{
  "prompt": "Создай решение для оптимизации потока воды в системе орошения",
  "domain": "civil",
  "constraints": [
    {"type": "material", "value": "steel"},
    {"type": "size", "value": "10cm"}
  ],
  "max_solutions": 2
}

{
  "solutions": [
    {
      "id": "sol_001",
      "prompt": "Создай решение для оптимизации потока воды в системе орошения",
      "description": "Поток воды можно улучшить с использованием труб из стали с диаметром 10 см.",
      "technical_details": [
        "Труба из стали",
        "Диаметр: 10 см"
      ],
      "estimated_cost": 50,
      "confidence_score": 0.8
    },
    {
      "id": "sol_002",
      "prompt": "Создай решение для оптимизации потока воды в системе орошения",
      "description": "Решение с использованием системы фильтрации и насоса.",
      "technical_details": [
        "Насос",
        "Система фильтрации"
      ],
      "estimated_cost": 120,
      "confidence_score": 0.7
    }
  ],
  "error": null
}

## Введение Этот артефакт описывает контракт API для сервиса генерации инженерных решений с помощью ИИ. Артефакт выступает как рабочий документ для разработки, реализуя шаги алгоритма и формат данных. ## Входные данные (Input) - `prompt`: строка (обязательный) - Пример: "Создай решение для оптимизации потока воды в системе орошения" - `domain`: строка (необязательный, по умолчанию "general") - Возможные значения: "mechanical", "electrical", "civil", "software", "general". - `constraints`: массив объектов - Объект содержит поля: - `type`: строка (например, "material", "size", "power") - `value`: значение типа string или number - `max_solutions`: число (необязательный) - По умолчанию: 3 ## Выходные данные (Output) - `solutions`: массив объектов - Каждый элемент содержит: - `id`: уникальный идентификатор решения - `prompt`: оригинальный запрос пользователя - `description`: текстовое описание решения - `technical_details`: массив строк, описывающий технические детали - `estimated_cost`: число (в долларах) - `confidence_score`: число от 0 до 1 - `error`: объект (если произошла ошибка) - Поля: - `code`: строка, код ошибки - `message`: текстовое описание ошибки ## Шаги алгоритма ### 1. Валидация входных данных - **Вход**: prompt (обязательный), domain (необязательный) - **Проверка**: - Если `prompt` пустой или не строка → ошибка "INVALID_PROMPT" - Если `domain` не из допустимых значений → ошибка "INVALID_DOMAIN" ### 2. Извлечение ключевых характеристик запроса - **Метод**: NLP-процессинг с использованием модели `gpt4` - **Вход**: - prompt - domain - **Выход**: - extracted_features (объект) - type: строка (например, "optimization") - components: массив - Каждый компонент — объект с полями: - name: строка - category: строка ("material", "geometry", "mechanical") - **Ошибка**: - Если не удалось извлечь данные → ошибка "FEATURE_EXTRACTION_FAILED" ### 3. Генерация решений - **Метод**: Используется модель `gpt4-engineered` - **Вход**: - prompt - domain - extracted_features - constraints (если есть) - **Выход**: - solutions массив, размером до max_solutions - **Ошибка**: - Если модель не сгенерировала ни одного решения → ошибка "NO_SOLUTION_GENERATED" ### 4. Оценка решений - **Метод**: модель оценки качества (например, `evaluator-v2`) - **Выход**: - confidence_score для каждого решения - **Ошибка**: - Если не удалось оценить — установить score = 0.5 ## Псевдокод алгоритма ```python # Валидация входных данных if not prompt or not isinstance(prompt, str): return error("INVALID_PROMPT") # Извлечение характеристик запроса features = extract_features(prompt, domain) if not features: return error("FEATURE_EXTRACTION_FAILED") # Генерация решений solutions = generate_solutions(prompt, features, constraints, max_solutions) if not solutions: return error("NO_SOLUTION_GENERATED") # Оценка решений for sol in solutions: score = evaluate(sol) sol["confidence_score"] = score return { "solutions": solutions, "error": None } ``` ## Пример запуска и проверки **Вход**: ```json { "prompt": "Создай решение для оптимизации потока воды в системе орошения", "domain": "civil", "constraints": [ {"type": "material", "value": "steel"}, {"type": "size", "value": "10cm"} ], "max_solutions": 2 } ``` **Выход**: ```json { "solutions": [ { "id": "sol_001", "prompt": "Создай решение для оптимизации потока воды в системе орошения", "description": "Поток воды можно улучшить с использованием труб из стали с диаметром 10 см.", "technical_details": [ "Труба из стали", "Диаметр: 10 см" ], "estimated_cost": 50, "confidence_score": 0.8 }, { "id": "sol_002", "prompt": "Создай решение для оптимизации потока воды в системе орошения", "description": "Решение с использованием системы фильтрации и насоса.", "technical_details": [ "Насос", "Система фильтрации" ], "estimated_cost": 120, "confidence_score": 0.7 } ], "error": null } ``` ## Ограничения и сложность - Время обработки: до 5 секунд на один запрос - Максимальный размер `prompt`: 1024 символа - Лимит на количество решений по умолчанию: 3 - Количество ограничений: до 10 ## Сложность и оценка реализуемости - Реализация валидации входных данных — легко, 1 день - Написание NLP-модели для извлечения характеристик — средняя сложность (3 дня) - Интеграция генерации решений через API — средняя (2 дня) - Валидация и оценка решений — легко (1 день) ## Проверка на маленьком примере - Запуск с `prompt = "Создай решение для оптимизации потока воды"` - Ожидаемый результат: массив из 3-х решений, каждый с оценкой > 0.5 - Проверка: возвращаются технические детали и стоимость