Zwiększ efektywność firmy dzięki automatyzacjom AI i bezpiecznym modelom LLM

Zgłoszenie trafia jednocześnie do CRM i systemu zamówień, a stamtąd — po walidacji — do e-maila, magazynu i wspólnego powiadomienia zespołu.

Użytkownik wysyła poprzez aplikację www napisaną w FastAPI wysyła za pomocą webhooka obiekt w postaci zdjęcia źródłowego, opcjonalną maskę obszaru do edycji oraz prompt opisujący styl makijażu wraz z parametrami (siła efektu, guidance, liczba kroków). Automatyzacja n8n buduje na tej podstawie payload i wywołuje model flux-kontext-pro na Replicate, dołączając maskę tylko wtedy, gdy faktycznie coś na niej narysowano. Jeśli predykcja nie skończy się od razu, workflow odpytuje wynik co 6 sekund przez maksymalnie 120 sekund. Gotowy obraz jest pobierany i zwracany klientowi jako plik PNG. Każdy z trzech krytycznych kroków (wywołanie API, oczekiwanie na wynik, pobranie pliku) ma osobną obsługę błędu, która zbiega się do wspólnej odpowiedzi JSON ze statusem 500.

Dziecko wysyła pytanie przez interfejs. Agent AI uwierzytelnia żądanie i sprawdza limit zapytań, rezerwuje "kredyt" w PostgreSQL (SELECT FOR UPDATE), po czym Guardrail wejściowy (NFKD + lista tematów) weryfikuje dopuszczalność tematu. Jeśli temat niedozwolony, podstawiany jest komunikat zastępczy. Dla dozwolonych równolegle pobierane są wyniki z SearXNG i artykuł z Wikipedii, następnie Filtr relewancji (model 1/3) ocenia, czy materiał wystarcza. Jeśli tak — Generacja odpowiedzi (model 2/3, OpenRouter/Gemini 2.5 Flash Lite) tworzy treść, a Guardrail wyjściowy (model 3/3) sprawdza, czy odpowiedź można przepuścić. Zdarzenie zapisywane jest do historii (append-only), treść escapowana i renderowana, a dziecko widzi odpowiedź. Błędy dostawcy modelu zwracają kredyt i kończą się komunikatem o błędzie.