LLM в 1С в 2026: YandexGPT, GigaChat и локальные модели — шаблон вызова и чек-лист

13 мая 2026 · infolimp.ru

Автор: 1С Инсайдер · роль: практик 1С · проверка: типовые конфигурации и рабочие сценарии · 0 комментариев

Шаблон вызова LLM из 1С через HTTPСоединение, сравнение трёх практических вариантов в РФ-контуре (YandexGPT, GigaChat, локальные Llama/Qwen через Ollama), чек-лист подключения и шесть типичных ошибок — без хранения API-ключа в коде и без падений в обработчиках документов. В 2026 году в части крупных РФ-компаний внедрение ИИ в учётные системы вышло из стадии экспериментов; в большинстве остальных оно по-прежнему точечное и пилотное. Разбираем, что из ИИ-историй в 1С реально окупается, а что красиво смотрится только в презентации.

1. Что встроено в саму платформу

Готовые облачные сервисы

У 1С есть направления работы с интеллектуальными технологиями, доступные «из коробки» как облачные сервисы:

Распознавание документов (OCR) — чтение сканов накладных, актов и УПД с дообучением на специфических реквизитах конкретного предприятия;
Речевые технологии — распознавание и синтез речи, уже стандарт для контакт-центров;
Прогнозирование — встроенные алгоритмы в «1С:Управление торговлей» и «1С:ERP» для прогноза спроса на основе исторических данных.

С точки зрения разработчика это «чёрный ящик»: доступ через стандартные объекты конфигурации, без управления самой моделью. Хорошо для типовых задач, плохо для нестандартных.

Работа с внешними LLM

Интересная для разработчика часть — интеграция с большими языковыми моделями. Наиболее распространённый способ интеграции — HTTPS + JSON; альтернативы (gRPC, очереди типа Kafka/RabbitMQ) встречаются реже и обычно у крупных интеграторов.

2. Какие модели реально доступны в РФ-контуре

Модель	Откуда вызывается	Когда уместна
YandexGPT	Cloud API Yandex Cloud (HTTPS)	Когда нужен российский поставщик с локализацией данных на территории РФ согласно 152-ФЗ и без вопросов с доступом
GigaChat	Cloud API Сбера	Альтернатива YandexGPT, особенно для команд уже в экосистеме Сбера
Локальная LLM (Llama, Qwen, Mistral и т.п.)	Собственный сервер с inference-движком (Ollama, llama.cpp, vLLM)	Когда данные нельзя выпускать наружу: госсектор, медицина, банки, оборонка
Открытые модели через российских облачных провайдеров	HTTPS-эндпоинты провайдеров типа SaluteSpeech, MWS Cloud	Когда хочется open-source-моделей без своего железа

Транспорт во всех случаях один (HTTPS + JSON), но схемы аутентификации отличаются: у Yandex Cloud — IAM-токен с TTL, у GigaChat — OAuth2 с обновлением access-токена по refresh-токену, у локальных моделей — обычно простой Bearer или вообще без авторизации.

3. Базовый шаблон вызова LLM из 1С

Каркас под OpenAI-совместимый endpoint (это естественный формат локальных движков типа Ollama). Yandex Cloud и Сбер публикуют собственные форматы запроса/ответа — для использования с этим каркасом потребуется либо официальный шлюз провайдера, либо самописный прокси-адаптер; имена реквизитов вашей конфигурации, схема API и URL — подставьте свои.

