Раздел 3: AI Pipeline

Проект: Интеллектуальная система управления интернет-магазином
Модуль: Shop / AI Pipeline
Версия: 1.0
Дата: Январь 2026

3.1 Назначение и архитектура

Назначение

AI Pipeline модуля Shop отличается от других модулей ADOLF — вся интеллектуальная обработка происходит непосредственно в Claude через MCP tools, без промежуточного backend-слоя.

Функция	Описание	Реализация
Понимание запроса	Определение intent пользователя	Claude NLU
Получение данных	Запросы к WooCommerce	MCP Tools
Агрегация	Расчёт метрик, группировка	Claude
Форматирование	Структурирование ответа	Claude

Архитектура Pipeline

Последовательность обработки

3.2 Intent Recognition

Классификация запросов

Claude автоматически определяет intent на основе текста запроса и контекста агента.

Intent	Примеры запросов	MCP Tools
`orders_new`	"новые заказы", "что нового"	`orders-list`
`orders_pending`	"заказы в ожидании", "неоплаченные"	`orders-list`
`orders_problem`	"проблемные заказы", "ошибки оплаты"	`orders-list`
`orders_search`	"найди заказ `#123`", "заказы Иванова"	`orders-list`
`order_details`	"детали заказа 12345", "покажи заказ"	`orders-get`
`products_search`	"найди платье", "товар артикул ABC"	`products-list`
`analytics_revenue`	"выручка за неделю", "сколько заработали"	`orders-list`
`analytics_top`	"топ товаров", "что продаётся лучше"	`orders-list`
`analytics_brands`	"продажи по брендам", "статистика Kids"	`orders-list`

Контекст агента

System prompt агента @Adolf_Shop содержит инструкции для правильной интерпретации:

Ты — AI-ассистент для управления интернет-магазином ohana.market.

Твои возможности:
1. Просмотр и поиск заказов
2. Поиск товаров в каталоге
3. Аналитика продаж

Бренды магазина:
- Охана Kids — детская одежда
- Охана Style — взрослая одежда
- Охана Care — товары для ухода
- Охана Lux — премиум-сегмент

При запросе аналитики:
- Всегда указывай период
- Группируй по брендам, если применимо
- Рассчитывай средний чек
- Показывай топ-5 товаров

При работе с заказами:
- Показывай ключевую информацию: номер, дата, сумма, статус
- Для деталей показывай состав заказа и контакты клиента

3.3 Query Planning

Стратегии запросов

Claude определяет оптимальную стратегию запросов к MCP на основе intent:

Простой запрос (single call):

Intent: orders_new
Strategy: 
  1. orders-list(status=processing, per_page=20)

Составной запрос (multiple calls):

Intent: analytics_revenue (за месяц)
Strategy:
  1. orders-list(status=completed, after=month_start, per_page=100)
  2. Если total_pages > 1: orders-list(page=2)
  3. ... до получения всех данных

Запрос с обогащением:

Intent: analytics_top (топ товаров с деталями)
Strategy:
  1. orders-list(status=completed, after=period_start)
  2. Агрегация product_id → sales
  3. products-get(id=top_product_1) для получения названий

Оптимизация запросов

Ситуация	Оптимизация
Много заказов	Использовать `per_page=100`
Поиск по номеру	Прямой запрос `orders-get(id)`
Аналитика за день	Фильтр `after` + `before`
Поиск товара	`products-list(search=query)`

3.4 Обработка данных заказов

Получение списка заказов

Новые заказы:

MCP: woocommerce/orders-list
Parameters:
  status: processing
  per_page: 20
  orderby: date
  order: desc

Заказы в ожидании:

MCP: woocommerce/orders-list
Parameters:
  status: pending
  per_page: 50

Проблемные заказы:

MCP: woocommerce/orders-list
Parameters:
  status: failed,refunded
  per_page: 50

Заказы без оплаты > 48 часов:

