С агрегаторами AI-моделей я столкнулся довольно случайно — в рамках рабочих задач. Сейчас я участвую в разработке небольшой программы в узкой области, связанной со строительством, где выступаю консультантом-экспертом. В процессе работы мне часто приходилось сталкиваться с ИИ моделями и формирования промтов для работы микросервисов. В процессе работы начал пробовать использовать различные модели искусственного интеллекта, и для доступа к ним применял API-агрегаторы.
Моя основная работа вполне обычная и стандартная и в рамках нее мне приходится формировать много различных документов, в том числе типовых ответов клиентам, но с определенной информацией, которая берется из них. В какой-то момент я понял, что языковые модели могут сильно упростить эту задачу. Они довольно хорошо умеют анализировать текст документов, находить нужные фрагменты информации и формировать готовый ответ, который потом можно использовать дальше.
Первый прототип
Мой первый эксперимент с этим был довольно простым. Я сделал небольшой инструмент прямо внутри Excel с использованием Visual Basic. Логика была такая: я загружал документ (PDF, Word или даже изображение), отправлял его через API модели и получал ответ в формате JSON. После этого данные автоматически распределялись по нужным ячейкам Excel.
Это была самая первая версия системы — скорее проверка идеи, чем полноценный инструмент.
Развитие проекта
Позже эта идея постепенно выросла в более серьёзный проект. С помощью веб-инструментов я сделал систему, которая могла работать уже с несколькими форматами документов.
Со временем начала формироваться небольшая база данных. Документы анализировались с помощью моделей, из них извлекалась нужная информация, формировалось описание, после чего данные добавлялись в базу. Таким образом получился инструмент, который помогает быстрее находить нужные данные в документах и упрощает подготовку ответов.
Личные проекты
После этого я понял, что такие инструменты можно использовать не только для работы, но и для личных задач.
Например, мне хотелось вести личную статистику расходов. Я пробовал разные приложения, но многие из них были либо слишком сложными, либо не подходили под мои задачи. В итоге я решил сделать свой небольшой инструмент.
Я написал Telegram-бота, который помогает вести учёт расходов. В него можно отправить текст, голосовое сообщение или фотографию. Бот отправляет данные на анализ модели через API, получает ответ, извлекает нужную информацию (например сумму и категорию расхода) и сохраняет её в базе данных в формате JSON.
По похожему принципу я сделал ещё одного Telegram-бота — для учёта калорий. Можно отправить фотографию еды, текст или голосовое сообщение, после чего модель определяет примерную калорийность и возвращает результат. Эти данные также можно сохранять и потом анализировать.
Почему я выбрал Polza.ai
Перед тем как остановиться на Polza.ai, я попробовал несколько разных агрегаторов — примерно пять. Хотелось понять, насколько они отличаются по стабильности и удобству работы.
На Polza.ai я наткнулся довольно случайно — увидел информацию о конференции, где у сервиса был свой стенд. Решил попробовать посмотреть платформу.
Сначала протестировал модели через встроенный чат, а потом начал проверять API. В процессе тестирования я заметил, что запросы выполняются довольно стабильно.
В некоторых других агрегаторах у меня иногда возникала странная ситуация: отправляешь запрос, но сервис просто не возвращает ответ. Причём проблема была не в промте или запросе — ответ просто не приходил.
С Polza.ai у меня таких ситуаций практически не было. Запросы выполнялись стабильно, модели возвращали ответы, и в целом работать с API оказалось достаточно удобно.
Я не могу сказать, что у сервиса есть какая-то одна уникальная функция, которая полностью выделяет его среди других агрегаторов. Но по моему опыту это просто надёжный и удобный инструмент, который позволяет спокойно работать с различными моделями через единый API.
Итог
Сейчас я использую Polza.ai в нескольких своих небольших проектах и экспериментах. Для меня это удобный способ быстро подключать разные модели и проверять идеи без сложной интеграции с несколькими сервисами. Возможно, в будущем часть этих проектов получится развить дальше и превратить в полноценные инструменты. Но даже на текущем этапе агрегатор уже помогает мне автоматизировать некоторые рабочие задачи и упрощает разработку небольших сервисов.