Магазин одежды в мессенджер с примеркой по фото

Как это работает

Перенос данных из Ldap в Edit Image делается готовым сценарием: он сам замечает новое и переносит его.

1. Запуск: Триггер сообщения WhatsApp
2. Проверка: Проверить, является ли сообщение кнопкой или изображением
3. Если да — Маршрутизировать интерактивное сообщение или изображение
4. Если да — Разобрать данные кнопки и пользователя
5. Проверка: Маршрутизировать нажатие кнопки VTO или заказа
6. Если да — Установить контекст VTO в Redis
7. Затем: Предложить пользователю загрузить селфи
8. Если нет — AI-агент оркестрации заказов
9. Затем: Отправить подтверждение заказа
10. Если нет — Получить контекст VTO из Redis
11. Проверка: Хранится ли ID товара VTO в Redis?
12. Если да — Извлечь imageID, waId и productID
13. Затем: Получить изображение товара из MongoDB
14. Затем: Скачать изображение товара из Drive (VTO)
15. Затем: Изменить размер изображения товара до 1024px
16. Затем: Извлечь изображение товара как base64
17. Проверка: Объединить товар, селфи и результат валидации
18. Проверка: Валидировать объединённое селфи перед примеркой
19. Если да — Сформировать payload для API генерации изображений Gemini
20. Затем: Сгенерировать VTO через Gemini API
21. Затем: Преобразовать ответ Gemini в файл изображения
22. Затем: Загрузить результат VTO в WhatsApp
23. Затем: Отправить результат VTO пользователю
24. Затем: Удалить контекст VTO из Redis
25. Если да — Уведомить пользователя, что VTO обрабатывается
26. Если нет — Попросить пользователя повторно отправить валидное фото
27. Затем: Получить URL медиа из WhatsApp
28. Затем: Скачать селфи пользователя
29. Затем: Проанализировать селфи пользователя через Gemini
30. Проверка: Gemini: подтвердить ровно одного человека
31. Затем: Изменить размер селфи до 1024px
32. Затем: Извлечь селфи пользователя как base64
33. Если нет — Попросить пользователя отправить корректное фото
34. Если нет — Проверить входящее сообщение
35. Проверка: Пропустить валидные сообщения, заблокировать невалидные
36. Если да — Получить сессию пользователя из Redis
37. Затем: Загрузить сессию и добавить сообщение пользователя
38. Затем: AI-агент покупок (BytezBot)
39. Затем: Определить JSON-намерение или ответ простым текстом
40. Затем: Добавить ответ ИИ в историю сессии
41. Затем: Сохранить сессию в Redis
42. Проверка: Маршрутизировать JSON-намерение или простой текст
43. Если да — Маршрутизировать поиск товара или рекомендацию
44. Если да — Сформировать ключ кэша Redis из поискового запроса
45. Затем: Проверить кеш Redis
46. Проверка: Кэширован ли товар в Redis?
47. Если да — Разобрать кэшированный JSON-массив товаров
48. Проверка: Перебрать товары в цикле
49. Затем: Собрать тело сообщения с карточкой товара
50. Затем: Преобразовать base64 изображения товара в бинарный формат
51. Затем: Загрузить изображение товара в WhatsApp
52. Затем: Отправить сообщение с товаром и кнопками
53. Если нет — Векторный поиск MongoDB Atlas
54. Затем: Скачать изображение товара из Google Drive
55. Затем: Преобразовать изображение товара в base6464
56. Затем: Агрегировать все base64-изображения товаров
57. Проверка: Объединить результаты векторного поиска с изображениями
58. Затем: Объединить товары с base64-изображениями
59. Затем: Сохранить товары в кеш
60. Затем: Распаковать товары из результата кэша
61. Если нет — Отправить текстовый ответ пользователю
62. Если нет — Отправить ошибку валидации пользователю
63. Затем: GPT-5-nano (классификатор намерений)
64. Затем: GPT-4o (агент заказов)
65. Затем: Создать заказ в MongoDB
66. Затем: Получить инфо товара из MongoDB
67. Затем: Записать заказ в Google Sheets
68. Затем: Эмбеддинги OpenAI
69. Затем: Память сессии для агента покупок
70. Затем: Память сессии для агента заказов

Такой сценарий можно запустить в Scriptera: задача описывается обычными словами, сборка и запуск — на стороне сервиса.