Разработка AI-цифрового логиста (AI Logistics Agent)

AI Агент логистики — цифровой сотрудник

Логистические компании тратят до 70% времени операторов на мониторинг отправлений и разбор исключений. При 100 отправлениях в день оператор вручную проверяет статусы 5–10 раз, на что уходит до 4 часов. Каждая задержка снижает лояльность клиентов и увеличивает штрафы. Мы разработали AI-агента, который автоматизирует операционные задачи цепочки поставок: планирование маршрутов, трекинг отправлений, взаимодействие с перевозчиками, обработка исключений (задержки, повреждения, недостачи), мониторинг KPI и генерация отчётов. Оператор-человек подключается только к нестандартным ситуациям, требующим переговоров. Результат — сокращение ручного труда на 55% и рост on-time delivery до 89%.

Как AI-агент снижает нагрузку на логистов?

Агент работает в три этапа: сбор данных, анализ с помощью LLM и автоматическое выполнение действий. Для трекинга он подключается к API перевозчиков (DPD, СДЭК, ПЭК и др.) каждые 2 часа и сверяет фактический статус с ожидаемым. При обнаружении задержки система рассчитывает время простоя и принимает решение: уведомить получателя, перебронировать доставку или эскалировать менеджеру. В среднем агент обрабатывает исключение в 3 раза быстрее человека.

from langgraph.graph import StateGraph, END
from langchain_openai import ChatOpenAI
from typing import TypedDict, Annotated, Optional
import operator

llm = ChatOpenAI(model="gpt-4o", temperature=0)

class ShipmentState(TypedDict):
    shipment_id: str
    shipment_data: dict
    tracking_history: list[dict]
    anomalies: Annotated[list, operator.add]
    actions_taken: Annotated[list, operator.add]
    escalation_required: bool
    escalation_reason: Optional[str]

class ShipmentMonitor:

    async def check_shipment(self, shipment_id: str) -> ShipmentState:
        """Полная проверка статуса отправления"""

        # Получаем данные
        shipment = await logistics_db.get_shipment(shipment_id)
        tracking = await carrier_api.get_tracking(shipment["tracking_number"])
        expected_eta = shipment["expected_delivery"]
        current_eta = tracking.get("estimated_delivery")

        anomalies = []

        # Проверка задержки
        if current_eta and current_eta > expected_eta:
            delay_hours = (current_eta - expected_eta).total_seconds() / 3600
            anomalies.append({
                "type": "delivery_delay",
                "severity": "high" if delay_hours > 24 else "medium",
                "details": f"Задержка {delay_hours:.0f} часов, новая дата: {current_eta}",
            })

        # Отсутствие обновлений
        last_update = tracking.get("last_event_time")
        hours_since_update = (datetime.now() - last_update).total_seconds() / 3600 if last_update else 99
        if hours_since_update > 48:
            anomalies.append({
                "type": "no_tracking_update",
                "severity": "medium",
                "details": f"Нет обновлений {hours_since_update:.0f} часов",
            })

        # LLM-анализ при аномалиях
        escalation_required = False
        escalation_reason = None

        if anomalies:
            assessment = await self.assess_anomalies(shipment, anomalies)
            escalation_required = assessment["requires_escalation"]
            escalation_reason = assessment.get("reason")

        return ShipmentState(
            shipment_id=shipment_id,
            shipment_data=shipment,
            tracking_history=tracking.get("events", []),
            anomalies=anomalies,
            actions_taken=[],
            escalation_required=escalation_required,
            escalation_reason=escalation_reason,
        )

    async def assess_anomalies(self, shipment: dict, anomalies: list) -> dict:
        """LLM оценивает необходимость эскалации"""

        response = await llm.ainvoke(f"""Оцени ситуацию с отправлением.
Отправление: {json.dumps(shipment, ensure_ascii=False)}
Аномалии: {json.dumps(anomalies, ensure_ascii=False)}

Определи:
1. Требует ли ситуация немедленной эскалации менеджеру?
2. Какие автоматические действия можно предпринять?
3. Нужно ли уведомлять получателя?

