GigaChat Vision: ИИ-агент для текстов и моделей

GigaChat Vision — мультимодальная работа с изображениями через GigaChat API. Карточка о том, как подключить к ней агента: она для владельца бизнеса, у которого карточки товаров и сканы разбирают руками.

Агент — программа, которая делает дело целиком, а не отвечает на вопрос: работает в ваших сервисах, доводит до результата и не ждёт, пока его окликнут. Чат-бот вернёт текст, агент вернётся с результатом.

Коннектор — описание подключения: где взять ключ, как проверить связь и какие данные доступны. Это не плагин и не доработка: пароль он не хранит, работает с выданным доступом, а изображения не остаются дольше запроса.

Модели идут в одном API: GigaChat 3 Ultra доступна физлицам в режиме freemium, есть 2 Max для сложных задач, 2 Pro для ресурсоёмких и 2 Lite для повседневных. Отдельная линейка — эмбеддинги EmbeddingsGigaR, Embeddings и Embeddings-2. Запросы идут на api.giga.chat с Bearer-токеном.

### Черновики текстов: заголовки и структура

Агент смотрит на снимок — фото товара, скриншот, скан — и собирает черновик: что видно, какие подписи подойдут. Структуру он держит одинаковой: заголовок, три факта, призыв, и не меняет её от карточки к карточке. Если данных для заголовка на кадре нет, он говорит об этом, а не придумывает красивую фразу. Каждую подпись можно проверить по снимку, а не принимать на веру.

### Редактура: факты, цифры и единый стиль

Агент сверяет прочитанное на картинке с вашим текстом: число на ценнике, артикул на этикетке, дату на документе. Расхождения показывает парой «на изображении / в тексте», чтобы правку внёс человек. Модель подбирается под задачу: тяжёлую для сложных кадров, лёгкую для потока, и это видно по времени ответа. Что не прочиталось, уходит в список на повтор, а не в готовый текст.

### Черновики писем и служебных записок

Агент собирает письмо или записку, где нужно описать вложение: что за файл, что на нём, что делать дальше. Он подставляет реквизиты из справочника и проверяет, что в тексте нет внутренних пометок. Черновик приходит с темой и вариантом покороче — на случай чтения с телефона, а спорный кадр откладывается до вашего ответа и не идёт в публикацию.

Оценку спорного кадра, факты и отправку. Агент описывает и предлагает, а решение по изображению остаётся за человеком.

Нужен ключ авторизации GigaChat API из кабинета и выбранный scope. Токен запрашивается на /api/v2/oauth и живёт 30 минут, изображение передаётся в запросе; какой моделью разбирать кадр, уточняется при подключении.

Не заменяет экспертизу: мелкий текст и блики читаются неверно. Не публикует и не отправляет результат сам.

Что такое агент, если коротко? Программа, которая проходит путь до результата: берёт кадр из вашей папки, разбирает его, сверяет с каталогом и отдаёт готовую подпись. От чат-бота отличается тем, что работает по расписанию и без вашего вопроса, а не по клику в окне.

Что такое коннектор? Описание подключения: где взять ключ, как проверить связь и какие данные агент увидит. Не плагин и не доработка — выданный доступ, который можно отозвать. Пароль агент не хранит, работает по токену.

Что делать, если фото не читается? Агент вернёт «не читается» вместо догадки: число на размытом ценнике не восстанавливается. Часть ошибок снимается съёмкой — свет, ракурс, расстояние. Что не удалось прочитать, уходит в список на повторную съёмку.