Кейс · AI-агенты · Автоматизация · Парсинг и сбор данных · Интеграции и API · E-commerce

Aura Agent — AI-агент управления каталогом ковров ручной работы

Внутренний AI-агент для интернет-магазина ковров ручной работы ardabil.ru: собирает товары из разных источников, ведёт учёт остатков из Excel, классифицирует и анализирует ковры через Gemini, генерирует AI-рендеры в интерьерах и синхронизирует каталог и классификаторы с PayloadCMS. Стек: Python + FastAPI + SQLite, конвейер обработки и планировщик.

Разработка AI-агентов и автоматизация бизнеса в МинскеРазработка интернет-магазинов в Минске

О продукте

Внутренний AI-агент для каталога ковров

Aura Agent — внутренний инструмент для интернет-магазина ковров ручной работы ardabil.ru. В каталоге больше 1500 позиций из разных источников (парсинг сайтов-поставщиков, JSON-выгрузки, Excel с остатками), и каждый ковёр нужно довести до «галерейной» карточки: классифицировать, проанализировать, сгенерировать рендеры в интерьерах и выгрузить на сайт.

Раньше это была ручная рутина на каждую позицию. Агент превращает её в управляемый конвейер — сбор данных → классификация → анализ → рендеры → выгрузка — с веб-админкой, планировщиком и модерацией.

Четыре опоры продукта:

учёт остатков — синхронизация stock и цен из Excel-базы «База Ковров»;
синхронизация классификации — единые справочники (цвет, стиль, помещение) в агенте и в PayloadCMS сайта;
анализ рендер-карточек — Gemini разбирает фото ковра и собирает SEO, атрибуты и рекомендации дизайнера, а генератор рисует ковёр в интерьерах;
автоматизация рутины — пайплайн, расписание и пакетные операции вместо ручной обработки каждой позиции.

Связанный кейс: витрину, которую наполняет этот агент, смотрите в проекте Ardabil Galerie — онлайн-галерея ковров ручной работы.

Команда

Разработчик (Python / Fas...

Какая была задача

Задача

Снять с менеджера ручную обработку каталога 1500+ ковров и собрать единый инструмент, который:

ведёт учёт остатков и цен — подтягивает их из Excel-базы поставщика;
собирает товары из разных источников (парсинг сайтов, JSON-выгрузки) и сводит в одну карточку;
классифицирует ковёр и синхронизирует классификаторы (цвет, стиль интерьера, помещение) с PayloadCMS сайта;
анализирует рендер-карточку — через Gemini готовит SEO, атрибуты и рекомендации дизайнера, генерирует AI-рендеры ковра в интерьерах;
выгружает готовые товары и структуру на сайт;
работает по расписанию и пакетно, с веб-админкой и модерацией.

Решение

Агент собран на Python + FastAPI (веб-админка на uvicorn), данные — в SQLite (SQLAlchemy), фоновые задачи — на APScheduler, сбор данных — на requests/BeautifulSoup и Playwright.

Конвейер по этапам. Каждый товар проходит стадии «классификация → анализ → рендеры → выгрузка». Статус стадии виден в карточке (есть / ожидает / заблокирован); стадии можно гонять выборочно, пакетно и с force-переобработкой.
Мультиисточник данных. Парсеры (sitemap поставщика, JSON pmwooll) и импорт Excel-остатков сводятся в одну карточку: для каждого поля видно, из какого источника оно пришло.
AI через единый прокси. Анализ и классификация — плагин Gemini, генерация рендеров интерьеров — Google Flow; оба через внутренний AI-proxy с ротацией аккаунтов (десятки аккаунтов, авто-подбор свободного).
Анализ карточки. Для каждого ковра Gemini выдаёт SEO-заголовок и описание, стили интерьера и помещения, рекомендации дизайнера (размещение, мебель, свет) и ключевые слова — это и наполняет карточки лотов на сайте.
Синхронизация с сайтом. Отдельные задачи выгружают товары и структуру (стили, помещения, цветовые классификаторы) в PayloadCMS через REST API.
Учёт остатков. Задача «Остатки из Excel» обновляет stock и цены из базы ковров; cron-скрипт держит остатки в актуальном состоянии.

Сложности и вызовы

Сложности и как закрыли

Разнородные источники по одному товару. Один ковёр приходит частями из парсинга, JSON и Excel. Сделали слияние по артикулу с хранением источника каждого поля — видно, откуда взялись размер, цена и остаток, и ничего не затирается вслепую.
Стабильность AI на потоке 1500+ позиций. Один аккаунт нейросети упирается в лимиты. Завели AI-proxy с пулом аккаунтов и авто-ротацией, разделив «чат» (анализ) и «генерацию картинок» по разным плагинам.
Дорогие повторные прогоны. Анализ и рендеры — затратные. Стадии сделали идемпотентными: повторный запуск пропускает готовое, а переделать можно точечно через force.
Рассинхрон классификаторов. Справочники цвета/стиля/помещения должны совпадать в агенте и на сайте. Вынесли структуру в отдельную выгрузку, которая синхронизирует классификаторы в PayloadCMS.

Результаты

Результат

Обработка каталога 1500+ ковров переведена с ручной рутины на управляемый конвейер с веб-админкой и модерацией.
Остатки и цены подтягиваются из Excel; классификаторы и товары синхронизируются с сайтом автоматически.
Каждый ковёр получает AI-анализ (SEO, атрибуты, рекомендации дизайнера) и рендеры в интерьерах — именно они наполняют карточки лотов на ardabil.ru.
Рутинные операции уходят в расписание и пакетные запуски; менеджер работает только с модерацией.

Функциональность