Оценка автомобилей на турецком рынке

Поможет комплексно разработать платформу для объективной оценки стоимости автомобилей на нестабильном турецком рынке, с учетом всех нюансов и технологических решений.

Слот выдачи · Промт · GPT

Выступите в роли старшего продуктового инженера и специалиста по данным, работающих вместе как автономный ИИ-агент. Вы создаете полноценное веб- и мобильное приложение, вдохновленное концепцией «Kelley Blue Book – Сколько стоит моя машина?», но строго адаптированное для турецкого автомобильного рынка. Ваша миссия – спроектировать, обосновать и реализовать надежную платформу для оценки автомобилей в Турции, где: * Существующие торговые площадки (например, платформы объявлений) имеют сильно колеблющиеся, нереалистичные и манипулируемые цены. * Пользователи хотят получить справедливую, основанную на данных оценку реальной рыночной стоимости своей машины. Вы будете работать в стиле агента, ориентированного на vibe coding: * Think step-by-step (Мыслите пошагово) * Make explicit assumptions (Делайте явные допущения) * Propose architecture before coding (Предлагайте архитектуру перед кодированием) * Iterate incrementally (Итерируйте постепенно) * Justify major decisions (Обосновывайте основные решения) * Prefer clarity over speed (Предпочитайте ясность скорости) 1. КОНТЕКСТ И ЦЕЛИ * Видение продукта: Создать надежную платформу для «оценки стоимости автомобиля» в Турции, которая: * Предоставляет реалистичные ценовые диапазоны (мин. / справедливая / макс.). * Объясняет, почему автомобиль оценен именно так. * Удобна на веб- и мобильных устройствах (дизайн Mobile-first). * Прозрачна и основана на данных, не спекулятивна. * Целевые пользователи: * Индивидуальные владельцы автомобилей в Турции. * Покупатели, желающие получить справедливую ориентировочную цену. * Продавцы, желающие установить реалистичную цену. 2. РЫНОЧНЫЕ И ДАННЫЕ ОГРАНИЧЕНИЯ (ОЧЕНЬ ВАЖНО) Вы должны учитывать: * Специфику турецкого рынка (инфляция, налоги, влияние обменного курса). * Высокое отклонение и шум в ценах объявлений. * Манипуляции, эмоциональное ценообразование и ложные премии в объявлениях. НЕЛЬЗЯ: * Слепо доверять ценам объявлений. * Предполагать стабильный или эффективный рынок. ВМЕСТО ЭТОГО: * Используйте статистическую фильтрацию. * Создавайте модель распределения цен. * Отдавайте предпочтение надежным оценщикам (медиана, усеченное среднее, процентили). 3. ВХОДНЫЕ ПЕРЕМЕННЫЕ (ХАРАКТЕРИСТИКИ АВТОМОБИЛЯ) Минимум, поддерживайте следующие входные данные: Обязательные: * Марка * Модель * Год * Тип топлива (Бензин, Дизель, Гибрид, Электро) * Трансмиссия (Механика, Автомат) * Пробег (км) * Город (региональные особенности для Турции) * Состояние повреждений (Нет, Мелкие, Значительные) * Количество владельцев Необязательные, но ценные: * Объем двигателя * Комплектация/пакет * Цвет * Тип использования (личное / автопарк / такси) * Серьезность аварийной истории 4. ЛОГИКА ОЦЕНКИ (ОСНОВНОЙ ИНТЕЛЛЕКТ) Разработайте конвейер оценки, который включает: 1. Абстракция сбора данных (Предположим, данные поступают из нескольких зашумленных источников). 2. Очистка и нормализация данных: * Удаление экстремальных выбросов. * Обнаружение нереалистичных цен. * Нормализация пробега относительно года. 3. Взвешивание признаков: * Снижение стоимости за пробег. * Амортизация по возрасту. * Штрафы за повреждения. * Корректировка цены в зависимости от города. 4. Стратегия оценки цены: * Вывод ценового диапазона: нижняя граница (быстрая продажа), справедливая рыночная стоимость, верхняя граница (оптимистичная). * Включение оценки уверенности. 5. Слой объяснимости: * Объяснение, почему цена такая. * Показ, какие признаки увеличили/уменьшили стоимость. 5. ПРЕДПОЧТЕНИЯ ПО ТЕХНОЛОГИЧЕСКОМУ СТЕКУ Вы можете предложить альтернативы, но по умолчанию: Фронтенд: * React (или Next.js) * Адаптивный дизайн Mobile-first. Бэкeнд: * Python (предпочтительно FastAPI) * Модульная, чистая архитектура. Данные / ML: * Pandas / NumPy * Scikit-learn (или легкий ML, без тяжелых моделей «черного ящика» изначально)

✈ Сгенерить в боте

КАРТИНКИ

Картинки Аналитика

Опасность ИИ-диагностики

▶

Разбор промта

Это текстовый промт: он задаёт модели роль и форму ответа, а не описывает картинку. Ниже — что здесь за что отвечает.

Что менять под себя

Если ответ получился общим — добавьте в конец одно ограничение: объём, запрет на клише или требование конкретных цифр.

В других моделях

Текстовый промт переносится между моделями почти без правок — синтаксиса, привязанного к одной из них, здесь нет.

Если модель игнорирует часть формата — повторите требование в конце запроса. Последняя строка весит больше середины.

GPT, Claude и Gemini выполнят эту инструкцию одинаково по смыслу. Разница будет в стиле: Claude обычно осторожнее с выводами, GPT охотнее выдаёт готовые формулировки.

Частые вопросы

Почему каждый запуск даёт разный кадр?

Так устроены генеративные модели: один и тот же текст каждый раз разворачивается в новую картинку, и это не ошибка промта. Рабочий приём — запустить его 3–4 раза и выбрать из выдачи, а не переписывать текст после первой неудачной попытки.

Где это запускать

GPT. chatgpt.com или любое приложение с доступом к модели. Промт вставляется первым сообщением, дальше уточняете в диалоге.

Или прямо в нашем боте. Если разбираться с сервисами сейчас некогда — отправьте промт боту, он запустит генерацию сам. Бесплатно, с суточным лимитом. Открыть бота →

Переписали промт под себя. Если от нашего текста осталась половина, запускать его удобнее на отдельной странице: там выбор сети и пропорций. Свой промт →