Верни JSON: {{"requires_escalation": bool, "reason": "...", "auto_actions": [...], "notify_recipient": bool}}""")

        return json.loads(response.content)

Маршрутизация использует гибридный подход: для малых задач (до 20 точек) — LLM с chain-of-thought, для больших — алгоритмический решатель с постобработкой через AI. Это даёт оптимальные маршруты с учётом временных окон, грузоподъёмности и пробок. Подробнее о Vehicle Routing Problem.

class RouteOptimizer:

    async def optimize_delivery_routes(
        self,
        deliveries: list[dict],    # [{id, address, time_window, weight}]
        vehicles: list[dict],      # [{id, capacity, location}]
        date: str,
    ) -> dict:
        """Оптимизирует маршруты доставки (Vehicle Routing Problem)"""

        # Для малых задач — через LLM с рассуждением
        if len(deliveries) <= 20:
            return await self.llm_route_optimizer(deliveries, vehicles)

        # Для больших — алгоритмический подход + LLM для исключений
        return await self.algorithmic_route_optimizer(deliveries, vehicles)

    async def llm_route_optimizer(self, deliveries: list, vehicles: list) -> dict:
        response = await llm.ainvoke(f"""Составь оптимальные маршруты доставки.
Доставки:
{json.dumps(deliveries, ensure_ascii=False, indent=2)}

Транспортные средства:
{json.dumps(vehicles, ensure_ascii=False, indent=2)}

Учти: временные окна, грузоподъёмность, минимизацию общего пробега.
Верни JSON: {{"routes": [{{"vehicle_id": "...", "stops": [delivery_ids_in_order]}}]}}""")

        return json.loads(response.content)

Обработка исключений построена на playbooks — предопределённых сценариях для типовых ситуаций: задержка, повреждение, таможенная задержка, неверный адрес. Агент выполняет автоматические действия (уведомления, создание претензий, перебронирование) и эскалирует только когда автоматика бессильна.

class ExceptionHandler:

    EXCEPTION_PLAYBOOKS = {
        "delivery_delay": {
            "auto_actions": ["notify_recipient", "update_crm", "rebook_if_urgent"],
            "escalate_if": lambda hours: hours > 72,
        },
        "damaged_goods": {
            "auto_actions": ["create_claim", "notify_sender", "photo_request"],
            "escalate_always": True,
        },
        "customs_hold": {
            "auto_actions": ["get_customs_details", "notify_broker"],
            "escalate_if": lambda days: days > 3,
        },
        "address_not_found": {
            "auto_actions": ["contact_recipient", "check_database"],
            "escalate_if": lambda attempts: attempts > 2,
        },
    }

    async def handle_exception(self, exception: dict) -> dict:
        exception_type = exception["type"]
        playbook = self.EXCEPTION_PLAYBOOKS.get(exception_type)

        if not playbook:
            return await self.generic_exception_handler(exception)

        actions_taken = []

        # Выполняем автоматические действия
        for action in playbook.get("auto_actions", []):
            result = await self.execute_action(action, exception)
            actions_taken.append({"action": action, "result": result})

        # Проверяем нужна ли эскалация
        escalate = playbook.get("escalate_always", False)
        if not escalate and "escalate_if" in playbook:
            escalate_fn = playbook["escalate_if"]
            # Вызываем с нужным параметром из данных исключения
            escalate = escalate_fn(exception.get("delay_hours") or exception.get("hold_days") or exception.get("attempts", 0))

        if escalate:
            await self.escalate_to_manager(exception, actions_taken)

        return {"actions_taken": actions_taken, "escalated": escalate}

Analytics-модуль ежедневно собирает ключевые метрики и генерирует KPI-отчёт на естественном языке. В отчёте — отклонения от нормы и рекомендации по улучшению.

class LogisticsAnalytics:

    async def daily_kpi_report(self) -> str:
        """Ежедневный отчёт по KPI логистики"""

        # Данные из БД
        metrics = await asyncio.gather(
            self.get_on_time_delivery_rate(),
            self.get_damage_rate(),
            self.get_carrier_performance(),
            self.get_cost_per_shipment(),
            self.get_exception_rate(),
        )

        report = await llm.ainvoke(f"""Создай KPI-отчёт по логистике за {datetime.now().strftime('%d.%m.%Y')}.

Метрики:
- On-time delivery: {metrics[0]['rate']:.1%} (цель: {metrics[0]['target']:.1%})
- Damage rate: {metrics[1]['rate']:.3%}
- Top carriers by performance: {metrics[2]}
- Cost per shipment: {metrics[3]['avg']:,.0f} руб
- Exception rate: {metrics[4]['rate']:.2%}

Формат: краткий summary (3 предложения), отклонения от нормы, рекомендации.""")

        return report.content

Что даёт гибридная маршрутизация?

