Почему ресторану предлагают не то

✓Что уже сделано

Решение построено и проверено на ваших данных. Ниже — что изменилось в отправленном КП, если пересобрать его заново.

Сколько это стоит в работе

Что проверено на живой базе

Чего я не сделал

→Как это устроено

Про каждый товар один раз записано, что это такое. Подбор идёт по этой записи, а не по обрезкам названий.

Сейчас система при каждой сборке КП заново гадает по названию. Предложение — перестать гадать: завести таблицу, где про каждый товар 1С один раз записано, чем он является.

Что в записи

Четыре поля. Все выбираются из готового списка, а не пишутся свободным текстом — это принципиально, объясню ниже.

Почему из списка, а не своими словами

Я замерил это на ваших данных. Когда модель выбирает из готового списка — она отвечает одинаково в 93–100 % случаев. Когда придумывает формулировку сама — в 76 %, и «йогурт греческий» с «йогуртом греческим натуральным» уже не склеиваются в одну группу. Поэтому списки закрытые.

Почему исправления перестанут стираться

Запись привязана к коду товара в 1С, а не к его названию. Сейчас при каждой выгрузке поле ingredient_canonical пересчитывается заново и затирает всё — это видно в коде, sync.py, строка 72. Новая таблица к названию не привязана, и выгрузка её не трогает вообще.

Что именно исчезнет из КП

Не список заплаток — каждый дефект уходит по механизму.

Чего это не решает

Как решён вопрос про аналоги

Взято из вашей же спецификации, контрольный набор: «все моцареллы, включая «Продукт белково-жировой Моцарелла» с пометкой, что это аналог». Аналог входит в группу, всегда с пометкой в документе, и никогда не встаёт выше настоящего продукта.

Ниже — как я к этому пришёл: что сломано, почему списками это не чинится, что я замерил и какие ещё пути рассматривал (раздел 06 — все четыре, включая те, что отверг, и почему).

01Что происходит

Система сравнивает не продукты, а первое слово названия. Совпало первое слово — товар едет клиенту.

Три примера из документа, который уже ушёл в IL Патио.

Таких мест в одном КП — 47 разделов из 100. А в блоке, где мы сами предлагаем ресторану добавить блюда, все восемь пицц собраны на тайской рисовой бумаге для спринг-роллов вместо теста.

02Почему так вышло

Внутри системы нет никакой записи о том, что такое товар. Есть только его название из 1С, и от названия отрезаются первые одно-два слова. Этот обрезок и считается «продуктом».

И то же самое происходит со стороны блюда. «Куриная печень» превращается в слово «печень» — курица отброшена. «Филе-миньон из фермерской говядины» превращается в слово «филе» — говядина отброшена. «Зелёный салат с баклажанами» превращается в слово «салат» — и совпадает с салатом из водорослей Чука.

Система сравнивает обрезок с обрезком. Ни на одной стороне никто не знает, что такое продукт.

03Что я нашёл нового

Три вещи, которых в спецификации нет.

Фета есть. И горгонзола есть.

В спецификации написано, что их нет в каталоге. Это не так — они есть, просто система их не видит.

Это хорошая новость: у вас шире ассортимент, чем показывает система. Ресторану, который просил фету, мы предложили рикотту и чеддер, хотя фета лежала на складе.

Товары с нулевой ценой лезут вперёд всех

Тайский рыбный соус попал в одно КП одиннадцать раз. Не потому, что больше нечего было предложить. А потому, что когда система не может выбрать, она берёт самое дешёвое — а у этого соуса в базе стоит цена 0,00 ₽. Ноль дешевле всего.

Таких товаров с нулевой ценой — 28. Каждый лезет наверх своей группы. Из-за этого же «Картофельные дольки со специями» стоят первыми в разделе «Картофель».

Это чинится отдельно и быстро, и стоит починить в любом случае — даже когда всё остальное заработает.

Нужные товары часто лежат рядом — их просто не находят

04Как это делают там, где решено

Я посмотрел, как эту задачу решают крупные сети, оптовые каталоги, продуктовые базы и закупочные системы. У всех одно и то же в основе:

1. Никто не вычисляет продукт из названия в момент запроса. Продукт определяют один раз и записывают. Название — это то, что читают при записи, а не сам ответ.
2. У записи свой номер, не из системы-источника. Поэтому перезагрузка каталога из 1С ничего не ломает: связь живёт отдельно от строки.
3. Продукты стоят деревом, а не списком. «Бурый рис» — это частный случай «риса». Ровно ваше правило: наггетс — это курица, а курица — не наггетс.
4. Когда система не уверена — она спрашивает человека, а не угадывает. Уверена — применяет сама. Неуверена — показывает вопрос. Исправления человека возвращаются обратно и больше не теряются.

Это стандартная связка, ей десятки лет: GS1 в торговле, FoodEx2 и LanguaL в пищевых базах, Open Food Facts в открытом виде.

05Что я проверил на вашей модели

У вас есть свой сервер с языковой моделью — llm.salam0nn.ru. Я взял самые трудные названия из каталога и спросил её, что это за продукты. Реальных денег это не стоит, только машинное время.

Главное измерение

159 названий случайно прошли через модель по два раза. Вот насколько ответы совпали:

Разница простая: когда модель выбирает из готового списка — она надёжна. Когда придумывает формулировку сама — «йогурт греческий» и «йогурт греческий натуральный» уже не склеиваются в одно.

Отсюда главный вывод: модель должна выбирать из готового справочника, а её ответ — записываться и замораживаться, а не пересчитываться каждый раз.

06Четыре пути

07Что придётся тронуть сверх ожидаемого

Спецификация выносит качество раскладок блюд за границы задачи — «кроме случаев, когда исследователь докажет, что без этого задачу решить нельзя». Доказательство нашлось.

Со стороны товара это не лечится: системе на вход подаётся слово «мякоть», а не «говядина». Таких разборов 101 — немного, но они попадают в дорогие блюда.

Что предлагаю включить в работу: эти 101 разбор и восстановление уточнений, которые теряются («куриная печень» должна оставаться куриной). Всё остальное про раскладки — не трогаем.

08Что мне нужно от вас

Два вопроса вы уже решили, и я их записал:

Остались два. Оба про то, что считать правильным ответом — без них я не смогу сказать, верно работает вариант или нет.