Agente open source contra 1C Napar: el RAG híbrido con DeepSeek gana en la práctica

El agente está construido sobre LangGraph (Deep Agents) con búsqueda de texto completo mediante FTS de PostgreSQL y búsqueda vectorial mediante pgvector + HNSW. Los resultados se combinan con Reciprocal Rank Fusion. Un analizador de metadatos se orienta entre 236.000 archivos y 193.000 directorios de configuraciones estándar de 1C. Para la búsqueda en internet usan la API de Yandex, no los buscadores integrados en los chats.

• Tiempos de espera en bloqueos administrados: el agente propuso un filtro para eventos TLOCK (>1 seg), TTIMEOUT y TDEADLOCK, además de analizar las acciones de la conexión bloqueante; Napar ofreció una configuración básica sin detalles
• Conexión de un catálogo a BSP: el agente señaló los tipos definidos, la suscripción EscribirVersiónDeObjeto y un manejador del gestor; Napar propuso una alternativa mediante el historial de datos propio de la plataforma
• Bloqueo de la anulación de contabilización: el agente entregó código listo con una consulta a un registro de acumulación y advirtió sobre la necesidad de un bloqueo administrado

La conclusión obvia sería: el proveedor tiene acceso total a sus materiales y contexto ilimitado, así que su modelo siempre debería ser mejor. Pero no es así. En la práctica, la diferencia de calidad entre un modelo especializado y un modelo de nube convencional a menudo no justifica el costo del ajuste fino, si detrás del modelo hay una buena indexación y fuentes de conocimiento bien elegidas.

Habr tomó preguntas reales de desarrolladores de 1C y comparó un agente open source con el asistente comercial Napar. Los resultados fueron inesperados.

Arquitectura: RAG híbrido sobre LangGraph

Los modelos elegidos fueron de primer nivel: deepseek-v4-flash, gpt-6.1-sol, glm-5.3-flash. Todos manejan herramientas de forma similar y tienen ventanas de contexto suficientes. Lo decisivo no fue el modelo, sino su entorno.

El framework es LangGraph (Deep Agents), con planificación, delegación a subagentes y control de contexto mediante resumen del historial.

Para el conocimiento, implementaron un RAG híbrido. La rama de texto completo usa FTS de PostgreSQL con diccionario en ruso; la rama vectorial usa pgvector con índice HNSW. Se combinan mediante Reciprocal Rank Fusion: los candidatos mejor clasificados en cada resultado suben al final de la lista combinada.

Para el código fuente de las configuraciones estándar construyeron un índice rápido de 236.000 archivos y 193.000 directorios. Añadieron también un analizador de metadatos que recopila objetos, atributos y las relaciones entre ellos, lo que ayuda a orientarse en los módulos.

Para internet usan la API de Yandex en lugar de la búsqueda integrada en los chats. Esto da resultados más relevantes para contenido ruso. El agente agrega y resume todo lo que encuentra.

Tres pruebas con tareas reales

1. Un registro tecnológico para tiempos de espera en bloqueos administrados.

El agente entregó una configuración con un filtro para esperas largas (eventos TLOCK superiores a 1 segundo, TTIMEOUT, TDEADLOCK), analizó el campo WaitConnections para localizar la conexión bloqueante y propuso rastrear sus acciones: consultas largas, llamadas a servicios externos, procesamiento prolongado dentro de una transacción.

Napar también entregó una configuración y mencionó WaitConnections, pero se centró en reunir material para una investigación, sin analizar el lado bloqueante.

2. Conexión de un catálogo no estándar al subsistema de versionado BSP.

El agente: agregar el tipo a los tipos definidos DatosVersionados y DatosVersionadosObjeto, implementar en el gestor del catálogo un manejador AlDefinirConfiguracionesDeVersionadoDeObjetos, y llamar a la inicialización desde el evento AlCrearseEnElServidor del formulario. La suscripción EscribirVersiónDeObjeto ya escucha el evento necesario. Aportó código y señaló que para los catálogos se usa precisamente esa suscripción, no EscribirVersiónDeDocumento.

Napar propuso otro mecanismo: la propiedad Historial de datos del catálogo y una tarea programada que llama a HistorialDeDatos.ActualizarHistorial(). Es válido, pero se trata de una alternativa, no de una conexión al BSP estándar.

3. Bloqueo de la anulación de contabilización cuando ya se dieron de baja partidas.

El agente entregó un manejador AlProcesarAnulaciónDeContabilización con una consulta al registro MercancíasPorPartidas, un filtro sobre movimientos de salida, y una verificación mediante ResultadoDeConsulta.EstaVacío(). Incluyó además una advertencia importante: para protegerse contra bajas simultáneas se necesita un bloqueo administrado (ausente en el ejemplo).

Napar dio un esquema, sin profundizar en las distintas variantes.

Conclusión

Un modelo abierto combinado con una indexación de calidad —RAG híbrido, análisis de metadatos, elección correcta de fuentes— a menudo da resultados no peores que un modelo especializado. Resulta más rentable invertir en infraestructura de búsqueda que en ajuste fino. 1C Napar resuelve bien las preguntas estándar, pero responde de forma más superficial ante las complejas.