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

73 lines
3.4 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# 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.