Нейросеть для визуализации данных: как граф связей нашёл скрытые изменения в новых Правилах продажи

Формально задача звучит просто: понять, что изменилось в нормативном акте. На практике всё сложнее. В начало нового документа добавили три пункта, и вся нумерация сдвинулась на три позиции. Вдобавок по тексту прошла сплошная редакторская правка: например, «при дистанционном способе продажи товара» стало «при продаже товара дистанционным способом». Построчное сравнение (diff) подсветит весь раздел, хотя по смыслу ничего не изменилось. А любая большая языковая модель напишет гладкий текст, в котором галлюцинации (когда модель уверенно выдумывает то, чего не было) при обычном чтении практически незаметны.

Автор инструмента PlyLoom предложил другой подход: не спрашивать модель «что изменилось», а использовать нейросеть для визуализации данных, превращая оба документа в граф связей, где различия видны структурно.

Что понадобится?

• Два текста для сравнения: старая и новая редакции нормативного акта (или любых других документов). Официальные тексты ПП № 2463 и ПП № 657 доступны на government.ru
• Инструмент PlyLoom: открытый инструмент для построения графов связей, доступен на GitHub
• Доступ к языковой модели: подойдёт ChatGPT, Claude или другая LLM, способная обработать длинный текст
• Промпт (промпт, текстовая инструкция для модели) из справки PlyLoom: копируется целиком, без изменений
• Время: от 20 до 40 минут на первый разбор, дальше быстрее

Как это сделать: пошаговая инструкция

1. Сохраните оба документа в виде отдельных текстовых файлов. Старую и новую редакцию берите с официального источника, а не из пересказов

2. Скопируйте промпт из справки PlyLoom целиком. Промпт настроен так, чтобы модель нарезала пункты правил на отдельные структурные элементы. Это промежуточный шаг: LLM здесь не анализирует смысл, а только разбивает текст на фрагменты по заданным правилам

3. Отправьте промпт вместе с текстами в языковую модель. На выходе вы получите файл в формате .plyloom.json, готовый к загрузке в инструмент

4. Загрузите полученный файл в PlyLoom. После загрузки появится возможность сравнения side-by-side: два документа рядом, связи между соответствующими пунктами визуализированы

5. Изучите граф связей. Различия разбиты по листам, на каждом вынесены конкретные расхождения между редакциями

Зачем нужен отдельный Python-скрипт для нарезки? Чтобы исключить выдумывание самих пунктов. Модель не пересказывает и не интерпретирует, она только режет текст на структурные единицы по формальным признакам. Содержательный анализ остаётся человеку.

Что показал граф на примере претензий?

Нейросеть для визуализации данных наглядно выявила конкретные изменения в разделе о претензиях, которые при обычном чтении легко пропустить.

Было (ПП № 2463, пункт 5): продавец направляет ответ на претензию, без уточнений формы и сроков.

Стало (ПП № 657):

• Ответ направляется в письменной или электронной форме
• Ответ уходит на адрес, указанный в самой претензии, а не из профиля покупателя
• Срок считается от момента получения претензии
• Форма претензии собирает номер заказа и реквизиты

При этом из текста исчезла оговорка: «если покупатель не сообщил способ, он вправе прислать претензию как угодно». Это значит, что вопрос приёма претензий не по установленной форме теперь решает сам магазин. Обязательности нет, но если политику не зафиксировать, она просто потеряется.

Кому это пригодится и что делать прямо сейчас?

E-commerce в России. Если ваш магазин работает с претензиями покупателей, проверьте три вещи: ответ уходит на адрес из претензии (не из профиля), форма собирает номер заказа и реквизиты, политика приёма претензий не по форме зафиксирована письменно. Это конкретные новые требования ПП № 657, а не редакторские правки.

Авторам Дзена и копирайтерам. Подход работает для любых парных документов: сравнение версий договора, анализ изменений в оферте платформы, разбор обновлённых правил монетизации. Готовый граф, это наглядная иллюстрация к статье, которая выглядит убедительнее скриншота текста.

Маркетологам и юристам. Метод снимает слой рутины: вместо вычитывания двух документов по абзацам вы получаете карту расхождений и работаете только с ними.

Попробуйте на своём примере: возьмите любые два документа, где нужно найти реальные различия, а не утонуть в редакторских правках, и проверьте, сколько «изменений» окажутся шумом.