Умные workflow с ветвлением: автоматизация на базе AI

Разработка AI Workflow с ветвлением и условной логикой

При обработке 500+ входящих документов ежедневно — счета, договоры, жалобы, заявки — критично мгновенно маршрутизировать каждый документ к нужному специалисту. Линейный пайплайн здесь неэффективен: ошибки классификации достигают 15%, а время обработки одного документа — до 45 минут. В результате срочные счета теряются, жалобы зависают, а договоры подписываются с задержками. Особенно остро проблема стоит в компаниях с высокой документарной нагрузкой: ритейл, логистика, финансы. Каждый день десятки специалистов вручную сортируют документы — это не только медленно, но и дорого: на сортировку уходит до 30% рабочего времени. AI Workflow (также machine learning workflow) с условным ветвлением AI на базе LangGraph устраняет эти потери. Мы проектируем такие системы под ключ с гарантией результата: автообработка до 80% потока, точность классификации — от 90%, время маршрутизации — секунды вместо часов.

Как выбрать тип ветвления для вашего workflow?

Все методы ветвления (conditional branching AI) делятся на три категории. Сравним их в таблице:

Выбор типа зависит от задачи: для предсказуемых сценариев достаточно детерминированного, для сложных неструктурированных — hybrid даёт 2-3x прирост точности по сравнению с чисто LLM-подходом. Также можно комбинировать с RAG pipeline для обогащения контекста.

Что такое hybrid-ветвление и когда его применять?

Hybrid-ветвление объединяет детерминированные правила и LLM-based решения в одном workflow. Например, при обработке счета детерминированная нода проверяет формат и числовые поля, а LLM извлекает неструктурированные данные (наименование товаров, условия). Если LLM не может найти сумму, срабатывает retry-цикл с изменённым промптом. Такой подход снижает latency на 30% по сравнению с чисто LLM-решением и обеспечивает точность 95% даже на зашумлённых данных. Hybrid-ветвление незаменимо, когда в одном потоке встречаются и структурированные, и неструктурированные документы.

Реализация с LangGraph

Согласно официальной документации LangGraph, условные рёбра позволяют маршрутизацию на основе состояния. Рассмотрим пример графа для обработки документов:

from langgraph.graph import StateGraph, END
from langchain_openai import ChatOpenAI
from typing import TypedDict, Literal, Optional
import json

class WorkflowState(TypedDict):
    input_document: str
    document_type: Optional[str]
    extracted_data: Optional[dict]
    validation_errors: list[str]
    processing_path: str
    output: Optional[dict]

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

# Нода 1: Классификация документа
def classify_document(state: WorkflowState) -> WorkflowState:
    response = llm.invoke(f"""Определи тип документа.
Типы: invoice, contract, complaint, inquiry, other

Документ: {state['input_document'][:500]}

Ответь одним словом:""")

    return {**state, "document_type": response.content.strip().lower()}

# Нода 2a: Обработка счёта
def process_invoice(state: WorkflowState) -> WorkflowState:
    response = llm.invoke(f"""Извлеки данные счёта.
{state['input_document']}
Верни JSON: {{vendor, amount, date, due_date, items}}""")

    return {**state, "extracted_data": json.loads(response.content), "processing_path": "invoice"}

# Нода 2b: Обработка договора
def process_contract(state: WorkflowState) -> WorkflowState:
    response = llm.invoke(f"""Извлеки ключевые условия договора.
{state['input_document']}
Верни JSON: {{parties, subject, amount, duration, key_conditions}}""")

    return {**state, "extracted_data": json.loads(response.content), "processing_path": "contract"}

# Нода 2c: Обработка жалобы
def process_complaint(state: WorkflowState) -> WorkflowState:
    response = llm.invoke(f"""Классифицируй жалобу.
{state['input_document']}
Верни JSON: {{category, severity: low/medium/high/critical, requires_immediate_action: bool}}""")

    return {**state, "extracted_data": json.loads(response.content), "processing_path": "complaint"}

# Нода 3: Валидация
def validate_data(state: WorkflowState) -> WorkflowState:
    errors = []
    data = state.get("extracted_data", {})

    if state["document_type"] == "invoice":
        if not data.get("amount"):
            errors.append("Missing invoice amount")
        if not data.get("vendor"):
            errors.append("Missing vendor information")

    return {**state, "validation_errors": errors}

# Нода 4a: Успешное завершение
def finalize_success(state: WorkflowState) -> WorkflowState:
    return {**state, "output": {
        "status": "processed",
        "path": state["processing_path"],
        "data": state["extracted_data"],
    }}

# Нода 4b: Обработка ошибок
def handle_validation_errors(state: WorkflowState) -> WorkflowState:
    return {**state, "output": {
        "status": "validation_failed",
        "errors": state["validation_errors"],
        "requires_manual_review": True,
    }}

