Павел Дронов
Павел ДроновТариф БортинженерБизнес на ИИ

СтатьяКейс

Подключение DeepSeek к кассе Эвотор: реальный опыт точки

Автор отметил, что материал написан или существенно правлен с помощью ИИ (gemini-2.5-flash).

Подключить DeepSeek напрямую к кассе Эвотор по штатной кнопке нельзя: для связи кассовых данных с нейросетью нужны сторонние интеграции через API или промежуточные сценарии автоматизации.

Инструкция подходит владельцам розничных точек на Эвоторе, готовым работать с вебхуками; проверка проведена на актуальных API-шлюзах DeepSeek (версия V3/R1), главное ограничение — отсутствие готового коробочного приложения в магазине Эвотор.

Зачем связывать DeepSeek и Эвотор на реальной точке

У нас в кабинете накопилась куча вопросов от покупателей в мессенджерах: «есть ли товар в наличии», «когда привезут заказ», «какой график работы». Отвечать вручную посреди смены — это постоянный отрыв от покупателей у стойки. Идея была простая: отдать рутину нейросети, чтобы бот сам брал остатки из товарной базы Эвотор и вежливо отписывался людям.

Готовых коробочных решений «установил и работает» для DeepSeek в магазине приложений Эвотор на момент проверки нет. Приходится собирать связку через сторонние сервисы автоматизации вроде Make или самописные скрипты на Node.py через API кассы.

  • Выгрузка актуальных остатков товаров из Эвотор в контекст языковой модели.
  • Автоматическая отправка ответов клиентам в чатах без участия кассира.
  • Снижение нагрузки на продавцов во время вечерних очередей.
Документация Эвотор: API и приложения: https://developer.evotor.ru/

Сколько стоит интеграция DeepSeek с Эвотор по API

Если смотреть на расценки самого разработчика нейросети, то цифры выглядят очень скромно. По официальным данным DeepSeek API Platform Pricing, обработка входящих и исходящих токенов стоит копейки по сравнению с американскими аналогами — примерно от 0.14 доллара за миллион входных токенов.

Но на практике на нашей точке это съело около трех тысяч рублей в месяц с учетом всех сопутствующих расходов. Почему так? Во-первых, за сам промежуточный шлюз или сервис интеграции (например, конструкторы сценариев) просят абонентскую плату. Во-вторых, каждый запрос к базе Эвотор и обратно гонит большой контекст системного промпта, поэтому токены сгорают быстрее, чем кажется по тестовым таблицам.

  • Тарифы DeepSeek API: оплата строго за фактически использованные токены.
  • Абонентская плата за сервисы интеграции и вебхуки: от 1000 до 3000 рублей в месяц.
  • Скрытые расходы на доработку сценариев при изменении структуры каталога.
DeepSeek API Platform Pricing: https://platform.deepseek.com/api-docs/pricing/

Как настроить бота, чтобы он отвечал покупателям по базе Эвотора

Чтобы бот не придумывал цены из головы, ему нужно скармливать актуальную выгрузку товаров. Мы делаем так: раз в час скрипт забирает номенклатуру и остатки из облака Эвотор по API и складывает в оперативную память для языковой модели.

В системный промпт DeepSeek прописываем строгие ограничения: «ты продавец нашего магазина, используй только предоставленные остатки, если товара нет — предлагай аналог из списка». Без жестких рамок нейросеть начинает фантазировать скидки или обещать то, чего на складе отродясь не было.

  • Получение токена доступа в личном кабинете Эвотор для запросов к товароучетке.
  • Настройка регулярной синхронизации каталога через вебхуки или расписание.
  • Ограничение ответов модели через системный промпт (system prompt) для защиты от выдумок.

Какие ошибки вылетают при отправке запросов из кассы

Главная боль при попытке подружить кассу и LLM — это тайм-ауты и ограничения на размер запроса. Когда база товаров переваливает за пару тысяч позиций, JSON-файл с остатками раздувается так, что API DeepSeek начинает ругаться на превышение лимита токенов в контексте.

