192 материала
Заявка уже поступила, но кто возьмёт её в работу и проследит за сроком? На примере ошибки отправки отчёта из 1С показываем, как «Управление IT-отделом 8» назначает исполнителя, напоминает о сроках SLA и перемещает выполненную заявку. Специалисту остаётся разобраться в причине сбоя и проверить результат с пользователем.
Для решения обращения нужна помощь другой команды? Показываем на примере восстановления доступа к общей папке, как техподдержке и системным администраторам работать с одной заявкой в «Управлении IT-отделом 8», версия 4.0: сохранять диагностику и переписку в общей карточке и передавать работу без дублирования заявок.
Некоторые наши клиенты не спешат пробовать альфа-версию «Управление IT-отделом» (УИТ) 4.0. На вопрос «почему?» отвечают так: новая версия требует платформу «1С:Предприятие» 8.5, а на серверах рядом с УИТ работают и другие базы — «Бухгалтерия», «ЗУП» и прочие. Возникает опасение: «Поставим 8.5 ради УИТ — сломается все остальное». Разберем, почему это не так.
Больше года мы работали над новой редакцией «Управление IT-отделом», и сегодня готовы впервые показать результат — версию 4.0. Это не просто обновление, а полное переосмысление ключевых механик продукта. Мы отказались от устаревших решений, чтобы сделать вашу ежедневную работу проще, прозрачнее и быстрее.
В этой статье мы честно расскажем, почему пошли на такие глубокие изменения и какую выгоду вы получите от каждого из них.
Разработка с помощью AI‑инструментов меняет подход к созданию ПО. Я сам убедился в этом на практике: всего за два дня мне удалось создать Text Extract API для RAG, используя Claude 4.0, Gemini Pro 2.5 и IDE Cursor. Этот эксперимент показал, что нейросети — уже не просто хайп, а мощный ассистент, способный значительно ускорить процесс разработки.
Наша команда занимается созданием ПО для IT‑специалистов — программу «Управление IT‑отделом 8». В ней есть блок для работы с заявками от клиентов и обширная база знаний. Возникла идея: интегрировать нейросети для автоматической обработки тикетов. Кейс прост:
Прилетает тикет от клиента > Нейросеть смотрит в базу знаний и готовит ответ > IT‑специалист либо использует ответ нейросети, либо нейросеть отвечает автоматически.
Для реализации такого функционала необходимо обучить AI‑модель на нашей базе знаний, а это требует качественного извлечения текста из различных документов. Эта статья посвящена первому этапу этого процесса — созданию API для извлечения текстовых данных из файлов любых форматов, что критически важно для эффективной работы с Retrieval‑Augmented Generation (RAG).
Для тех, кто хочет сразу увидеть результат, вот ссылка на GitHub.