# Routing функции
def route_by_document_type(state: WorkflowState) -> str:
    mapping = {
        "invoice": "process_invoice",
        "contract": "process_contract",
        "complaint": "process_complaint",
    }
    return mapping.get(state["document_type"], "process_unknown")

def route_after_validation(state: WorkflowState) -> str:
    return "handle_errors" if state["validation_errors"] else "finalize"

# Построение графа
graph = StateGraph(WorkflowState)

graph.add_node("classify", classify_document)
graph.add_node("process_invoice", process_invoice)
graph.add_node("process_contract", process_contract)
graph.add_node("process_complaint", process_complaint)
graph.add_node("validate", validate_data)
graph.add_node("finalize", finalize_success)
graph.add_node("handle_errors", handle_validation_errors)

graph.set_entry_point("classify")
graph.add_conditional_edges("classify", route_by_document_type, {
    "process_invoice": "process_invoice",
    "process_contract": "process_contract",
    "process_complaint": "process_complaint",
    "process_unknown": "handle_errors",
})
graph.add_edge("process_invoice", "validate")
graph.add_edge("process_contract", "validate")
graph.add_edge("process_complaint", "validate")
graph.add_conditional_edges("validate", route_after_validation, {
    "finalize": "finalize",
    "handle_errors": "handle_errors",
})
graph.add_edge("finalize", END)
graph.add_edge("handle_errors", END)

workflow = graph.compile()

Как реализовать цикличные ветвления с retry?

В реальных сценариях данные могут быть неполными или низкого качества. Мы добавляем retry-цикл с ограничением попыток:

MAX_RETRIES = 3

def check_quality_and_retry(state: WorkflowState) -> str:
    """Решает: принять результат или отправить на переработку"""
    if state.get("retry_count", 0) >= MAX_RETRIES:
        return "accept"  # Принимаем даже неидеальный результат

    quality = assess_output_quality(state["output"])
    if quality < 0.8:
        return "retry"
    return "accept"

def increment_retry(state: WorkflowState) -> WorkflowState:
    return {**state, "retry_count": state.get("retry_count", 0) + 1}

# Добавляем цикл в граф
graph.add_conditional_edges("quality_check", check_quality_and_retry, {
    "retry": "processing_node",
    "accept": "finalize",
})

Почему hybrid-ветвление эффективнее?

Из нашей практики: workflow обработки входящей корреспонденции. Заказчик получал 500+ документов в день (email attachments, загрузки через портал). Детерминированное ветвление не справлялось — документы одного типа часто требовали разных действий. Мы внедрили hybrid-систему, где код обрабатывает структурированные поля (номера, даты), а LLM классифицирует неоднозначные случаи. Результат: авто-обработка без ручного вмешательства — 71%, время маршрутизации сократилось с 45 минут до мгновенной, точность классификации — 94%, ошибки маршрутизации — 2,1%. Такой подход позволил клиенту существенно сократить затраты на ручную обработку.

Закажите разработку AI Workflow под ключ — мы подготовим проект с учетом ваших требований.

Типичные ошибки при разработке AI Workflow

Процесс работы

1. Аналитика — изучаем входные данные, типы ветвлений, требования к latency и точности. Фиксируем целевые метрики: accuracy, p99 latency, error rate.
2. Проектирование графа — рисуем схему, определяем ноды и conditional edges. Выбираем тип ветвления для каждого узла.
3. Реализация — пишем код на LangGraph, интегрируем с LLM (GPT-4, Claude) и внешними API. Добавляем логирование и мониторинг.
4. Тестирование — покрываем unit-тестами каждую ноду, проверяем edge cases (пустые входы, ошибки моделей). Проводим нагрузочное тестирование на реальных данных.
5. Деплой — разворачиваем под нагрузкой, настраиваем алерты по метрикам: accuracy, latency p99, throughput. Обеспечиваем hot-reload для быстрых правок.

Что входит в разработку AI Workflow

• Проектная документация: описание графа, спецификация нод и conditional edges, сценарии использования.
• Исходный код на LangGraph с комментариями и инструкцией по развертыванию.
• Доступ к репозиторию с версионированием (Git) и CI/CD.
• Обучение команды (до 2-х онлайн-сессий) по настройке и модификации workflow.
• Техническая поддержка на 3 месяца после внедрения.

Гарантии и опыт

Наши инженеры имеют 10+ лет опыта в AI/ML, реализовали более 50 проектов AI-автоматизации. 5 лет на рынке. Мы гарантируем: точность классификации не ниже 90%, автообработку 70%+ потока, время отклика системы — менее 1 секунды на документ. Результаты фиксируем в SLA с ежемесячным аудитом.

Сроки

• Проектирование: от 1 недели.
• Реализация нод и ветвлений: 2–3 недели.
• Тестирование edge cases: 1–2 недели.
• Итого под ключ: 4–6 недель.

Получите консультацию инженера — мы оценим ваш кейс и предложим решение. Свяжитесь с нами для расчета стоимости и сроков вашего проекта.

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.