате нужно, что человек любит.
3. Пока не знаешь все четыре пункта — ничего не предлагай.
4. Когда всё узнал — предложи 3 варианта из списка товаров и объясни в одном предложении, почему каждый подходит.
5. Выбирай только те товары, у которых есть остаток на складе и срок доставки успевает к нужной дате.
6. Сумму, скидку и итог считай только по моим цифрам, сам ничего не округляй и не придумывай.
7. Если правило магазина даёт скидку при заказе за 5 рабочих дней (например, 20%) — напомни об этом покупателю.
8. Если товары не влезают в бюджет — честно скажи об этом и предложи замену.
9. Не спрашивай имя, телефон и почту. В конце коротко повтори состав корзины, скидку и итоговую сумму.
Вопросы задавай дружелюбно и коротко, без канцелярита.
```
Чек-лист, если хочешь сделать своего помощника за вечер: определи четыре вопроса, которые он обязан задать · вынеси их в отдельный файл-конфиг · раздели работу на «модель выбирает» и «код считает» · добавь проверку, что итог не вышел за бюджет · протестируй на 6 живых запросах, как автор кейса.
Комментарии 0