Гибридный подход позволяет обрабатывать до 500 точек доставки за минуту, сочетая скорость алгоритмов и гибкость LLM. Для стандартных маршрутов с временными окнами используется алгоритмический оптимизатор, а для нестандартных запросов (срочная доставка, изменение приоритетов) подключается LLM с рассуждением. Это сокращает среднее время маршрутизации на 40% по сравнению с чисто алгоритмическим подходом.

Результаты внедрения: сокращение ручного труда на 55%

Сравнение времени обработки исключений:

Эти цифры — из нашего практического кейса с дистрибьютором FMCG, который обрабатывает 500 отправлений в день. Наши специалисты имеют значительный опыт в интеграции AI-решений в логистику, используют проверенные стеки (LangGraph, OpenAI GPT-4o, ChromaDB) и дают гарантию на каждый этап. Внедрение позволяет сократить операционные затраты в среднем на несколько миллионов рублей в год для компании с объёмом от 200 отправлений в день. Экономия на операционных расходах — от 2 до 3 млн рублей ежегодно при объёме 500 отправлений.

Этапы внедрения

1. Аудит текущих процессов и интеграций — 1 неделя.
2. Подключение к API перевозчиков и складов — 1–2 недели.
3. Разработка трекинг-модуля и playbooks исключений — 2–3 недели.
4. Настройка маршрутизации и KPI-аналитики — 2–3 недели.
5. Тестирование на исторических данных и pilot-запуск — 1–2 недели.
6. Полноценный запуск и обучение операторов — 1 неделя.

Итоговый срок: 8–12 недель в зависимости от количества перевозчиков и сложности исключений.

Что входит в результат?

• Работающий AI-агент в вашей инфраструктуре (on-prem или облако).
• Интеграция с 3–5 перевозчиками (расширяется по запросу).
• Playbook для 5+ типов исключений (с возможностью донастройки).
• Ежедневный KPI-отчёт на русском языке.
• Документация и обучение команды операторов.
• Поддержка в течение 30 дней после запуска.

Мы гарантируем снижение ручной обработки исключений минимум на 50%. Окупаемость решения — от 6 месяцев при объёме от 200 отправлений в день.

Для оценки применимости AI-агента в ваших процессах свяжитесь с нами. Получите консультацию по внедрению — мы проанализируем ваши логистические процессы и предложим оптимальное решение под ключ.

Практический разбор LLM: fine-tuning, RAG, агенты, деплой

Модель GPT‑4 или Claude 3.5 Sonnet через публичное API — не решение, а просто инструмент. Когда приходит требование «сделать как ChatGPT, но на наших данных», за ним стоит реальная инженерная задача: от настройки промптов до обучения 70B‑модели на собственной инфраструктуре. Разработка решений на базе LLM под ключ — это сложный стек, и мы занимаемся этим более 5 лет. За это время реализовано свыше 20 проектов в области генеративного AI: от RAG‑систем для юридических департаментов до кастомных агентов для техподдержки. Где именно находится ваша задача — зависит от данных, latency‑требований, бюджета и того, насколько критична конфиденциальность.

Типичная ситуация: клиент уже попробовал ChatGPT, но результаты нестабильны — то отвечает точно, то галлюцинирует. Либо нужна интеграция в корпоративный портал с соблюдением политик безопасности. Разберём каждый слой стека в деталях — от RAG до production‑деплоя.

Почему RAG‑системы ломаются и как это исправить?

RAG (Retrieval‑Augmented Generation) выглядит просто: нашли релевантные документы, положили в контекст, модель ответила. На практике сбоит в нескольких местах.

Chunking без перекрытия. Классическая ошибка: chunk_size=512, overlap=0. Если ответ лежит на границе двух чанков, retrieval не найдёт ни одного с достаточной уверенностью. Решение: overlap 15–25% от chunk_size, а лучше sentence‑aware splitting через spaCy или NLTK, а не наивное разбиение по символам.

Плохой embedder. Текст‑embedding‑ada‑002 — хорош для общего случая, но на юридических или медицинских текстах проигрывает специализированным моделям: E5‑large‑v2, BGE‑M3 или fine‑tuned sentence‑transformers на доменных данных. Разница в Recall@5 может составлять 15–25%.

Отсутствие re‑ranking. Векторный поиск оптимизирован по скорости, не по релевантности. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) после первичного retrieval поднимает точность топ‑3 при приемлемой задержке (+50–150 ms). Это часто важнее улучшения embedding‑модели.