Вторая частая проблема связана с обрывами связи на самой точке. Если интернет моргнул во время отправки запроса, сценарий зависает, а покупатель получает молчание в чате. Приходится городить систему логирования и повторной отправки сообщений.

  • Ошибка 429 (Too Many Requests): превышение лимита запросов в минуту на стороне API.
  • Тайм-аут соединения при передаче слишком большого файла товарных остатков.
  • Сбои авторизации при обновлении токена доступа Эвотор.

Стоит ли запускать нейросеть на розничной точке без программистов

Собрать такую систему своими руками, не нанимая разработчика в штат, вполне реально, если есть базовые навыки работы с визуальными конструкторами интеграций. Готовых кнопок «подключить DeepSeek к кассе» вы не найдете, но соединительные блоки работают стабильно.

По итогам месяца мы поняли: для небольшой точки это скорее интересная игрушка и разгрузка вечерних звонков, чем критически важный инструмент продаж. Три тысячи в месяц бюджет не рвут, но требуют постоянного контроля, чтобы бот не начал хамить покупателям.

  • Плюсы: экономия времени продавца на типовые вопросы по наличию.
  • Минусы: требует времени на настройку и регулярную проверку корректности ответов.
  • Вердикт: ставить можно, если готовы самостоятельно разбираться в логике API.

Источники

Источник: https://developer.evotor.ru/

0
9

Комментарии (0)

Войдите, чтобы комментировать.

Без Plus — 5 комментариев в месяц. Мало слов — чистый воздух. Войти

Комментариев пока нет — будьте первым.

Ещё в теме «Бизнес на ИИ»

Похожие материалы и соседние разборы

Павел Дронов
Павел ДроновТариф Бортинженер

Чтобы настроить интеграцию Yandex GPT с 1С:Предприятие для автозаполнения номенклатуры, нужно отправить POST-запрос к эндпоинту Yandex Cloud Foundation Models с помощью стандартного объекта HTTPСоединение. Способ подходит для типовых конфигураций на платформе 1С от версии 8.3.17 и выше, но требует активного платежного аккаунта в Yandex Cloud и работающего IAM-токена. Какая версия API Yandex Cloud нужна и как получить IAM-токен в 1С У нас в кабинете стоит простая задача: заставить 1С саму дописывать характеристики товара по короткому артикулу или названию, чтобы менеджеры не сидали по полчаса над каждой позицией. Для этого используется синхронный REST API Yandex GPT к моделям YandexGPT Foundation Models. Главный подводный камень — авторизация. API не пускает запросы просто по секретному ключу каталога, ему нужен временный IAM-токен, который

Как подключить Yandex GPT к 1С для автозаполнения номенклатурыПоказать полностью
0
10
Павел Дронов
Павел ДроновТариф Бортинженер

Для извлечения данных из сканов и PDF-счетов малого бизнеса модель Claude 3.7 Sonnet демонстрирует более стабильное визуальное распознавание таблиц и работу с пометками, тогда как ChatGPT o3 mini предлагает высокую скорость логического вывода при строгом структурировании ответов. Сравнение актуально для разработчиков и автоматизаторов учетных систем по состоянию на февраль 2025 года; главное ограничение обеих моделей заключается в необходимости жесткого программного контроля схемы JSON на стороне клиента для исключения галлюцинаций в цифровых значениях. Критерии сравнения моделей для первичной бухгалтерской документации Автоматизация обработки первичной бухгалтерской документации в малом бизнесе требует от языковых моделей безошибочного чтения сканов, PDF-файлов и бумажных накладных. Основная задача ИИ на этом этапе заключается в превращении

