Внедрение и практика
кейсы компаний, экономика, организация работы с ИИ
Материалы
УПД без очередей и ручного ввода: как периферийное распознавание ускоряет учёт
Статья разбирает узкое место централизованной обработки УПД: документ сканируют на месте, отправляют в общую очередь, затем вручную переносят данные и возвращают расхождения на исправление. В качестве альтернативы предлагается распознавать реквизиты и товарные позиции непосредственно в точке операции, после чего передавать структурированный результат в 1С или ERP. Материал полезен как постановка архитектурной задачи для OCR-проекта. Поскольку текст подготовлен поставщиком технологии, ожидаемый эффект следует подтверждать пилотом на собственных формах и качестве изображений.
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.
Подключаем 1С к агентской среде через MCP. Полный гайд (вроде бы)
Практический гайд по подключению баз 1С к LLM-агенту через MCP-сервер. Автор собрал расширение 1С, публикуемое как HTTP-сервис на IIS, и соединил его с агентской средой Hermes: агент получает инструменты для чтения данных Бухгалтерии и ЗУП. Отдельный фокус — безопасность: агент работает не с боевой базой, а с её ежедневной копией, восстанавливаемой из бэкапа Veeam. Из нюансов: несовместимость Bearer-токена с Basic-аутентификацией 1С и правила агента в SOUL.md. Гайд полезен администраторам и разработчикам, которые хотят дать ИИ доступ к данным 1С, не открывая рабочие базы.
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.
Вайбкодинг в 1С: как AI увеличивает скорость разработки в 4–6 раз
Опыт разработчика 1С, выстроившего работу с Claude Code на выделенном сервере с ускорением разработки в 4–6 раз. В пайплайне команда создаёт задачу в Битрикс24, субагенты планируют работу, пишут код и проверяют результат. Основную эффективность дают два MCP-сервера: один исполняет запросы и код прямо в базе, второй собирает валидный XML конфигурации. Честно показан узкий цикл: до 70% времени уходит не на генерацию, а на загрузку изменений в конфигуратор; в планах — MCP автозагрузки и BDD-тесты через Ванессу. Полезно командам, которые считают экономику ИИ и выбирают инструменты вокруг агента.
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.
Вайбкодинг для 1С: как получить production-ready код с ИИ
Автор предлагает перейти от свободной генерации кода к спецификационно-ориентированному процессу: сначала описать требования и архитектуру, затем дать агенту правила проекта, контекст метаданных через MCP и формальные проверки. В качестве рабочего стека рассматриваются Cursor и EDT, а изменения предлагается разбивать на контролируемые шаги с ревью. Текст написан полемично, поэтому числовые обещания стоит воспринимать как мнение автора, но сама схема полезна разработчикам: она показывает, какие организационные меры нужны, чтобы результат модели был проверяемым и воспроизводимым.
Скрипты продаж и речевая аналитика с AI в CRM
Инструкция описывает сценарий речевой аналитики в CRM: BitrixGPT сопоставляет разговор менеджера с выбранным скриптом продаж и формирует рекомендации по улучшению. Показано, где включить инструмент, как выбрать готовый или собственный скрипт и где смотреть результат анализа. Материал полезен руководителю отдела продаж для постановки пилота и разработчику интеграции — как пример AI-функции, встроенной в карточку CRM и привязанной к реальному звонку. Выводы модели следует рассматривать как подсказку для разбора, а не как автоматическую оценку сотрудника без проверки.
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.
Как мы приручили нейросеть для видеозвонков
Продакт-менеджер команды видеозвонков Битрикс24 рассказывает о создании CoPilot для встреч. В статье разобраны переход от простой записи к многоуровневому резюме, выделение тем, решений, задач и будущих встреч, а также решения, которые пришлось пересматривать по ходу разработки. Это редкий материал с внутренней стороны продукта: он показывает, что качество итогового протокола зависит от структуры анализа, а не только от распознавания речи. Полезен командам, выбирающим сервис протоколирования, и разработчикам ассистентов, которым нужны критерии полезного результата встречи.
Руководство пользователя 1С:Напарника
Официальное руководство по ассистенту разработчика в 1C:EDT охватывает установку и первый запуск, автопродолжение кода, чат, агентный режим, команды и редактирование метаданных. Отдельные разделы посвящены разрешениям инструментов и персональным правилам, поэтому документ полезен как перечень функций и инструкция по ограничению доступа агента к проекту. Руководство показывает, что Напарник может искать и читать файлы, менять код и объекты конфигурации, пользоваться документацией и ИТС. Для внедрения это первичный источник по управлению полномочиями и воспроизводимой настройке.
Искусственный интеллект в платформе 1С:Предприятие
Официальная обзорная страница систематизирует направления ИИ в экосистеме 1С. Для разработки указан 1С:Напарник в EDT с генерацией, ревью, рефакторингом и комментированием кода; для пользователей — помощник по ИТС. Отдельно перечислены прогнозирование продаж, распознавание первичных документов, синтез и распознавание речи. Материал удобен как карта продуктов от вендора: он отделяет встроенные и облачные сервисы от сторонних интеграций и связывает разработческие, документные и речевые сценарии с официальными страницами. Дату публикации страница не сообщает, поэтому поле оставлено пустым.
AI_agent — ИИ-агент внутри 1С
Исходный код агента для 1С, который планирует задачу и исполняет её через ограниченный набор команд. Репозиторий позволяет проверить реализацию DSL, работу с метаданными, режимы чтения и записи, навыки и обработку файлов, о которых рассказывают статьи автора. README содержит установку и примеры запуска. Материал полезен для технической оценки пользовательского ассистента: можно проследить, где модель только выбирает действие, а где операция выполняется детерминированным кодом 1С, и какие проверки стоят перед изменением данных. Это помогает сравнить проект с более свободными MCP-серверами.
compose4mcp — Docker Compose для MCP-серверов 1С
Репозиторий с конфигурациями Docker Compose для совместного запуска нескольких MCP-серверов, применяемых в разработке 1С. README показывает состав сервисов, переменные окружения, подключение каталогов и порядок старта, превращая разрозненные серверы в воспроизводимое окружение. Материал полезен тем, кто уже выбрал агентный стек и решает эксплуатационную задачу: как одинаково развернуть инструменты у разработчиков или на стенде, управлять зависимостями и не собирать каждую интеграцию вручную.
Claude Code Skills 1C — навыки для работы с исходниками конфигурации
README набора специализированных навыков и правил для Claude Code, который собирает и разбирает исходники 1С через компактное JSON-представление. Поддерживаются метаданные, формы, роли, СКД, расширения и внешние обработки; базовые операции могут выполняться без ручной работы в Конфигураторе. В материале описаны установка, организация команд и ограничения формата. Это практический пример декомпозиции разработки на контролируемые действия агента, полезный для сравнения с MCP-подходом и для построения повторяемого процесса изменений.
ai_rules_1c — правила, навыки и субагенты для разработки 1С
Репозиторий практических правил, навыков и конфигураций субагентов для разработки на BSL с помощью кодовых моделей. Вместо готового приложения автор предлагает слой инструкций, который помогает агенту учитывать особенности 1С, планировать изменения, работать с выгрузкой конфигурации и проверять результат. README показывает структуру набора и варианты подключения к популярным агентным инструментам. Материал особенно полезен как пример инженерии контекста: он позволяет понять, какую проектную информацию нужно явно передать модели и почему одного запроса недостаточно для устойчивой разработки.
Материалы — внешние публикации; редакция отбирает, но не отвечает за их содержание. Как мы отбираем