// Отправка запроса в LLM по OpenAI-совместимому контракту.
// Хост: api.example.local (замените на свой), путь — относительный.
Функция СпроситьМодель(ТекстПромпта, APIКлюч)

    // Собираем тело: модель, массив сообщений, температура
    СообщениеПользователя = Новый Структура;
    СообщениеПользователя.Вставить("role", "user");
    СообщениеПользователя.Вставить("content", ТекстПромпта);

    Сообщения = Новый Массив;
    Сообщения.Добавить(СообщениеПользователя);

    ТелоЗапроса = Новый Структура;
    ТелоЗапроса.Вставить("model", "ваша-модель");
    ТелоЗапроса.Вставить("messages", Сообщения);
    ТелоЗапроса.Вставить("temperature", 0.7);

    // Сериализация в JSON
    ЗаписьJSON = Новый ЗаписьJSON;
    ЗаписьJSON.УстановитьСтроку();
    ЗаписатьJSON(ЗаписьJSON, ТелоЗапроса);
    СтрокаТела = ЗаписьJSON.Закрыть();

    // HTTP-соединение — здесь хост и порт.
    Соединение = Новый HTTPСоединение(
        "api.example.local",
        443,
        ,
        ,
        ,
        ,
        Новый ЗащищенноеСоединениеOpenSSL);

    // HTTPЗапрос — только путь, без хоста.
    Запрос = Новый HTTPЗапрос("/v1/chat/completions");
    Запрос.Заголовки.Вставить("Content-Type", "application/json");
    Запрос.Заголовки.Вставить("Authorization", "Bearer " + APIКлюч);
    Запрос.УстановитьТелоИзСтроки(СтрокаТела, "UTF-8");

    Попытка
        Ответ = Соединение.ОтправитьДляОбработки(Запрос);
    Исключение
        Возврат "Сетевая ошибка: " + ОписаниеОшибки();
    КонецПопытки;

    Если Ответ.КодСостояния <> 200 Тогда
        Возврат "HTTP " + Ответ.КодСостояния + ": " + Ответ.ПолучитьТелоКакСтроку();
    КонецЕсли;

    ЧтениеJSON = Новый ЧтениеJSON;
    ЧтениеJSON.УстановитьСтроку(Ответ.ПолучитьТелоКакСтроку());
    Результат = ПрочитатьJSON(ЧтениеJSON);

    // ПрочитатьJSON десериализует JSON-объекты в Соответствие, JSON-массивы — в Массив;
    // поэтому полезный текст из choices[0].message.content достаётся стандартными
    // обращениями к ключам Соответствия и индексам Массива.
    Возврат Результат["choices"][0]["message"]["content"];

КонецФункции

Не храните API-ключ в коде или в открытой константе. Положите его в защищённое хранилище через УстановитьДанныеЗащищенногоХранилища и читайте при каждом вызове через ПолучитьДанныеЗащищенногоХранилища. Ключ к платному API — это деньги, утечка эквивалентна списанию со счёта.

4. Локальные модели: когда они оправданы

Многие РФ-компании из чувствительных отраслей не выпускают данные наружу принципиально. Альтернатива облачным API — локальные LLM, развёрнутые на собственном железе.

Как это устроено

На сервере поднимается inference-движок — типа Ollama, llama.cpp или vLLM. Он отдаёт OpenAI-совместимый HTTP-эндпоинт, обычно на 11434-м (Ollama) или 8000-м (vLLM) порту. Интеграция с 1С — ровно та же функция выше, только вместо облачного хоста подставляется внутренний IP: 192.168.1.50, порт inference-движка.

Что важно учесть

Плюс: данные не покидают периметр организации;
Минус: для адекватной скорости нужны GPU; на CPU с 16–32 ГБ RAM запускаются квантованные (Q4/Q5) модели 7–13B, ответ — десятки секунд. Полноразмерные веса на CPU непрактичны;
Скрытая стоимость: кто-то должен сопровождать сервер с моделью — обновление весов, мониторинг, перезапуск. Это отдельная роль.

5. Реальные кейсы, которые уже окупаются

Автоматическое описание товаров

1С берёт технические характеристики номенклатуры из справочника, отправляет в LLM с промптом «напиши продающее описание для розницы на основе этих характеристик» и сохраняет результат в реквизит карточки. На сотнях позиций экономит работу копирайтера; на тысячах — это вообще другой класс задачи, доступный только LLM.