MCP: woocommerce/orders-list
Parameters:
  status: pending
  before: {NOW - 48 hours}

Форматирование списка заказов

Claude форматирует ответ в читаемый вид:

markdown

## Новые заказы (5)

| № | Дата | Клиент | Сумма | Товары |
|---|------|--------|-------|--------|
| #12345 | 25.01 10:30 | Иванов И. | 5 990 ₽ | Платье летнее (1) |
| #12344 | 25.01 09:15 | Петрова А. | 12 500 ₽ | Костюм (1), Блузка (2) |
| ... | | | | |

Общая сумма: 45 670 ₽

Детали заказа

MCP: woocommerce/orders-get
Parameters:
  id: 12345

Форматирование:

markdown

## Заказ #12345

**Статус:** В обработке
**Дата:** 25.01.2026 10:30
**Сумма:** 5 990 ₽

### Клиент
- Имя: Иван Петров
- Email: ivan@example.com
- Телефон: +7 999 123-45-67

### Адрес доставки
г. Москва, ул. Примерная, д. 1, кв. 10

### Состав заказа
| Товар | Артикул | Кол-во | Цена |
|-------|---------|--------|------|
| Платье летнее | DR-2026-001 | 1 | 5 990 ₽ |

### Комментарий
Позвонить перед доставкой

3.5 Обработка данных товаров

Поиск товаров

MCP: woocommerce/products-list
Parameters:
  search: "платье"
  status: publish
  per_page: 10

Форматирование результатов поиска

markdown

## Найдено товаров: 8

| Название | Артикул | Цена | Остаток | Бренд |
|----------|---------|------|---------|-------|
| Платье летнее | DR-2026-001 | 5 990 ₽ | 15 шт | Style |
| Платье вечернее | DR-2026-002 | 12 990 ₽ | 3 шт | Lux |
| Платье детское | DR-K-001 | 2 990 ₽ | 25 шт | Kids |

Фильтрация по бренду

При запросе типа "товары Kids" Claude добавляет фильтр:

MCP: woocommerce/products-list
Parameters:
  brand: {kids_brand_id}
  status: publish

3.6 Аналитика продаж

Алгоритм расчёта метрик

Выручка:

python

# Псевдокод логики Claude
orders = mcp.orders_list(status='completed', after=start, before=end)
revenue = sum(order.total for order in orders)

Количество заказов:

python

orders_count = len(orders)

Средний чек:

python

avg_check = revenue / orders_count if orders_count > 0 else 0

Топ товаров:

python

# Агрегация по product_id
product_sales = {}
for order in orders:
    for item in order.line_items:
        if item.product_id not in product_sales:
            product_sales[item.product_id] = {
                'name': item.name,
                'quantity': 0,
                'total': 0
            }
        product_sales[item.product_id]['quantity'] += item.quantity
        product_sales[item.product_id]['total'] += item.total

# Сортировка по total
top_products = sorted(product_sales.values(), key=lambda x: x['total'], reverse=True)[:5]

Продажи по брендам:

python

# Получение бренда для каждого товара
brand_sales = {}
for product_id, sales in product_sales.items():
    product = mcp.products_get(id=product_id)
    brand = product.brands[0].name if product.brands else 'Без бренда'
    
    if brand not in brand_sales:
        brand_sales[brand] = {'quantity': 0, 'total': 0}
    brand_sales[brand]['quantity'] += sales['quantity']
    brand_sales[brand]['total'] += sales['total']

Форматирование аналитического отчёта

markdown

## Аналитика продаж: 18.01 — 25.01.2026

### Общие показатели
- **Выручка:** 450 000 ₽
- **Заказов:** 75
- **Средний чек:** 6 000 ₽

### Продажи по брендам

| Бренд | Заказов | Выручка | Доля |
|-------|---------|---------|------|
| Style | 35 | 210 000 ₽ | 47% |
| Kids | 25 | 125 000 ₽ | 28% |
| Care | 10 | 65 000 ₽ | 14% |
| Lux | 5 | 50 000 ₽ | 11% |

