Материалы источника «Инфостарт»
Проверенные редакцией материалы об ИИ в экосистеме 1С со ссылками на первоисточники.
Материалов: 18 · Сбросить фильтр
Безопасный ИИ в 1С: как дать агенту доступ и не потерять контроль
Статья рассматривает безопасность агента как цепочку полномочий пользователя, модели, оркестратора, MCP-клиента, сервера и 1С. Автор объясняет, почему запрет в промпте или локальное размещение модели не заменяют технического разграничения прав, и предлагает разделять чтение, анализ, подготовку и выполнение действий. Обсуждаются минимальные привилегии, журналирование и подтверждение опасных операций. Материал полезен архитекторам пилота: по нему можно составить модель угроз и проверить, какие ограничения обеспечены кодом и правами, а какие существуют только как текстовая инструкция агенту.
Сверим часы: 6 базовых лайфхаков для работы с ИИ-агентами
Практическая памятка по организации работы с кодовыми агентами: сохранение длительных сессий, предварительный план, независимая проверка выводов и изоляция параллельных задач через ветки и worktree. Автор отдельно разбирает риски, откат и необходимость фиксировать, что именно агент изменил. Материал не привязан к одной модели и полезен командам 1С как набор организационных мер: он показывает, как отделить исследование от реализации, уменьшить конфликтующие правки и не принимать уверенный ответ модели без проверки в новой сессии и тестовом контуре.
1С + Cursor + MCP: полный цикл разработки без ручной работы в Конфигураторе
Пошаговый разбор связки Cursor, 1C: Platform Tools MCP, OneScript и vanessa-runner. Агент получает конфигурацию из тестовой базы, находит и меняет BSL-код, загружает результат, обновляет базу и запускает клиент без ручного обмена XML через Конфигуратор. В статье показаны packagedef, env.json, настройка MCP и отдельные IPC-порты для нескольких проектов. Автор предупреждает о длительных полных проверках больших конфигураций и рекомендует выполнять автоматическое обновление только в dev/test-контуре. Это воспроизводимый сценарий агентной разработки, а не только пример генерации кода.
UI-тесты 1С для ИИ-агентов: TestClient через HTTP bridge
Статья описывает тестовый контур, в котором ИИ-агент управляет штатными TestClient и TestManager через HTTP bridge и получает семантические действия вместо экранных координат. Сценарий запускается в изолированном desktop на Windows или Xvfb на Linux, возвращает пошаговые результаты и heartbeat для долгих операций. На примере БП 3.0 агент открывает и заполняет приходную накладную. Материал ценен архитектурой безопасной проверки: worker контролирует процессы и таймауты, а агент может сначала исследовать форму, уточнить фактические имена элементов и только затем дописать следующий шаг теста.
AI Agent 0.9.3: skills и распознавание документов в 1С
Обзор обновления внутреннего агента 1С с переиспользуемыми skills, обработкой файлов и распознаванием первичных документов. В статье показано, как навык упаковывает последовательность действий и переносится между базами, а агент перед выполнением проверяет наличие объектов и реквизитов в метаданных. Для операций записи применяется отдельная policy и подтверждение пользователя. Материал связывает темы чат-ботов и OCR: распознанный документ становится входом контролируемого сценария 1С, а не просто текстом. Полезен разработчикам, проектирующим библиотеку безопасных действий агента.
Бесплатный GigaChat против локального Qwen3-Coder 30B на реальном коде 1С
Практическое сравнение GigaChat-2-Pro и локального Qwen3-Coder 30B на двух реальных конфликтах BSL при обновлении расширения. Обе модели решили первый случай, а во втором локальная модель ошиблась с уверенностью 95%; детерминированная проверка обнаружила расхождение. Автор честно ограничивает вывод малым числом тестов и приводит аппаратную конфигурацию, контекст и время выполнения. Главная ценность материала — схема контроля: алгоритм выделяет проблему, LLM предлагает решение, алгоритм проверяет сохранность изменений, после чего разработчик и тестовая база подтверждают результат.
