aiform_dev/docs/WIZARD_OPTIMIZATION_ANALYSIS.md

Анализ оптимизации генерации визарда

Дата: 2025-01-XX
Текущее время генерации: ~30-40 секунд
Цель: Сократить до 5-15 секунд

---

🎯 Вариант 1: Двухэтапный подход (твоя идея)

Концепция:

1. ИИ только классифицирует случай и выдаёт список нужных документов/полей
2. Бэкенд строит визард по шаблонам на основе классификации

Архитектура:

Описание → ИИ (классификация) → Бэкенд (шаблоны) → Визард

ИИ возвращает:

{
  "case_type": "product_defect",  // или "service_issue", "delay", "conflict"
  "required_fields": ["item", "purchase_date", "purchase_amount", "warranty_info"],
  "required_documents": ["contract", "payment", "photos"],
  "optional_documents": ["correspondence", "diagnosis"],
  "extracted_data": {
    "item": "Смартфон",
    "seller": "DNS",
    "purchase_date": "2024-12-15"
  }
}

Бэкенд использует шаблоны:

WIZARD_TEMPLATES = {
    "product_defect": {
        "questions": [
            {"name": "item", "label": "Как называется товар?", ...},
            {"name": "purchase_date", "label": "Когда купили?", "control": "input[type=\"date\"]", ...},
            {"name": "purchase_amount", "label": "Сколько стоил?", ...},
            {"name": "warranty_info", "label": "Есть ли гарантия?", ...},
            {"name": "problem_description", "label": "Опишите проблему", "control": "textarea", ...},
            {"name": "documents_available", "label": "Какие документы есть?", "control": "input[type=\"checkbox\"]", ...},
            {"name": "desired_outcome", "label": "Что хотите получить?", "control": "input[type=\"radio\"]", ...}
        ],
        "documents": [
            {"id": "contract", "name": "Договор", "required": true, ...},
            {"id": "payment", "name": "Чек", "required": true, ...},
            {"id": "photos", "name": "Фото дефекта", "required": true, ...}
        ]
    },
    "service_issue": { ... },
    "delay": { ... },
    "conflict": { ... }
}

Плюсы:

✅ Скорость: ИИ только классифицирует (5-10 сек) + бэкенд мгновенно (0.1 сек) = 5-10 сек всего
✅ Предсказуемость: Визарды всегда структурированы одинаково
✅ Контроль: Легко менять вопросы/документы без изменения промпта
✅ Кеширование: Можно кешировать шаблоны в памяти
✅ Тестирование: Легко тестировать шаблоны отдельно от ИИ

Минусы:

❌ Гибкость: Сложные/уникальные случаи могут не попасть в шаблоны
❌ Разработка: Нужно создать и поддерживать библиотеку шаблонов
❌ Классификация: ИИ должен точно определить тип дела

Реализация:

1. Создать wizard_templates.py в бэкенде с шаблонами
2. Упростить промпт для ИИ (только классификация + список полей/документов)
3. Создать WizardBuilder сервис, который собирает визард из шаблона
4. Обновить n8n workflow для упрощённого ответа

Ожидаемое время: 5-10 секунд

---

🚀 Вариант 2: Гибридный подход

Концепция:

1. ИИ классифицирует и выдаёт список полей/документов (быстро)
2. Бэкенд использует шаблоны для стандартных случаев
3. ИИ достраивает уникальные вопросы для сложных случаев (опционально)

Плюсы:

✅ Баланс: Скорость + гибкость
✅ Fallback: Если шаблон не подходит, ИИ достраивает

Минусы:

❌ Сложность: Нужно решать, когда использовать шаблон, а когда ИИ

Ожидаемое время: 5-15 секунд (зависит от сложности)

---

⚡ Вариант 3: Кеширование готовых визардов

Концепция:

1. Кешировать готовые визарды по типу дела
2. ИИ только извлекает данные из описания для автозаполнения

Плюсы:

✅ Максимальная скорость: 1-2 секунды для стандартных случаев
✅ Простота: Минимальные изменения в коде

Минусы:

❌ Ограниченность: Только для типовых случаев
❌ Хранение: Нужно хранить кеш визардов

Ожидаемое время: 1-2 секунды (кеш) или 30 сек (первый раз)

---

🔥 Вариант 4: Упрощение промпта + быстрая модель

Концепция:

