Техническое задание

Приложение №1 к Договору 04-002 от 24.04.2026
об оказании услуг между ООО «Экобанкинг» и ООО «АйТек»
Разработка и внедрение мультиагентной AI-системы Grace CRM Assistant
для отдела продаж ООО «АйТек»
г. Москва, 2026 г. · Версия 2.2
Исполнитель: ООО «Экобанкинг»
Заказчик: ООО «АйТек»
Договор: №04-002 от 24.04.2026
1. Общие сведения
Разработка и внедрение мультиагентной AI-системы (Grace CRM Assistant) -- набора специализированных цифровых сотрудников, автоматизирующих ключевые участки процесса продаж ООО «АйТек», а также технической платформы корпоративного управления знаниями.
2. Цель и назначение системы
Система создаётся для повышения эффективности отдела продаж ООО «АйТек» за счёт автоматизации рутинных операций, предоставления менеджерам своевременных рекомендаций и создания корпоративного поискового контура на основе накопленных знаний компании.
Система обеспечивает:
-- AI-ассистирование менеджера по продажам -- анализ контекста проектов и выработка конкретных рекомендаций по следующему шагу
-- Автоматический контроль качества и актуальности данных в Grace CRM
-- Своевременные уведомления для менеджеров, РОПа и руководства через Telegram
-- Аналитические дашборды по данным CRM через OpenSearch Dashboards
-- Поиск и получение отраслевого контекста через корпоративный поисковый контур на базе OpenSearch при формировании рекомендаций
-- Техническую платформу корпоративного управления знаниями: RAGflow + AI-агенты базы знаний
3. Состав системы -- агентная архитектура
Система состоит из двух взаимосвязанных контуров: агенты отдела продаж (Grace CRM Assistant) и агенты базы знаний. Архитектура агентов и правила эскалации утверждаются по результатам Этапа 0.
3.1 Агенты отдела продаж (Grace CRM Assistant)
Агент
Вход
Выход
Управление / эскалация
Sync Agent
Данные Grace CRM через MS SQL
Актуальный индекс в OpenSearch
Автоматически по расписанию / вебхук
Quality Agent
Индекс CRM, правила полноты
Список проектов с пробелами, сигнал в Telegram
Оркестратор -> менеджер / РОП
Recommendation Agent
Контекст из OpenSearch (CRM + база знаний)
Рекомендация: действие, срок, обоснование
Оркестратор -> менеджер; при просрочке -> РОП
Notification Agent
События от агентов, роль получателя
Telegram-сообщение адресату
Оркестратор; при отсутствии реакции -> эскалация
Orchestrator
Сигналы от всех агентов
Приоритизация, маршрутизация
Правила эскалации, утверждённые на Этапе 0
3.2 Агенты базы знаний
Реализуются в соответствии с методологическими требованиями и Схемой КРАБ, предоставляемыми в рамках смежного консалтингового проекта.
Агент
Функция
Триггер
Ingest Agent
Принимает документ -> определяет блок -> создаёт/обновляет wiki-страницы в RAGflow -> обновляет индекс OpenSearch
Новый документ / ручной запуск
Query Agent
Принимает запрос + фильтр по блоку -> ищет в RAGflow + OpenSearch -> синтезирует ответ с цитатами
Запрос от агента продаж или сотрудника
Lint Agent
Сканирует базу знаний -> находит противоречия, устаревшие записи, orphaned-страницы -> формирует отчёт
Еженедельно по расписанию
4. Корпоративный поисковый контур (OpenSearch)
Экобанкинг разворачивает и настраивает OpenSearch on-premise как единый поисковый и аналитический слой системы, обслуживающий оба контура: агентов продаж и базу знаний.
4.1 Интеграция с текущей БД (MS SQL -> OpenSearch)
Текущие данные АйТек хранятся в MS SQL (Grace CRM). Интеграция выполняется в два шага:
Шаг 1 -- Синхронизация: разработка коннектора MS SQL -> OpenSearch. Sync Agent извлекает данные (проекты, клиенты, статусы, история активностей) и индексирует их в OpenSearch через вебхуки и периодический полинг.
Шаг 2 -- API-слой: разработка унифицированного API поверх OpenSearch для последующего подключения внешних систем (±1С, PDM, ERP и др.) без прямого доступа к MS SQL. API предоставляет стандартизированный интерфейс чтения и записи данных.
