Проблема ручного заполнения характеристик в 1С
Работая с большими прайс‑листами от поставщиков, маркетплейсов или оптовыми заказами, вы сталкиваетесь с трудоемкой задачей ручного ввода видов характеристик товаров в 1С. Это занимает много времени и приводит к ошибкам.
Решение: нейросеть на основе SpaCy и Ollama
В данном проекте реализована автоматизация заполнения характеристик товаров с помощью:
- LLM‑модели Ollama для подготовки размеченного датасета;
- обучения модели SpaCy NLP на собственных данных;
- извлечения именованных сущностей (NER) из названий товаров;
- обработки батчей – одновременной обработки множества товаров;
- аугментации данных, чтобы модель распознавала тип товара в любом месте названия.
Архитектура решения
Весь стек работает локально и не зависит от облачных API:
- Docker – контейнеризация всего проекта;
- FastAPI – быстрый веб‑сервис для обработки запросов;
- Python – основной язык разработки;
- SpaCy – NLP‑библиотека для NER;
- Ollama – LLM‑модель (можно использовать Gemini 3.27B и др.).
Ключевые преимущества
- Ускоряет обработку прайсов до секунд;
- Подходит для маркетплейсов, ритейла, дистрибуции;
- Гибко адаптируется под любые категории товаров – одежда, электроника, техника и др.;
- Локальное решение без внешних зависимостей.
Как получить исходники
Все исходные коды, инструкции по развертыванию и примеры конфигураций доступны по ссылке:
Вывод
Использование SpaCy и Ollama в сочетании с Docker и FastAPI позволяет быстро и надёжно автоматизировать заполнение характеристик товаров в 1С, экономя время и уменьшая количество ошибок.
}