Анализ обращений клиентов

Скрипт выгружает тексты претензий из 1С, отправляет в нейросеть с задачей классификации: «логистика / брак / навязывание услуг / прочее». Возвращённые теги ложатся в карточку обращения, документ автоматически идёт нужному отделу. Раньше это был оператор-классификатор; теперь оператор работает только с пограничными случаями.

Помощь разработчику

Внешние инструменты-ассистенты читают код модулей 1С и предлагают рефакторинг, ищут уязвимости, генерируют черновики обработчиков по описанию задачи. Подробнее в нашей статье «Локальный LLM-помощник для 1С-разработчика».

6. Чек-лист «как подключить LLM к 1С без пожара»

Определите класс задачи: облачная модель (быстрее ставится, требует выпускать данные наружу), локальная (приватность, нужно своё железо) или гибрид — частное облако/VPC у российского провайдера с изоляцией контура. Третий вариант часто оптимален для банков и госсектора. Не решайте «за всю компанию», начинайте с одной задачи.
Выберите конкретного поставщика по 152-ФЗ-готовности, если уходите в облако: YandexGPT и GigaChat имеют подписанные оферты, для зарубежных провайдеров будут вопросы у юристов.
Положите API-ключ в защищённое хранилище 1С, не в код и не в открытую константу.
Заверните вызов LLM в общую функцию, чтобы при смене провайдера менять одно место, а не пятьдесят вызовов в конфигурации.
Установите явный Таймаут у HTTPСоединение (5–30 секунд в зависимости от задачи) — модель может «думать» долго, и без таймаута пользователь увидит зависшую 1С.
Логируйте каждый вызов в журнал регистрации: что отправили, что получили, сколько токенов потратили. Это спасёт при разборе «куда ушли деньги по тарифу».
Сделайте регламентное задание-«пересчёт по очереди»: длинные операции LLM не должны висеть в синхронных событиях документов (ПриЗаписи), иначе пользователь будет ждать 30 секунд при каждом проведении.

7. Типичные ошибки

Попытка написать свою нейросеть на встроенном языке 1С. Это бессмысленно: 1С — интерфейс и транспорт, не платформа для тренировки моделей. Используйте 1С как «сборщик данных» и «поставщик контекста» для внешних или локальных моделей.
Хранение API-ключа в открытой константе. Любой, у кого есть права на чтение констант, видит ваш ключ — и это, как правило, не тот круг, которому вы его доверяете.
Синхронный вызов LLM в обработчике документа. Запись документа повисает на 5–30 секунд, пока модель отвечает. Правильно — складывать задание в очередь (регистр сведений) и обрабатывать регламентным заданием.
Прямая запись ответа LLM в учётные регистры без проверки. Модель может выдать что угодно, включая опасные значения. Между «получили ответ» и «записали в учёт» всегда должен быть валидатор.
Один и тот же API-ключ во всех средах. Тест, разработка, продуктив — каждое окружение должно иметь свой ключ. Иначе один сбой тестового скрипта может выжечь продуктивный лимит.
Игнорирование тарифа на токены. Большие промпты с историей переписки растут быстро. Через неделю можно с удивлением увидеть счёт, в три раза больший ожидаемого. Считайте токены до того, как пустить в работу.

Итог

1С в 2026 году — это не «нейросеть сама по себе», а мощный интегратор нейросетей. Для бухгалтера это кнопка «Заполнить автоматически». Для разработчика — это работа с HTTPСоединение, HTTPЗапрос, JSON и регулярными выражениями для разбора ответов. Способ интеграции универсален, провайдер модели выбирается под профиль приватности и под рублёвый тариф. И — повторим главный совет: не пытайтесь писать свои модели на встроенном языке 1С. Используйте платформу как сборщика контекста для уже готовых моделей; этого хватит, чтобы закрыть подавляющее большинство задач, окупающихся в реальной работе.

Профессиональные решения для 1С и marketplace-интеграций — каталог отчётов и инструментов на витрине НОПи.

Перейти в каталог решений →