ProfitPilot — агент тарифных кампаний Beeline

Команда 0 iq enjoyers · HackAlem · основная ветка для проверки: main.

Агент выбирает, кому предложить новый тариф и через какой канал, чтобы увеличить выручку, а не просто добиться переходов. Он проверяет гипотезы пилотами и возвращает 1–10 кампаний с учётом бюджета, охвата и неопределённости. По умолчанию работает локально, без LLM и API-ключей. Данные синтетические; официальный пакет организатора не включён в репозиторий.

Для жюри: критерии и объяснение решения · измеренные результаты · происхождение кода.

Быстрый запуск

Нужны Python 3.11 или 3.13 с venv и официальный beeline_case_participants*.zip. Для приватного репозитория нужен доступ команды; ключи в исходники не вставляйте.

git clone https://github.com/BAITC-Hacks/hack-9a98b7fa-0-iq-enjoyers.git
cd hack-9a98b7fa-0-iq-enjoyers
python3 run.py --bundle "/path/to/beeline_case_participants.zip" --runs 10

Замените только путь к ZIP. Если единственный такой архив лежит в Downloads или рядом с проектом, достаточно python3 run.py. Исходники править не нужно.

Команда создаёт .venv-agent, устанавливает зафиксированные зависимости, запускает тесты и официальный оценщик, проверяет результат и собирает:

• artifacts/ready-*/submit/ — agent.py, submission.csv, requirements.txt, profitpilot_config.json, инструкция и сведения о сторонних компонентах;
• report.html — локальный отчёт: кампании, ресурсы, пилоты, статус LLM;
• summary.json, манифесты и журналы — результаты проверок и хеши.

Точные пути выводятся после успешного завершения. CSV создаёт неизменённый официальный make_submission.py; отдельный валидатор пересчитывает аудитории, затраты, ограничения и совпадение CSV с планом.

Без интернета, диагностика и демо

Первый запуск требует интернета для установки зависимостей. Подготовьте их заранее, затем выполняйте расчёт в том же окружении:

python3 run.py --prepare-only
python3 run.py --offline --bundle "/path/to/beeline_case_participants.zip" --runs 10

--offline запрещает установку пакетов, но не создаёт сетевую песочницу ОС. Без --llm-model агент не делает сетевых вызовов. Ключи не передаются оценщику.

python3 run.py --doctor  # диагностика без установки и изменения Git
python3 run.py --demo    # HTML сохранённого примера, без ZIP и пакетов

Демо помечено как сохранённый пример прежнего fixed: это не новый расчёт и не результат настоящей LLM. Для актуального отчёта выполните обычный запуск.

Что проверено

Текущий режим transfer, без LLM	Результат
Unit-тесты на Python 3.11.16 и 3.13.11	86/86 на каждой версии
Допустимые планы, mock-seeds 0–99	100/100
Положительный чистый результат	100/100
Медианный net	+4 995 479 у.е.
Минимальный net	+2 880 048 у.е.
Максимальное время Agent.act	1,104 с
Повторная генерация submission.csv	Побайтное совпадение

Объединены стратегия второго проекта команды Temiku и проверки ProfitPilot. Медиана выросла примерно в 3,25 раза относительно предыдущего transfer на тех же 100 сценариях; превосходство над исходным Temiku не заявляется. Это тест синтетического мока, не гарантия прибыли, баллов или победы на других судейских эффектах. Методика, хеши, сравнение с Temiku и ограничения: актуальный отчёт.

GitHub Actions отключён: по просьбе команды workflow удалён из репозитория. Ранее задания не запускались из-за блокировки биллинга владельца аккаунта, а не из-за ошибки агента. Локальные тесты и проверки run.py сохранены; удалённый CI теперь не выполняется. Пояснение.

Как принимаются решения

1. История очищается от дублей и недопустимых знаменателей. Она даёт слабые предварительные оценки, а не причинные эффекты текущей аудитории.
2. Рассматриваются все допустимые тарифы и четыре канала. Крупные сегменты делятся разрешёнными фильтрами, без обращения к скрытым данным.
3. Следующие гипотезы и размеры проб выбираются по наблюдениям и приблизительной пользе новой информации с учётом стоимости потраченных контактов.
4. Связанные рабочие оценки переносят информацию между похожими гипотезами, сохраняя неопределённость для непроверенных сегментов.
5. SciPy/HiGHS выбирает отдельные или объединённые кампании: до 10, до 5000 абонентов в каждой, 100 000 бюджета и 15 000 контактов, включая до 20 пилотов. При отказе решателя есть жадная запасная логика.

Сбои пилота не теряют уже списанные ресурсы. Если пригодных пилотов нет или валидный план невозможен, агент сообщает об этом, а не выдаёт ложный успех. Модельные допущения описаны в отчёте; научная новизна не заявляется.

Настройки и необязательная LLM

python3 run.py --offline --mode transfer --risk-weight 1.0 --max-pilots 12
python3 run.py --offline --mode fixed --runs 10

transfer — основной режим; fixed и старый adaptive оставлены для сравнений. Настройки сохраняются в profitpilot_config.json рядом с агентом.

Локальная Ollama может предлагать приоритеты допустимых пилотов. Она не назначает эффект, не исполняет код и не меняет ограничения. При недоступности работает численная запасная логика. Настоящий модельный прогон ещё не проверен. Ollama и веса автоматически не устанавливаются и для сдачи не требуются. Подготовка локальной LLM и ограничения.

Проверка непосредственно в официальном пакете

Для обычной сдачи используйте подготовленный каталог submit/. При прямой проверке поместите его agent.py и profitpilot_config.json в распакованный пакет организатора, установите зависимости из сдаваемого requirements.txt и выполните из каталога пакета:

python local_eval.py
python local_eval.py --runs 10
python make_submission.py

Эти программы принадлежат официальному пакету, а не лежат в корне GitHub. Наш run.py готовит такое окружение автоматически.

Документация

• Жюри: требования, демонстрация и чек-лист сдачи.
• Актуальные проверки transfer.
• Зависимости, источники и собственный вклад.
• Исследование кейса.
• Архив инструментов исследования — не конкурсный агент.

Исторические отчёты baseline/fixed/adaptive, надёжность, UI и LLM-контракты сохранены для прозрачности; старые числа относятся только к указанным версиям.

Не публикуйте ключи, веса, ZIP, исходные CSV и внутренние файлы среды. Проверка перед коммитом: python3 scripts/check_publish.py --worktree. Проект не отправляет решение организаторам автоматически — сдачу выполняет участник.