Статья
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.
Статья
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.
Инфостарт · Иван Недомолков (nedomolkov.ivan) Статья
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.
Инфостарт · Александр Новиков Статья
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.
Инфостарт · Константин Паламарчук Статья
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.
Статья
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.
Инфостарт · Роман Андриянов Статья
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.
Инфостарт · Елена Загибалова Видео
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.
Статья
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.
Инфостарт · Михаил Калимулин