CASE 04 · FIELD OPERATIONS · AI LAB
Vino از عملیات میدانی تا داده و هوش مصنوعی.
سامانهٔ مدیریت عملیات میدانی با اپ PWA برای ثبت ویزیت و پرسشنامه، پنل مدیریت، و آزمایشگاه هوش مصنوعی مستقل برای ساخت مدل‌های تخصصی.
- ۰۱PROBLEM
مسئله
API، پنل مدیریت و اپ میدانی در سه مخزن جدا با استقرار جداگانه بودند و داده‌های میدانی هنوز به قابلیت هوشمند تبدیل نشده بود.
- ۰۲OUR ROLE
نقش دقیق ما
یکپارچه‌سازی مخزن‌ها، استقرار و CI، طراحی و اجرای آزمایشگاه AI، آموزش و ارزیابی مدل.
- ۰۳SOLUTION
راهکار
یک monorepo با حفظ کامل تاریخچه، استقرار ایزولهٔ Docker و CI؛ و در کنار آن آزمایشگاهی مستقل که بدون دست زدن به محصول جاری، مدل تولید فرم و شمارش قفسه را آموزش و ارزیابی می‌کند.
تصمیم‌های فنی
- D-01آزمایشگاه جدا از محصول
داده، وزن، پورت و تنظیمات مستقل؛ هیچ تغییری در سرویس عملیاتی ایجاد نمی‌شود.
- D-02حریم داده
خواندن فقط‌خواندنی از منبع و عدم استخراج اطلاعات کاربر، شماره تماس و مختصات فروشگاه برای آموزش.
- D-03ارزیابی صادقانه
آزمون ثابت پیش و پس از LoRA؛ مدل شلف با وجود بهبود در دادهٔ مصنوعی، آمادهٔ استفاده اعلام نشد.
- D-04تاریخچهٔ کامل
ادغام سه مخزن با git filter-repo، با حفظ همهٔ commitها، نویسندگان و تاریخ‌ها.
نتیجهٔ آزمون ثابت فرم در پایلوت محلی Vino
JSON معتبر
تطابق کامل ساختار
فقط برای همین وظیفه و همین آزمون. مدل شمارش قفسه هنوز آماده نیست و همین را هم گزارش کرده‌ایم.
محلی، ابری یا ترکیبی؟
کلیدها را بزنید.
STATUS · وضعیت امروز
محصول عملیاتی مستقر است. در آزمایشگاه، مدل فرم روی ۳۲۶ نمونهٔ آزمون ثابت به ۹۸٫۸٪ JSON معتبر رسیده؛ مدل شمارش قفسه هنوز برای استفادهٔ عملی آماده نیست.