Як я навчив Gemini аналізувати лоти на OLX: практичний кейс із модульної архітектури для ШІ

3 хвилин читання

Від ідеї до практики: як CK.MELA аналізує OLX за допомогою Gemini

У своїй першій статті на DOU я розповів про ідею CK.MELA — чому відмовився від довгих промптів на користь модульної архітектури, як намагався боротися з галюцинаціями та контекстним дрейфом і чому вирішив повністю змінити підхід.

Але будь-яка ідея без практики залишається лише теорією.

Сьогодні хочу показати, як це працює на реальному прикладі.

Читайте також: Технології штучного інтелекту вже дозволяють створювати настільки реалістичні копії людського голосу, що відрізнити їх від справжнього дедалі складніше. Саме тому експерти із кібербезпеки закликають більше не покладатися лише на слух. 

Практичний кейс

Для демонстрації я використовую Gemini, який має доступ до вкладки браузера.

Завдання просте: проаналізувати оголошення на OLX, оцінити їх та зберегти результати для подальшої роботи.

З чого все почалося

Спочатку я працював так само, як більшість: писав довгі промпти, додавав контекст, уточнював деталі. Згодом модель починала втрачати контекст, фантазувати, а відповіді ставали менш передбачуваними.

Підписуйтеся на наші соцмережі

У якийсь момент я зрозумів: проблема не лише в моделі, а й у самому підході.

Чому з'явився CK.MELA

CK.MELA (Modular Executable Logical Architecture) складається з двох незалежних частин.

• Ядро — утримує контекст, структурує відповіді, обробляє помилки та визначає поведінку системи.

• Профільний модуль — містить знання та правила для конкретної задачі.

Практика

Я відкриваю Gemini з відкритою вкладкою OLX, запускаю ядро CK.MELA, після чого підключаю модуль OLX Analyzer.

Система аналізує технічний стан товару, типові несправності, адекватність опису, ліквідність, ціну та репутацію продавця.

Результат

Для кожного оголошення автоматично створюється окремий документ із результатами аналізу. Файл містить модель, ціну та дату аналізу й зберігається на Google Drive у структурованій папці.

Що це дало

• Контекст практично перестав втрачатися.

• Значно зменшилася кількість галюцинацій.

• Результати стали передбачуванішими.

• Модулі простіше оновлювати, ніж переписувати великі промпти.

• Формується архів прийнятих рішень.

Висновок

Я не продаю «ідеальний промпт» і не стверджую, що знайшов універсальне рішення. Я ділюся інженерним підходом, який народився з практики. Якщо він стане приводом для професійної дискусії — значить, ця робота була недаремною.