QOR ai

Проверить проект онлайн
Нажмите кнопку ниже, чтобы перейти на публичный сайт QOR ai.

https://qor.152.70.57.1.sslip.io
Публичный HTTPS · готовые frontend и backend · серверный расчёт на синтетических данных
Для просмотра сайта не нужно устанавливать проект на компьютер.

Быстрая проверка: выберите режим API и набор demo-engine-v1 → откройте рекомендации → посмотрите объяснение количества → проверьте сценарий → утвердите заказ и скачайте CSV. Подробный сценарий проверки →

Объяснимый помощник закупщика
От истории продаж и остатков - к обоснованному заказу поставщику.

Открыть демо для жюри · Идея · Возможности · Искусственный интеллект · Запуск · Технологии · Документация

React + TypeScript   FastAPI + Python   SQLite   OpenAI / NVIDIA

Статус: MVP. React подключён к FastAPI через Bearer-сессию. Реализованы расчёт, интерактивный 3D-склад, импорт исходных XLSX и выгрузка утверждённого CSV. Общий Docker Compose собирает React + FastAPI + Caddy. Публичный HTTPS и загрузка серверного расчёта в браузере проверены 23.09.2026. OpenAI настроен на сервере; настоящий вызов при развёртывании не проверялся. Совместимость CSV с обработкой конкретной базы 1С требует отдельной проверки. Файловый обмен и запуск → · План и критерии интеграции →

QOR ai помогает закупщикам и специалистам по управлению запасами понять, какие товары пора заказать, в каком количестве и на основании каких данных. Проект команды Samgau создан для кейса ТОО «Электрокомплект» на HackAlem AI.

Когда расчёты собирают вручную из нескольких Excel, склад легко оказывается между двумя проблемами: нужный товар закончился, а лишний занимает место и замораживает деньги. Разовая крупная покупка искажает средние продажи. Отсутствие товара скрывает спрос: продали ноль, хотя купить хотели.

Для логиста, отвечающего за пополнение склада, это способ заранее увидеть риск дефицита и обсудить ускорение поставки. Для закупщика — основа для проверки и утверждения заказа. Ожидаемая польза: меньше ручной сверки, меньше повторных закупок уже заказанного товара и более понятные решения. Проценты экономии пока не измерены.

Экраны работают с API: отдельный расчёт для каждого поставщика, реальные партии для сценария, проверка предупреждений и утверждённый CSV. Раздел «Обмен с 1С» принимает шесть XLSX одного поставщика и необязательный inventory.csv. Формат, ограничения данных и проверка совместимости описаны в документации обмена.

Пользовательский путь:

1. Выбрать серверный синтетический набор или загрузить данные компании в разделе «Обмен с 1С».
2. Выбрать поставщика и дату расчёта.
3. Открыть рекомендации и проверить проблемные позиции.
4. Посмотреть «Почему так?» — какие данные повлияли на количество.
5. При необходимости проверить сценарий задержки или роста спроса.
6. Проверить заказ, обосновать ручные изменения, утвердить и скачать CSV.

Заказ поставщику автоматически не отправляется. Финальное решение принимает ответственный сотрудник.

Прогноз на горизонт + страховой запас
− свободный остаток − своевременные поставки в пути

ИИ помогает работать с результатом на обычном языке. В проекте подготовлены три функции:

Количество рассчитывает статистический модуль. Модель не назначает объём закупки самостоятельно. Сервер проверяет распознанные параметры и коды факторов; применение сценария и утверждение заказа остаются отдельными действиями пользователя.

Подключение: OpenAI либо NVIDIA через серверный адаптер.Конкретная модель задаётся настройками команды. При недоступности провайдера показывается явно обозначенная справка или расчётное объяснение — такой ответ не выдаётся за результат ИИ.

AI_PROVIDER=openai
OPENAI_API_KEY=ваш_ключ
OPENAI_MODEL=идентификатор_доступной_модели
AI_RESPONSE_FORMAT=json_schema
ALLOW_REAL_AI=false

Нужны Python 3.12, Node.js 22 и Git. Для Docker-сценария — Docker Engine/поддерживаемый Docker Desktop и Compose v2. Ключ ИИ для синтетического демо не нужен.

git clone https://github.com/BAITC-Hacks/hack-7ccada8c-samgau.git
cd hack-7ccada8c-samgau

Посмотреть интерфейс

cd frontend
npm ci
npm run dev

Откройте http://localhost:5173 и выберите режим API для работы с сервером. В Vite можно явно задать VITE_DATA_MODE=api в frontend/.env.local. Для просмотра без backend выберите локальное демо: 12 синтетических товаров, два поставщика; демо-черновики живут в памяти вкладки.