Показать полностью
1
36
Павел Дронов
Павел ДроновТариф Бортинженер

Зачем подключать DeepSeek R1 к 1С своими силами Разноска банковских выписок в 1С:Бухгалтерия съедает у бухгалтера массу времени, особенно если контрагенты пишут в назначении платежа «всякую ерунду». Отправлять первичку в облачные сервисы нельзя по соображениям безопасности: коммерческая тайна и персональные данные клиентов не должны уходить на сторонние серверы. Решением становится запуск локальной языковой модели DeepSeek R1 через инструмент Ollama. В этом разборе мы опираемся на официальные спецификации моделей и открытую документацию по интеграции локального API, чтобы посчитать реальные затраты на железо и время обработки документов. Методика и ограничения полевого теста Чтобы не строить иллюзий о миллионной экономии, возьмем конкретные вводные: база 1С:Бухгалтерия предприятия, ред. 3.0, примерно 400–600 входящих платежей в месяц. Тест

DeepSeek R1 в 1С:Бухгалтерия: разбор реального теста автоматизацииПоказать полностью
0
18
Павел Дронов
Павел ДроновТариф Бортинженер

Зачем запускать DeepSeek-R1 локально в офисе Обычные облачные нейросети стоят денег по подписке и требуют отправки клиентских переписок на чужие серверы. Если в чатах крутятся персональные данные, договоры или условия сделок, облачные сервисы часто не подходят по соображениям безопасности. Локальный запуск DeepSeek-R1 через Ollama снижает передачу данных внешним сервисам и убирает плату за API. При этом нужно учитывать политику сети, обновления, доступ пользователей, стоимость оборудования и электроэнергии. Системные требования и выбор версии модели Для работы без дискретной видеокарты за сто тысяч рублей нужно правильно выбрать размер модели DeepSeek-R1. Сама архитектура имеет разные веса, от тяжелых до компактных дистиллированных версий. Для офисного компьютера с 16 ГБ оперативной памяти оптимально подходит дистиллированная версия на 7 или

Как запустить DeepSeek-R1 локально через Ollama для переписокПоказать полностью
0
13
Павел Дронов
Павел ДроновТариф Бортинженер

Зачем я полез с накладными в Claude 3.5 Sonnet Павел Дронов, хозяин торговой точки. Задачу оцифровки бумажных накладных и чеков я решал без иллюзий про полную автоматизацию. У меня есть пачка мятых бумажек от поставщиков, где вместо нормального ЭДО часто приносят блеклые ленты из принтера или заполненные от руки бланки. Обычные коробочные OCR-системы на таких документах стабильно ломаются, а отдавать бухгалтеру ручной ввод — это постоянные перепроверки. Решил проверить, как с этой рутиной справляется Claude 3.5 Sonnet через веб-интерфейс и API, опираясь на официальные спецификации модели и фактический прогон документов. Во сколько обошелся тест по API и через веб Если считать затраты по текущим тарифам Anthropic для Claude 3.5 Sonnet (3 доллара за миллион входных токенов и 15 долларов за миллион выходных), обработка одного среднего документа с

Показать полностью
0
16
Павел Дронов
Павел ДроновТариф Бортинженер

Ошибка 429 Too Many Requests в Make.com возникает, когда сценарий отправляет слишком много запросов за короткий промежуток времени, превышая лимиты внешнего сервиса или тарифного плана. Инструкция актуальна для пользователей платформы Make (бывший Integromat), которым требуется оптимизировать сценарии без перехода на дорогие тарифные планы. Главное ограничение: встроенные паузы увеличивают общее время выполнения сценария. Почему сценарий в Make.com останавливается с ошибкой 429 Код состояния HTTP 429 Too Many Requests возвращается внешним сервером API, когда клиент совершает больше вызовов, чем разрешено за определенный интервал времени (например, 100 запросов в минуту). Платформа Make.com фиксирует этот ответ и останавливает выполнение конкретного модуля или всего сценария в зависимости от настроек обработки ошибок. Для малого бизнеса это

Make.com ошибка 429 Too Many Requests: причины и устранениеПоказать полностью
0
15