Сырьё, склад, производство и отгрузки WB и Ozon для производителя

Производитель продаёт на Wildberries и Ozon через несколько кабинетов, а сырьё, склад и выпуск ведёт в таблицах. Нужен один инструмент: техкарты, склад со сканером, задания производству, расчёт поставок FBO, сборка FBS и прибыль по SKU. Пример запроса рынка — тендер на Workspace «ИИ-система учёта сырья, склада и производства для селлера WB и Ozon».

• Справочники и техкарты с нормой и потерями; себестоимость единицы считается из техкарты, этикетка с EAN-13.
• Склад: приход, списание, перемещение, инвентаризация, сканер камерой телефона. Журнал движений «кто, что, откуда, куда»; минус и дробные штуки система не пропускает.
• Автозаказ: что выпустить по темпу продаж, остаткам у себя и на маркетплейсах, с округлением до партии и проверкой сырья. Задания создаются из выбранных строк одной кнопкой.
• Расчёт FBO по складам маркетплейса пропорционально продажам и сроку доставки; сборка FBS по скану товара в самый срочный заказ.
• Прибыль по SKU и кабинетам, оборачиваемость с ABC, «кончится через 3/7/14/21 день». Всё выгружается в Excel.
• ИИ-помощник: вопрос по-русски — модель выбирает один из 10 готовых отчётов и параметры, цифры считает код. Под ответом видно источник, уверенность и кнопки «верно / исправить».

• Владелец — всё, включая сводку и сброс демо
• Кладовщик — интерфейс под телефон: остатки, сканер, приход, выпуск, сборка FBS
• Технолог — справочники, техкарты, задания на выпуск, автозаказ
• Менеджер маркетплейсов — кабинеты, отчёты продаж, поставки FBO и FBS, помощник

Цепочка «продажи → автозаказ → выпуск → поставка FBO» закрыта в одной системе. Менеджер видит, что «Фундук, 500 г» кончится через 5 дней. Автозаказ на 21 день предлагает выпустить 72 шт (три партии по 24) и проверяет сырьё — у фундука его хватает, у позиций с пеканом или инжиром видно, сколько не хватает. Технолог создаёт задание, кладовщик проводит выпуск, сырьё списывается по техкарте. Затем расчёт FBO раскладывает продукцию по складам.

На демо-данных, методика указана в каждой строке. Реального клиента у демо нет, поэтому цифр «выручка выросла» здесь нет.

• Python 3.10
• Django 5.1
• HTMX
• Chart.js
• openpyxl
• html5-qrcode
• SQLite (в проде PostgreSQL)
• gunicorn, Caddy

1. Остатки меняются только через одну функцию: транзакция пишет журнал и снимок остатка и запрещает минус.
2. Аналитика — функции чтения, общие для экранов, Excel и помощника.
3. Помощник: модель возвращает имя отчёта и параметры, они приводятся к схеме, считает код. Произвольного SQL нет.
4. Маркетплейсы: в демо данные из CSV и генератора, в проде модуль загрузки меняется на API, модели данных те же.

В демо внешних подключений нет: продажи и заказы сгенерированы, отчёт продаж загружается CSV-файлом. В проде: WB statistics-api и marketplace-api, Ozon Seller API по расписанию, обмен с МойСклад или 1С, уведомления «кончится через N дней» в Telegram.

• Сервер заказчика или VPS в РФ, PostgreSQL, ежедневные бэкапы, вход по паролю или SSO.
• Подключение API его кабинетов, загрузка его номенклатуры и техкарт.
• Помощник на YandexGPT или GigaChat: модель получает только вопрос и список отчётов, без данных компании.
• Срок внутреннего сервиса такого объёма — 4–8 недель по этапам.

Сборка демо: 1 день, 24.10.2026. Код пишу вместе с ИИ-агентами, проверка — автоматическая, в браузере на сервере. Сроки проекта у заказчика — в последнем пункте «Как было бы в проде» и в разделе «Процесс и сроки».