### Топ-5 товаров

| # | Товар | Продано | Выручка |
|---|-------|---------|---------|
| 1 | Платье летнее | 15 шт | 89 850 ₽ |
| 2 | Костюм детский | 12 шт | 47 880 ₽ |
| 3 | Блузка шёлковая | 10 шт | 45 900 ₽ |
| 4 | Юбка миди | 8 шт | 31 920 ₽ |
| 5 | Футболка базовая | 20 шт | 29 800 ₽ |

### Заказы без оплаты (> 48ч)
Найдено: 3 заказа на сумму 18 500 ₽

3.7 Обработка периодов

Интерпретация временных запросов

Claude интерпретирует естественные запросы о времени:

Запрос	Интерпретация
"за сегодня"	`after: TODAY 00:00, before: NOW`
"за вчера"	`after: YESTERDAY 00:00, before: YESTERDAY 23:59`
"за неделю"	`after: NOW - 7 days`
"за месяц"	`after: NOW - 30 days`
"за январь"	`after: 2026-01-01, before: 2026-01-31`
"с 1 по 15 января"	`after: 2026-01-01, before: 2026-01-15`

Форматирование дат для MCP

WooCommerce ожидает даты в ISO 8601:

after: 2026-01-18T00:00:00
before: 2026-01-25T23:59:59

3.8 Обработка ошибок

Ошибки MCP

Ошибка	Поведение Claude
Connection timeout	"Не удалось подключиться к магазину. Попробуйте позже."
Authentication error	"Ошибка авторизации. Обратитесь к администратору."
No results	"По вашему запросу ничего не найдено."
Rate limit	"Слишком много запросов. Подождите минуту."

Валидация данных

Claude проверяет корректность полученных данных:

python

# Псевдокод валидации
if not orders:
    return "Заказов за указанный период не найдено"

if any(order.total < 0 for order in orders):
    log.warning("Negative order total detected")
    # Исключить некорректные данные

Graceful degradation

При частичной недоступности данных:

markdown

## Аналитика продаж (частичные данные)

⚠️ Не удалось получить данные о брендах для некоторых товаров.

### Общие показатели
- **Выручка:** 450 000 ₽
- **Заказов:** 75

### Топ товаров
(без группировки по брендам)

3.9 Кэширование

Стратегия кэширования

В MVP кэширование не реализуется — все данные запрашиваются в реальном времени.

Планы v2.0:

Данные	TTL	Хранилище
Список брендов	1 час	Redis
Категории товаров	1 час	Redis
Аналитика за прошлые периоды	24 часа	Redis

3.10 Метрики и мониторинг

Метрики AI Pipeline

Метрика	Тип	Описание
`shop_mcp_calls_total`	counter	Количество MCP вызовов
`shop_mcp_duration_seconds`	histogram	Время MCP запросов
`shop_mcp_errors_total`	counter	Ошибки MCP
`shop_intents_total`	counter	Распределение intent'ов

Логирование

json

{
    "event": "shop_query_processed",
    "user_id": "user_123",
    "intent": "analytics_revenue",
    "mcp_calls": [
        {
            "tool": "orders-list",
            "params": {"status": "completed", "after": "2026-01-18"},
            "duration_ms": 450,
            "results_count": 75
        }
    ],
    "total_duration_ms": 1200
}

Приложение А: Примеры диалогов

Пример 1: Новые заказы

User: Какие новые заказы?

