Files
buryan-infra/ops/work/POLY-FOUND.md
T

3.4 KiB
Raw Blame History

Poly найден: официальные страницы hp.com (12.11.2026)

Что не работало

Источник Ответ
documents.polycom.com 503
support.polycom.com/sitemap.xml HTML Angular-приложения вместо карты
www.poly.com/sitemap.xml HTML 597 КБ, даже через прокси

Poly принадлежит HP — и вот там данные есть.

Где нашлось

https://www.hp.com/us-en/poly/video-conferencing.html — открывается напрямую (631 КБ). Прокси, наоборот, отдавал 000 — то есть виноват был именно он.

Обход дал 32 страницы продукции (без магазинных):

poly/video-conferencing/all-in-one/studio-x72.html
poly/video-conferencing/modular/g7500.html
poly/video-conferencing/all-in-one/studio-x52.html
poly/video-conferencing/pc-based.html
...

Локализованные дубли (be-fr, pl-pl, jp-ja …) отфильтрованы: оставлен только /us-en/.

Проверка извлечения

Было: device: None, фактов 0 — модель читала меню вместо характеристик.

Исправлено два дефекта:

  1. Выбор фрагмента по плотности характеристик — скользящее окно ищет участок с максимумом ключевых слов и чисел, а не первое вхождение слова «specification» (оно в меню).
  2. Чистка мусора в тексте — выброшены пути /content/dam/…png, @2x, check_mark, строки из одного слова.

Стало:

device: HP Poly Studio X72
факты:  совместим с Microsoft Teams / Zoom / Google Meet
фрагмент: «Advanced microphone design … HP Poly Studio X72 is compatible with
          leading collaboration platforms»

Текущие результаты по вендорам

Вендор Документов Фактов Зависимостей Моделей
vinteo 19 43 13 —
iva 13 30 8 2
logitech 6 13 5 2
poly 3 6 1 1 (Studio X72)

Честные ограничения

  1. Logitech: 57 из 63 страниц пустые — в базе знаний Zendesk много картинок-галерей и служебных статей. Нужен фильтр по заголовку (datasheet, specifications, setup).
  2. Vinteo: модели не определяются — страницы маркетинговые; нужны PDF-каталоги (в очереди есть /download/).
  3. Poly: 32 страницы — это продуктовые обзоры; полноценные PDF-даташиты лежат на h20195.www2.hp.com (нужен отдельный сбор PDF и pdftotext, который на хосте уже есть).
  4. Заглушки: модель иногда копировала схему в значения («с каким устройством/сервисом совместимо») — почищено постфильтром и дополнением промпта.