Кодогенерация HTTP-запросов в 1С прямо из Bruno: Native, Connector и OPI
Автор с помощью нескольких LLM добавил в open-source API-клиент Bruno генерацию HTTP-запросов на BSL. Реализованы шесть вариантов: стандартные классы платформы, библиотека Connector и OPI, каждый на русском и английском синтаксисе. Публикация объясняет устройство генераторов HTTPSnippet, содержит ссылку на рабочую ветку, команды сборки и порядок проверки результата. Это кейс использования моделей не внутри 1С, а для развития инструментария вокруг неё: идея, генерация и ревью разделены между человеком и разными моделями, а итог можно воспроизвести локально и проверить по открытому коду.
Внутри LLM нет ни одного Если. Языковая модель целиком на встроенном языке 1С
Учебная реализация маленькой языковой модели целиком на встроенном языке 1С показывает токенизацию, эмбеддинги, внимание, feed-forward слой и выбор следующего токена без скрытого внешнего API. Автор поясняет ограничения демонстрации, стоимость размера модели и различие между инференсом в 1С и обучением снаружи. Материал помогает разработчику понять, почему LLM работает с токенами, откуда берутся вероятностные ответы и почему уверенная формулировка не равна проверенному факту. Это не готовый промышленный ассистент, а наглядный инженерный эксперимент для понимания механики моделей.
ИИ + 1С без лишних хлопот: как спросить базу текстом
Автор описывает шлюз для вопросов к 1С без входящего порта, расширения и отдельного сервера в контуре базы. Внешняя обработка сама забирает задания исходящим HTTPS, исполняет запросы с правами текущего сеанса и возвращает результат; читающий ключ физически не разрешает запись, а запись требует пробного прогона и подтверждения. Разобраны сценарии консультанта, бухгалтера и разработчика, включая старые УПП и обычные формы. Материал ценен честными ограничениями: модель может выбрать неверный период или вид цены, поэтому значимые цифры нужно сверять с отчётами.
ИИ-помощник на чистом 1С: MVP своими руками за 30 минут
Пошаговая сборка минимального RAG-помощника без Python: 1С отправляет HTTP-запросы, документы режутся на фрагменты, векторный поиск выбирает близкий контекст, после чего LLM формирует ответ. Автор показывает компоненты прототипа, структуру данных и код обращения к модели, а также объясняет отличие смыслового поиска от простого поиска по словам. Материал даёт компактную архитектуру для эксперимента и показывает, что перед эксплуатацией придётся усилить хранение секретов, обработку ошибок, качество чанков и проверку ответов.
Один бинарник, ноль зависимостей: подключаем AI к базе 1С за 10 минут
Практическое введение в MCP-1C с установкой одного бинарника и расширения, публикацией HTTP-сервиса и подключением к агенту. Материал показывает получение метаданных, выполнение запросов к данным и возврат результата в чат в виде таблицы. Отдельно объясняется сетевая схема, когда клиент с MCP-процессом и сервер 1С находятся на разных машинах. Статья полезна как быстрый старт и как дополнение к README: в комментариях разобраны реальные проблемы установки. Перед подключением к рабочей базе необходимо отдельно настроить права пользователя и режимы доступа.
Выбор модели для разработки в 1С: сравниваем топов и open source
Сравнение семи LLM в одинаковом агентном сценарии: моделям дали доступ к проекту ЗУП и попросили самостоятельно изучить конфигурацию. Автор сопоставляет Claude, Kimi, GLM, GigaChat, Gemini, Grok и YandexGPT по работе с инструментами, пониманию архитектуры БСП и глубине анализа кода. Важная часть материала — не общий рейтинг, а наблюдаемые ошибки: пропущенные паттерны, поверхностное чтение структуры и неспособность начать tool-вызовы без подсказки. Статья помогает выбрать модель для агента 1С и спланировать собственный тест.