4.2 Индексы OpenSearch
Индекс
Содержимое
Потребители
crm-projects
Проекты, статусы, история активностей из Grace CRM
Sync Agent, Quality Agent, Recommendation Agent
crm-clients
Клиенты, отрасли, контакты
Recommendation Agent
kb-documents
Wiki-страницы базы знаний (блоки БЗ-1..БЗ-11)
Query Agent, Recommendation Agent
kb-log
Журнал изменений базы знаний
Lint Agent
4.3 OpenSearch Dashboards
Настройка аналитических дашбордов для трёх ролей:
-- Менеджер: свои проекты, рекомендации, просроченные контакты
-- РОП: сводка по команде, динамика статусов, просроченные контакты по команде, эскалации
-- Зам. ГД: агрегированная воронка, прогноз выручки, сигналы по команде
5. Платформа базы знаний (RAGflow + AI-агенты)
5.1 RAGflow
Экобанкинг разворачивает RAGflow on-premise на сервере Заказчика:
-- Установка и настройка RAGflow (Docker, on-premise)
-- Настройка embedding-модели для русского языка (multilingual-e5 или аналог)
-- Подключение LLM-провайдера (GigaChat / YandexGPT / OpenAI -- по согласованию с Заказчиком)
-- Настройка хранилища документов (MinIO или локальная папка)
-- Настройка пайплайна: документ -> парсинг -> чанкинг -> векторизация -> индексация в RAGflow + OpenSearch
5.2 AI-агенты базы знаний
Разработка трёх агентов (Ingest, Query, Lint) в соответствии с функциональными требованиями раздела 3.2. Реализация включает:
-- Разработку скриптов Ingest-цикла: приём документа, определение блока знаний, создание/обновление wiki-страниц, обновление кросс-ссылок
-- Разработку Query-модуля: гибридный поиск (семантический + полнотекстовый) с фильтрацией по блоку, синтез ответа с цитатами
-- Разработку Lint-цикла: еженедельное сканирование, выявление противоречий (LLM-сравнение страниц), формирование отчёта, уведомление ответственного
-- Разработку веб-интерфейса прямого доступа сотрудников к базе знаний (поиск, просмотр страниц, загрузка документов)
-- Настройку RBAC: разграничение доступа к блокам знаний по ролям
Фреймворк реализации агентов определяется Исполнителем на Этапе 0 исходя из технических требований. Функциональные требования и Схема КРАБ (структура блоков, форматы страниц, правила Ingest) предоставляются Заказчиком в рамках смежного консалтингового проекта.
6. Этапы и состав работ
Этап
Состав работ
Срок
Этап 0 Исследование и архитектура
Исследование API Grace CRM и схемы MS SQL; проектирование индексов OpenSearch; архитектура агентов обоих контуров; выбор фреймворка агентов базы знаний; ролевая модель; согласование
2 нед.
Этап 1 Инфраструктура и интеграция данных
Развёртывание OpenSearch + Dashboards; коннектор MS SQL -> OpenSearch (Шаг 1); API-слой для внешних систем (Шаг 2); Sync Agent; Quality Agent; базовые дашборды
3 нед.
Этап 2 Agents + RAGflow
Развёртывание RAGflow; настройка embedding и LLM; Ingest Agent, Query Agent, Lint Agent; Recommendation Agent с подключением к поисковому контуру; Telegram-бот; Orchestrator
3 нед.
Этап 3 Тестирование, внедрение
Интеграционное и нагрузочное тестирование всех модулей; тестирование безопасности; веб-интерфейс базы знаний; деплой on-premise; обучение; пилот
2 нед.
ИТОГО
~10 нед.
Этап 0. Результаты:
-- Документ «Техническое описание архитектуры» -- роль, вход, выход и правила для каждого агента обоих контуров
-- Схема индексов OpenSearch (4 индекса, форматы документов, правила фильтрации)
-- Схема интеграции MS SQL -> OpenSearch (коннектор, периодичность, обработка конфликтов)
-- Спецификация API-слоя для внешних систем
-- Описание ролевой модели (RBAC) -- агенты продаж + база знаний
-- Выбор фреймворка и архитектура агентов базы знаний
-- Работающее окружение для разработки
Этап 1. Критерии приёмки:
-- OpenSearch развёрнут, базовые дашборды доступны по ролям
-- Данные из Grace CRM (MS SQL) корректно синхронизируются в индексы crm-projects и crm-clients
-- API-слой возвращает корректные ответы на тестовые запросы
-- Quality Agent формирует сигналы о пробелах в данных; очередь задач работает без потерь
Этап 2. Критерии приёмки:
-- RAGflow развёрнут, embedding-модель и LLM-провайдер настроены
-- Ingest Agent принимает тестовый документ -> создаёт wiki-страницу -> индексирует в OpenSearch
-- Query Agent возвращает релевантный ответ с цитатой за ≤ 5 сек.