1. Сократить промпт до минимума (убрать примеры, оставить только структуру)
2. Использовать gpt-4o-mini вместо gpt-4.1-mini
3. Убрать неиспользуемые поля из ответа

Плюсы:

✅ Простота: Минимальные изменения
✅ Скорость: 10-15 секунд

Минусы:

❌ Качество: Может снизиться качество визардов
❌ Ограничение: Всё ещё зависит от скорости ИИ

Ожидаемое время: 10-15 секунд

---

🎨 Вариант 5: Предгенерированные шаблоны + ИИ только для извлечения

Концепция:

1. Все визарды предгенерированы в бэкенде (шаблоны)
2. ИИ только извлекает данные из описания для автозаполнения
3. Бэкенд выбирает подходящий шаблон на основе ключевых слов

Плюсы:

✅ Максимальная скорость: 1-3 секунды
✅ Предсказуемость: Всегда одинаковые визарды

Минусы:

❌ Ограниченность: Только для типовых случаев
❌ Классификация: Нужна простая классификация (можно без ИИ)

Ожидаемое время: 1-3 секунды

---

📊 Сравнение вариантов

Вариант	Время	Гибкость	Сложность	Рекомендация
1. Двухэтапный	5-10 сек	⭐⭐⭐⭐	⭐⭐⭐	✅ Лучший баланс
2. Гибридный	5-15 сек	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	✅ Хорошо для сложных случаев
3. Кеширование	1-2 сек	⭐⭐	⭐⭐	✅ Для типовых случаев
4. Упрощение	10-15 сек	⭐⭐⭐⭐	⭐	✅ Быстрая реализация
5. Предгенерированные	1-3 сек	⭐⭐	⭐⭐	✅ Для простых случаев

---

🎯 Рекомендация

Для начала: Вариант 1 (Двухэтапный)

Почему:

1. Оптимальный баланс скорости и гибкости
2. Масштабируемость: Легко добавлять новые типы дел
3. Контроль: Все визарды структурированы и предсказуемы
4. Тестируемость: Шаблоны легко тестировать

План реализации:

Этап 1: Классификация (ИИ)

# Упрощённый промпт для ИИ
"""
Проанализируй описание проблемы и определи:
1. Тип дела (product_defect, service_issue, delay, conflict, other)
2. Какие поля нужно собрать (item, purchase_date, purchase_amount, warranty_info, ...)
3. Какие документы нужны (contract, payment, photos, correspondence, ...)
4. Что уже известно из описания (для автозаполнения)

Верни JSON:
{
  "case_type": "product_defect",
  "required_fields": ["item", "purchase_date", "purchase_amount", "warranty_info"],
  "required_documents": ["contract", "payment", "photos"],
  "optional_documents": ["correspondence"],
  "extracted_data": {
    "item": "Смартфон",
    "seller": "DNS"
  }
}
"""

Этап 2: Шаблоны (Бэкенд)

# ticket_form/backend/app/services/wizard_builder.py
class WizardBuilder:
    TEMPLATES = {
        "product_defect": {
            "questions": [...],
            "documents": [...]
        },
        "service_issue": {...},
        "delay": {...},
        "conflict": {...}
    }
    
    def build_wizard(self, classification: dict) -> dict:
        template = self.TEMPLATES[classification["case_type"]]
        # Собираем визард из шаблона
        # Добавляем автозаполнение из extracted_data
        return wizard_plan

Этап 3: Интеграция

• Обновить n8n workflow для упрощённого ответа
• Создать эндпоинт /api/v1/wizard/build в бэкенде
• Обновить фронтенд для работы с новым форматом

---

💡 Дополнительные идеи

1. Параллельная обработка

• ИИ классифицирует
• Параллельно бэкенд готовит шаблоны
• Собираем результат

2. Инкрементальная генерация

• Сначала показываем базовые вопросы (из шаблона)
• Потом достраиваем уникальные (если нужно)

3. Умное кеширование

• Кешировать классификации по хешу описания
• Кешировать готовые визарды по типу дела

4. Предзагрузка шаблонов

• Загружать шаблоны в память при старте
• Не обращаться к БД/файлам каждый раз

---

🚀 Следующие шаги

1. Создать шаблоны для основных типов дел (5-7 типов)
2. Упростить промпт для классификации
3. Реализовать WizardBuilder в бэкенде
4. Обновить n8n workflow
5. Протестировать на реальных случаях
6. Измерить скорость и сравнить с текущей

Ожидаемый результат: 5-10 секунд вместо 30-40 секунд