Affle (Visenze)

ViSenze: Агентский визуальный поиск и обзор Multi-Search

По состоянию на январь 2026 года ViSenze интегрирована в экосистему Rezolve AI, перейдя от самостоятельного инструмента визуального поиска к комплексному агентскому решению для разговорной коммерции. Архитектура платформы основана на высокопроизводительном мультимодальном движке, который сопоставляет визуальные намерения (фото, скриншоты) с естественно-языковыми запросами для обеспечения лидерской точности поиска на уровне 99% [Documented]. Основная система выступает в роли специализированного слоя оркестрации, устраняющего разрыв между неструктурированным социальным контентом и базами данных товарных запасов продавцов [Inference].

Оркестрация моделей и агентская логика

В 2026 году используется архитектура Multi-Search, позволяющая одновременно обрабатывать текст, ключевые слова и эмбеддинги изображений в рамках единого запроса [Documented].

• Генеративная разметка (GenAI Tagging): Применяет генеративные модели для автоматизации обогащения каталогов, извлекая сотни стилевых атрибутов (материал, силуэт, повод) для снижения ручной нагрузки на метаданные [Documented].
• Агенты разговорного ИИ: Интегрируются с Rezolve’s Brain для обработки запросов в режиме реального времени, предлагая образы на основе типа фигуры и погодных трендов [Documented].
• Движок визуального сходства: Использует специализированные трансформеры глубокого обучения, оптимизированные для сценариев «с улицы в магазин» с задержкой менее 500 мс [Documented].

⠠⠉⠗⠑⠁⠞⠑⠙⠀⠃⠽⠀⠠⠁⠊⠞⠕⠉⠕⠗⠑⠲⠉⠕⠍

Шаблоны интеграции и покупаемый медиаконтент

Совместимость достигается через REST API и новый протокол контекста моделей (MCP), позволяющий агентам ИИ автономно генерировать галереи с возможностью покупки [Documented]. Нативные SDK для Unity и WebXR обеспечивают иммерсивный опыт «Увидел — захотел» в средах пространственных вычислений [Documented].

Производительность и управление ресурсами

Система обрабатывает более 3 миллиардов визуальных поисков по всему миру, используя распределённые кластеры GPU для индексации векторов в реальном времени. Генерация описаний при высокой нагрузке выносится на управляемые вычислительные мощности, при этом точные задержки синтеза генеративных описаний в пиковых режимах остаются закрытой информацией [Unknown].

Рекомендации по оценке

Техническим экспертам следует проверить следующие архитектурные характеристики:

• Задержка Multi-Search: Провести бенчмаркинг времени отклика для запросов, объединяющих изображения высокого разрешения и сложные естественно-языковые строки (целевой показатель < 800 мс) [Unknown].
• Точность разметки: Провести аудит точности генеративной разметки по различным категориям SKU, особенно для не относящихся к моде товаров, где данные визуального обучения могут быть ограничены [Inference].
• Атрибуция CPCU: Запросить документацию по детерминированной логике атрибуции, используемой для сопоставления визуального поискового намерения с финальными конверсиями в рекламном стеке Affle [Documented].