-- Lint Agent формирует тестовый отчёт о состоянии базы знаний
-- Recommendation Agent формирует рекомендации с использованием данных CRM и поискового контура
-- Telegram-бот доставляет уведомления по ролям, эскалация работает корректно
Этап 3. Критерии приёмки:
-- Система развёрнута на production-сервере Заказчика и работает в штатном режиме
-- Веб-интерфейс базы знаний доступен сотрудникам по ролям
-- RBAC корректен на всех эндпоинтах обоих контуров; audit log ведётся
-- Проведено обучение: менеджеры (2–3 группы), РОП, зам. ГД, ответственный за базу знаний
-- Пилотная эксплуатация завершена, критические замечания устранены
7. Требования к безопасности и доступу
Роль
Права доступа
Менеджер
Свои проекты, аналитика, рекомендации; блоки БЗ-7, БЗ-8, БЗ-9, БЗ-11
РОП
Проекты и аналитика по команде, эскалации; те же блоки базы знаний
Зам. ГД
Агрегированная аналитика; БЗ-7, БЗ-8
Ответственный за блок
Загрузка документов, просмотр и редактирование своего блока базы знаний
Администратор
Конфигурация агентов, пользователей, RBAC; доступ к логированию
Технические меры безопасности:
-- JWT-аутентификация + двухфакторная аутентификация для администраторов
-- Весь трафик -- HTTPS (TLS 1.3)
-- API-ключи LLM-провайдеров и Grace CRM хранятся в защищённом хранилище
-- Все действия пользователей фиксируются с указанием времени, роли и действия (audit log)
-- Валидация входных данных; мониторинг аномалий
Развёртывание on-premise: вся система размещается на внутреннем сервере Заказчика. Данные не покидают периметр компании. К LLM-провайдеру передаются только обезличенные контексты. Соответствие 152-ФЗ.
8. Требования к инфраструктуре
Инфраструктурные расходы оплачиваются Заказчиком отдельно. Приведённые цифры носят ориентировочный характер; фактические расходы фиксируются ежемесячно и выставляются отдельными счётами по согласованию сторон.
Статья
В месяц
LLM API + AI-инструменты разработки
~30 000 ₽
Сервер для разработки (если нет собственного)
~12 500 ₽
При наличии собственного сервера Заказчика статья «Сервер» не включается в расчёт.
Минимальные требования к production-серверу:
-- OpenSearch: 16 GB RAM, 4 CPU, SSD 200+ GB
-- RAGflow + агентный слой: 8 GB RAM, 4 CPU, SSD 100+ GB (GPU рекомендуется для embedding)
-- ОС: Linux (Ubuntu 22.04+)
10. Обязательства сторон
Исполнитель обязуется:
-- Выполнить работы в соответствии с настоящим ТЗ в установленные сроки
-- По завершении каждого этапа предоставить акт приёмки с описанием выполненных работ
-- Обеспечить конфиденциальность данных Заказчика
-- Провести обучение пользователей и предоставить инструкции в рамках Этапа 3
-- Реализовать агенты базы знаний в соответствии с Функциональными требованиями и Схемой КРАБ, предоставленной Заказчиком
Заказчик обязуется:
-- Предоставить доступ к API Grace CRM, схеме и данным MS SQL
-- Выделить ответственного представителя для участия в согласованиях на Этапе 0
-- Предоставить Схему КРАБ (структура блоков, форматы страниц, правила Ingest) до начала Этапа 2
-- Обеспечить production-сервер, удовлетворяющий требованиям раздела 8
-- Обеспечить доступ к тестовым данным для настройки и тестирования OpenSearch-индексов
-- Производить оплату в соответствии с графиком платежей
11. Порядок приёмки работ
По завершении каждого этапа Исполнитель направляет Заказчику уведомление о готовности и акт приёмки. Заказчик в течение 3 (трёх) рабочих дней проверяет результаты на соответствие критериям приёмки (раздел 6) и подписывает акт либо направляет мотивированный отказ. Исполнитель устраняет замечания в согласованные сроки. Приёмка Этапа 3 завершает выполнение всех работ по настоящему ТЗ.
Приложение №1 к Договору 04-002 · Версия 2.2 · апрель 2026 · Наполнение базы знаний и методология -- в рамках смежного консалтингового проекта.