Запустить серверный расчёт

В другом терминале, из корня репозитория:

Linux / macOS

python3.12 -m venv .venv
.venv/bin/python -m pip install -r backend/requirements-dev.lock -r backend/requirements-engine.txt
cp .env.example .env
.venv/bin/python run.py

Windows, PowerShell или cmd

py -3.12 -m venv .venv
.venv\Scripts\python.exe -m pip install -r backend/requirements-dev.lock -r backend/requirements-engine.txt
copy .env.example .env
.venv\Scripts\python.exe run.py

Откройте http://127.0.0.1:8000/api/docs. Серверный набор demo-engine-v1 содержит 8 синтетических товаров и использует движок qor-mvp-1.0. Это отдельный набор от локального UI-демо.

UI и API используют общую Bearer-сессию. При локальной разработке Vite перенаправляет /api в backend. Серверные наборы и расчёты отличаются от локального демо. Неизвестный остаток и блокировки качества нельзя превращать в утверждённый заказ.

Проверить решение

При работающем backend, из корня:

.venv/bin/python scripts/smoke.py
.venv/bin/python -m pytest

На Windows используйте .venv\Scripts\python.exe. Дополнительная проверка ИИ после настройки ключа:

.venv/bin/python scripts/ai_smoke.py --url http://127.0.0.1:8000

Проверки frontend, из frontend/:

npm test
npm run build

Сценарий для жюри: открыть режим API и demo-engine-v1 → выбрать 00001 (156) → задержать выбранную поставку на 30 дней (204) → вернуть исходный расчёт → изменить заказ на 168 с причиной → явно подтвердить предупреждения → утвердить и скачать CSV с количеством 168. Для 00007 проверить 2 бухты по 305 м, для 00008 — блокировку заказа. Серверный путь проверяется через scripts/smoke.py и Swagger.

cp .env.example .env
docker compose up --build -d

docker compose -f frontend/compose.yaml up --build -d

Архитектура приложения:

flowchart TD
  UI["React: рабочее место закупщика"] --> API["FastAPI: единый API"]
  XLSX["Excel: продажи, остатки, поставки"] --> IMP["Импорт и проверка данных"]
  IMP --> DB["SQLite и файлы"]
  API --> ENG["Прогноз и расчёт заказа"]
  ENG --> DB
  API --> AI["ИИ: сценарии и пояснения"]
  API --> ORDER["Проверка и утверждение человеком"]
  ORDER --> CSV["CSV заказа"]

Источники: предоставленные наборы IEK и Systeme Electric — динамика продаж, месячные продажи и остатки, товары в пути, сезонность, MOQ/кратность. Импортеры и синтетические примеры находятся в backend/app/importers/. Демо не содержит сведения о реальных клиентах.

Границы текущей версии:

• В предоставленной детализации нет ID клиента: клиентский анализ проверяется на синтетических данных.
• Месячные снимки остатков не определяют точные интервалы отсутствия товара. Необходимые предположения должны быть обозначены.
• Для IEK нужен актуальный остаток; неизвестные исходные данные могут блокировать утверждение позиции.
• Excel-выгрузки — снимки на дату, а не непрерывная синхронизация с учётной системой.
• CSV не означает готовую интеграцию с конкретной 1С. Прямое подключение к 1С и автоматическая отправка поставщику не реализованы.
• Нет заявленного расчёта маршрутов транспорта, доказанного процента экономии или автоматического исполнения решений ИИ.

Samgau · HackAlem AI · кейс «Электрокомплект»

При разработке и подготовке документации использовался Codex. Наличие AI-инструмента разработки не заменяет проверку ИИ-функций внутри приложения.

QOR ai — каждый заказ можно объяснить.

_{Оформление: логотип команды; графические заголовки — Archive Ukr, Slava Kirilenko. Буквы сохранены как SVG-контуры, поэтому внешний шрифт для их отображения не требуется. Основной текст использует стандартное оформление GitHub.}