Claude: 
[MCP: orders-list(status=processing)]

## Новые заказы (3)

| № | Дата | Клиент | Сумма |
|---|------|--------|-------|
| #12347 | 25.01 11:45 | Сидорова М. | 8 990 ₽ |
| #12346 | 25.01 11:20 | Козлов А. | 3 490 ₽ |
| #12345 | 25.01 10:30 | Иванов И. | 5 990 ₽ |

Общая сумма: 18 470 ₽

Пример 2: Поиск товара

User: Найди детские платья до 3000 рублей

Claude:
[MCP: products-list(search=платье, brand=kids, max_price=3000)]

## Найдено: 4 товара

| Название | Артикул | Цена | Остаток |
|----------|---------|------|---------|
| Платье праздничное | DR-K-010 | 2 990 ₽ | 8 шт |
| Платье повседневное | DR-K-011 | 1 990 ₽ | 15 шт |
| Платье летнее | DR-K-012 | 2 490 ₽ | 12 шт |
| Сарафан | DR-K-013 | 1 790 ₽ | 20 шт |

Пример 3: Детали заказа

User: Покажи заказ 12345

Claude:
[MCP: orders-get(id=12345)]

## Заказ #12345

**Статус:** В обработке  
**Дата:** 25.01.2026 10:30  
**Сумма:** 5 990 ₽

### Клиент
Иван Петров | ivan@example.com | +7 999 123-45-67

### Состав
- Платье летнее (DR-2026-001) × 1 — 5 990 ₽

### Доставка
г. Москва, ул. Примерная, д. 1

Приложение Б: Контрольные точки

Критерий	Проверка
Intent recognition	Правильно определяется тип запроса
MCP calls	Вызываются нужные tools с правильными параметрами
Data aggregation	Метрики рассчитываются корректно
Formatting	Ответ читаемый и структурированный
Error handling	Ошибки обрабатываются gracefully

Документ подготовлен: Январь 2026
Версия: 1.0
Статус: Черновик

Раздел 3: AI Pipeline ​

3.1 Назначение и архитектура ​

Назначение ​

Архитектура Pipeline ​

Последовательность обработки ​

3.2 Intent Recognition ​

Классификация запросов ​

Контекст агента ​

3.3 Query Planning ​

Стратегии запросов ​

Оптимизация запросов ​

3.4 Обработка данных заказов ​

Получение списка заказов ​

Форматирование списка заказов ​

Детали заказа ​

3.5 Обработка данных товаров ​

Поиск товаров ​

Форматирование результатов поиска ​

Фильтрация по бренду ​

3.6 Аналитика продаж ​

Алгоритм расчёта метрик ​

Форматирование аналитического отчёта ​

3.7 Обработка периодов ​

Интерпретация временных запросов ​

Форматирование дат для MCP ​

3.8 Обработка ошибок ​

Ошибки MCP ​

Валидация данных ​

Graceful degradation ​

3.9 Кэширование ​

Стратегия кэширования ​

3.10 Метрики и мониторинг ​

Метрики AI Pipeline ​

Логирование ​

Приложение А: Примеры диалогов ​

Пример 1: Новые заказы ​

Пример 2: Поиск товара ​

Пример 3: Детали заказа ​

Приложение Б: Контрольные точки ​

Раздел 3: AI Pipeline

3.1 Назначение и архитектура

Назначение

Архитектура Pipeline

Последовательность обработки

3.2 Intent Recognition

Классификация запросов

Контекст агента

3.3 Query Planning

Стратегии запросов

Оптимизация запросов

3.4 Обработка данных заказов

Получение списка заказов

Форматирование списка заказов

Детали заказа

3.5 Обработка данных товаров

Поиск товаров

Форматирование результатов поиска

Фильтрация по бренду

3.6 Аналитика продаж

Алгоритм расчёта метрик

Форматирование аналитического отчёта

3.7 Обработка периодов

Интерпретация временных запросов

Форматирование дат для MCP

3.8 Обработка ошибок

Ошибки MCP

Валидация данных

Graceful degradation

3.9 Кэширование

Стратегия кэширования

3.10 Метрики и мониторинг

Метрики AI Pipeline

Логирование

Приложение А: Примеры диалогов

Пример 1: Новые заказы

Пример 2: Поиск товара

Пример 3: Детали заказа

Приложение Б: Контрольные точки