1c-assistant

# Скилл: 1C AI Assistant Отвечает на вопросы по 1С через локальный RAG (Qdrant + bge-m3 + qwen3:14b). ## Триггеры **При `/1c` или `/1c-help` или "покажи состояние базы 1С"** — НЕМЕДЛЕННО выполнить: ```bash bash /home/alexandr/.openclaw/workspace/1c-assistant/1c-help.sh 1360549978 ``` Это всё. Больше ничего не делать, не генерировать текст. Скрипт сам отправит справку в Telegram. Активировать при ключевых словах: - **1С общее:** "1с", "1с erp", "1с бухгалтерия", "конфигуратор", "1с предприятие", "1с zup", "1с зуп" - **Разработка:** "bsl", "встроенный язык", "запрос 1с", "схема данных", "регистр", "управляемые формы", "общий модуль" - **Администрирование:** "права 1с", "роли 1с", "пользователи 1с", "рабочие места", "ограничение доступа" - **Документы/Справочники:** "справочник", "документ 1с", "реквизит", "табличная часть" ## Определение коллекции по теме | Тема | Коллекция | |------|-----------| | BSL код, синтаксис, диагностики, оптимизация | `kb_1c_code` | | Права, роли, пользователи, администрирование | `kb_1c_admin` | | Бухгалтерия, налоги, отчётность, счета | `kb_1c_buh` | | ЗУП, кадры, зарплата, отпуска, больничные | `kb_1c_zup` | | Печатные формы, шаблоны, макеты | `kb_1c_forms` | | Всё остальное (ERP, НСИ, настройка) | `kb_1c_erp` | ## Алгоритм выполнения ### 1. Определить коллекцию из таблицы выше ### 2. Вызвать RAG Query webhook ```bash QUESTION="<вопрос пользователя>" COLLECTION="<коллекция из таблицы>" curl -s -X POST https://n8nwint.ru/webhook/1c-rag-query \ -H "Content-Type: application/json" \ -d "$(jq -n \ --arg question "$QUESTION" \ --arg chat_id "1360549978" \ --arg collection "$COLLECTION" \ --arg model "qwen3:14b" \ '{question: $question, chat_id: $chat_id, collection: $collection, model: $model}' )" ``` Ответ придёт в Telegram (30-60 сек). Сообщить пользователю: "Запрос отправлен, ответ придёт в Telegram." ### 3. Если нужен синхронный ответ (не через Telegram) ```bash # Прямой запрос через Qdrant + Ollama QUESTION="<вопрос>" COLLECTION="<коллекция>" QDRANT="http://192.168.0.200:6333" OLLAMA="http://192.168.0.200:11434" QDRANT_KEY="zkpDII8FaBpzpRke8uWWcOEJDGXxKNsn" # 1. Получить embedding вопроса VECTOR=$(curl -s -X POST "$OLLAMA/api/embeddings" \ -H "Content-Type: application/json" \ -d "{\"model\": \"bge-m3\", \"prompt\": \"$QUESTION\"}" | jq '.embedding') # 2. Поиск в Qdrant CONTEXT=$(curl -s -X POST "$QDRANT/collections/$COLLECTION/points/search" \ -H "Content-Type: application/json" \ -H "api-key: $QDRANT_KEY" \ -d "{\"vector\": $VECTOR, \"limit\": 5, \"with_payload\": true}" \ | jq -r '.result[] | .payload.text' | head -c 3000) # 3. Ответ через Ollama curl -s -X POST "$OLLAMA/api/generate" \ -H "Content-Type: application/json" \ -d "$(jq -n \ --arg model "qwen3:14b" \ --arg prompt "Ты старший специалист по 1С с 10+ годами опыта. Отвечай структурированно, на русском языке.\n\nКонтекст из базы знаний:\n$CONTEXT\n\nВопрос: $QUESTION\n\nОтвет:" \ '{model: $model, prompt: $prompt, stream: false}' )" | jq -r '.response' ``` ## Загрузка изображений и скриншотов Когда пользователь просит добавить скриншот, фото, изображение: ```bash # Изображение с сервера bash /home/alexandr/.openclaw/workspace/1c-assistant/ingest_image.sh \ "/path/to/screenshot.png" \ "kb_devops" \ "Название скриншота" # Изображение по URL bash /home/alexandr/.openclaw/workspace/1c-assistant/ingest_image.sh \ "https://example.com/screenshot.png" \ "kb_python" \ "Название" ``` Что делает скрипт: 1. OCR через tesseract (rus+eng) — извлекает текст 2. Копирует в /tmp/mcp-serve/ — картинка становится доступна по URL 3. Отправляет в wf21 с `image_url` в payload 4. При RAG поиске — Telegram получит текстовый ответ + само фото Коллекции для изображений: те же что для текста (kb_python, kb_devops, kb_1c_code и т.д.) ## Загрузка PDF документов Когда пользователь просит загрузить PDF — спросить: 1. Путь к файлу на сервере ИЛИ URL к PDF 2. Коллекцию (из таблицы выше) 3. Название документа Использовать универсальный скрипт (автоматически определяет скан и запускает OCR): ```bash # PDF по пути на сервере bash /tmp/1c-assistant/scripts/ingest_pdf.sh \ "/home/alexandr/docs/guide.pdf" \ "kb_1c_buh" \ "Название документа" # PDF по URL bash /tmp/1c-assistant/scripts/ingest_pdf.sh \ "https://example.com/doc.pdf" \ "kb_1c_zup" \ "Название документа" ``` Скрипт: текстовый PDF → pdftotext; скан → tesseract OCR (rus+eng). Уведомление придёт в Telegram. ## Загрузка новых документов (text/url) ```bash # Добавить URL в базу знаний curl -s -X POST https://n8nwint.ru/webhook/1c-ingest \ -H "Content-Type: application/json" \ -d "$(jq -n \ --arg type "url" \ --arg collection "<коллекция>" \ --arg title "<название>" \ --arg url "<url>" \ --arg chat_id "1360549978" \ --arg version_1c "8.3" \ '{type: $type, collection: $collection, title: $title, url: $url, chat_id: $chat_id, version_1c: $version_1c}' )" # Добавить текст напрямую curl -s -X POST https://n8nwint.ru/webhook/1c-ingest \ -H "Content-Type: application/json" \ -d "$(jq -n \ --arg type "text" \ --arg collection "<коллекция>" \ --arg title "<название>" \ --arg text "<текст документа>" \ --arg chat_id "1360549978" \ --arg version_1c "8.3" \ '{type: $type, collection: $collection, title: $title, text: $text, chat_id: $chat_id, version_1c: $version_1c}' )" ``` ## Проверка состояния коллекций ```bash QDRANT="http://192.168.0.200:6333" QDRANT_KEY="zkpDII8FaBpzpRke8uWWcOEJDGXxKNsn" for coll in kb_1c_erp kb_1c_buh kb_1c_zup kb_1c_code kb_1c_admin kb_1c_forms; do count=$(curl -s "$QDRANT/collections/$coll" \ -H "api-key: $QDRANT_KEY" | jq '.result.points_count') echo "$coll: $count points" done ``` ## Эскалация | Ситуация | Действие | |----------|----------| | score < 0.7 (нет контекста) | Попробовать kb_1c_erp как fallback | | Все коллекции пустые | Ответить из знаний модели с пометкой "из общих знаний" | | Вопрос про разработку конфигурации | Передать Codex скилл | | Нужно добавить документацию | Использовать ingest webhook выше |