Гибридный поиск. Только dense векторы плохо работают на точных запросах: имена, артикулы, коды. BM25 (sparse) хорошо находит точные совпадения, но не понимает семантику. Гибрид через RRF (Reciprocal Rank Fusion) — оптимальный компромисс. Qdrant, Weaviate и pgvector 0.7+ поддерживают гибридный поиск нативно.

Когда стоит fine‑tune, а не промпт‑инжиниринг?

Промпт‑инжиниринг решает ~70% задач адаптации LLM под домен. Оставшиеся 30% требуют дообучения. Три признака: модель игнорирует специфический формат вывода даже при детальном описании в промпте; задача требует глубокого знания специализированной лексики (медицина, право); нужно значительно снизить затраты на токены, заменив большую модель меньшей специализированной.

LoRA и QLoRA — стандарт для SFT. LoRA добавляет trainable low‑rank матрицы к attention‑слоям. Типичная конфигурация для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — обучаемых параметров ~0.8%, обучение на одной A100 40GB. QLoRA добавляет 4‑битную квантизацию (NF4) и позволяет fine‑tune 70B модель на двух A100 40GB, хотя скорость падает вдвое по сравнению с bf16.

DPO вместо RLHF. Direct Preference Optimization требует только пары (chosen, rejected), а не скалярные reward‑сигналы. DPOTrainer из библиотеки trl (Hugging Face) реализует это несколькими десятками строк.

Типичная ошибка. Датасет из 500 примеров, 5 эпох, validation loss 0.8 — кажется норм. Но на тесте модель деградировала на общих инструкциях. Причина: catastrophic forgetting. Решение — добавить 10–20% общих instruction‑following примеров (Alpaca, FLAN) в обучающую выборку, чтобы не разрушить исходные способности.

Как выбрать базовую модель: 8B или 70B?

Для большинства задач fine‑tuning 8B модели достаточно. 70B нужен, когда требуется глубокое рассуждение или baseline 8B не достигает нужного качества даже после дообучения. Стоимость инференса Llama‑3 8B через vLLM на A100 — около $0.001/1K токенов, что в 15 раз дешевле GPT‑4.

Что даёт PagedAttention в production?

vLLM — первый выбор для serving open‑source моделей. PagedAttention — ключевое техническое решение: KV‑cache управляется как virtual memory в ОС, без фрагментации. Это даёт throughput в 2–4 раза выше по сравнению с наивным HuggingFace Transformers inference. Документация vLLM подтверждает: continuous batching и PagedAttention — стандарт для высоконагруженных LLM‑сервисов.

Типичные числа на A100 80GB для Llama‑3 8B (bf16): 400–600 req/s, P50 latency 200–400ms, P99 latency 600–900ms при concurrency 64. Для 70B на двух A100 с tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизация AWQ или GPTQ снижает потребление памяти в 2 раза при потере качества в пределах 1–3%.

Мультиагентные системы

Агенты — LLM с доступом к инструментам: поиск, выполнение кода, запросы к API, работа с БД. Основные паттерны:

• ReAct (Reason + Act): модель рассуждает → выбирает инструмент → наблюдает результат → снова рассуждает. LangChain и LlamaIndex реализуют из коробки.
• Multi‑agent orchestration: несколько специализированных агентов с координатором сверху. Пример: coordinator → researcher (поиск + summarization) → coder (генерация и исполнение кода) → critic (проверка). Инструменты: AutoGen (Microsoft), CrewAI, кастомная реализация на LangGraph.

В продакшене агентные системы недетерминированы. Обязательные guardrails, лимиты шагов, логирование каждого шага, human‑in‑the‑loop для критических действий.

Как мы работаем: этапы, сроки, результат

Что входит в работу

Мы передаём:

• Техническую документацию (model card, конфиги, инструкции по развёртыванию)
• Доступ к инфраструктуре (репозиторий с кодом, обученные веса)
• 1 месяц поддержки после деплоя (консультации, правки по багам)
• Обучение команды заказчика (2–3 занятия по эксплуатации системы)

Сроки: базовый RAG‑прототип — 1–2 недели. Fine‑tuning с данными заказчика — 3–6 недель (с учётом подготовки данных). Production‑система с мониторингом и переобучением — 2–4 месяца. Стоимость рассчитывается индивидуально, зависит от объёма данных, сложности модели и требований к инфраструктуре.

Хотите оценить свой проект? Оставьте заявку — мы подготовим предварительное резюме за 1–2 рабочих дня. Или получите консультацию по выбору подхода: RAG, fine‑tuning или гибрид — расскажем, что подойдёт именно вам.