ИИкона — универсальный AI-коннектор для 1С: один API для большинства моделей
Автор представляет библиотеку-коннектор, которая скрывает различия API нескольких семейств моделей за единым интерфейсом 1С. В статье разобраны провайдеры и способы авторизации, автоматическое обновление OAuth-токенов, настройка справочника моделей, экспертов и тестовой обработки. Поддерживаются облачные сервисы и OpenAI-совместимые локальные серверы, включая Ollama. Материал полезен разработчику, которому нужно не просто отправить один HTTP-запрос, а построить заменяемый слой интеграции и переключать модели без переписывания прикладного кода.
Станислав Косолапов. AI-агенты для 1С: от генерации кода до автоматизации разработки и тестирования
Видеоверсия доклада Станислава Косолапова с INFOSTART TECH EVENT об ИИ-агентах для 1С. В докладе разобраны протоколы MCP и A2A, подключение MCP-серверов в Cursor, локальная база знаний с документацией платформы, автоматизация браузера для проверки интерфейса и собственный MCP-сервер тестирования на OneScript. Демонстрации показывают, как агент пишет обработку, деплоит её и проверяет результат в 1С:Предприятие, включая неудачные сценарии — запись помогает оценить реальный уровень зрелости подхода лучше статьи. На странице есть выбор плеера YouTube или VK и ссылка на текстовую версию доклада.
AI-агенты для 1С: от генерации кода до автоматизации разработки и тестирования
Статья по итогам доклада INFOSTART TECH EVENT: как собрать вокруг 1С агентный пайплайн разработки. Разобраны протоколы MCP и A2A, подключение серверов в Cursor через mcp.json и готовые инструменты: командная строка, веб-поиск, локальная база знаний с синтакс-помощником, браузер, тестирование HTTP-сервисов и OData. Отдельный раздел — собственный MCP-сервер на OneScript с библиотекой autumn-mcp, включая пример сервера автотестов на базе Vanessa. Автор разделяет, что уже работает в бою, а где лучше подождать: динамические формы и оркестрация агентов через A2A.
Подключаем GigaChat к 1С
Статья по материалам доклада показывает прикладной сценарий подключения LLM к 1С: из назначения банковского платежа нужно извлечь номер и дату счёта. Автор сравнивает GigaChat, YandexGPT, небольшие локальные модели и другие сервисы, обсуждает требования к видеопамяти и выбирает схему с промежуточным Python-веб-сервером. Отдельно показано использование кодовых моделей для подготовки клиента 1С и серверной части. Материал ценен не только готовой связкой, но и разбором границы применимости: простые модели не справляются, а для результата нужны проверяемый формат ответа и обработка ошибок.
Изображение в текст. Распознавание документов для 1С
Видеоматериал показывает альтернативный сценарий OCR: изображение отправляется в сервис распознавания через бота, а тот возвращает извлечённый текст; тот же API можно вызвать непосредственно из 1С. Автор демонстрирует работу на документах и объясняет, какие данные получает интеграция. Запись полезна разработчикам, которым штатного ввода первички недостаточно и нужен общий канал «изображение — структурированный результат». При оценке решения важно отдельно проверить поддержку нужных форм документов, формат ответа и правила передачи изображений во внешний сервис.
Что такое библиотека искусственного интеллекта для 1С и как ею пользоваться
Навигационная статья по библиотеке искусственного интеллекта для 1С: как установить расширение, настроить подключение к моделям и использовать готовые компоненты в прикладных решениях. Автор связывает библиотеку с серией примеров и объясняет общий интерфейс генерации текста, хранение настроек и варианты работы с YandexGPT. Материал немного старше стандартного окна в 18 месяцев, но включён как фундаментальная документация действующего инструмента из справочника. Он помогает понять архитектуру библиотеки до загрузки расширения и выбрать подходящий пример интеграции.
Материалы — внешние публикации; редакция отбирает, но не отвечает за их содержание. Как мы отбираем