Инженерный тур. 2 этап

Для решения задачи необходимо корректно настроить и соединить узлы материала в Blender. В качестве примера рассмотрим создание материала на плоскости (plane).

1. Создание плоскости:

   • В рабочем файле Blender выберите Add (Добавить) в верхней панели инструментов или нажмите Shift + A, чтобы открыть меню добавления объектов.
   • В появившемся меню выберите Mesh → Plane, чтобы создать новую плоскость.

2. Работа с материалами:

   • Перейдите в режим редактирования материалов, выбрав Material в нижней части окна 3D Viewport.
   • Нажмите кнопку Use Nodes (Использовать ноды), если она еще не активна.
   • По умолчанию в окне материала создаются два узла: Material Output и шейдер. Эти узлы не указаны в условии, но необходимы для вывода материала, поэтому их следует оставить.

3. Добавление и настройка нодов:

   • Добавьте ноды, представленные в условии, через верхнюю панель инструментов или, нажав Shift + A и выбрав нужный узел:

     • Musgrave Texture Node (в новых версиях Blender заменен на Noise Texture).
     • Math Node: выберите операцию Abs (абсолютное значение), чтобы усилить контрастность текстуры.
     • Mix Color Node: этот нод смешивает два цвета, позволяя управлять соотношением элементов на текстуре.
     • Color Ramp Node: помогает точно настроить цветовые переходы и формы текстуры.
   • Настройте все ноды в соответствии с условиями задачи.

4. Соединение узлов:

   • Соедините ноды в правильной последовательности. Обычно рекомендуется сначала подключить Musgrave Texture, а затем остальные ноды в следующем порядке: Math Node, Mix Color Node, Color Ramp Node. В некоторых случаях требуется другая последовательность.
   • После соединения узлов сравните результат с референсным изображением. Если результат отличается, измените последовательность подключения.

Для первой референсной текстуры ноды необходимо соединить в следующей последовательности:

1. Musgrave Texture Node;
2. Math Node;
3. Color Ramp Node;
4. Mix Color Node.

Таким образом, ответ для первой текстуры: 4132.

Для получения референсных текстур ноды необходимо соединить в следующем порядке:

• первая текстура: 4132;
• вторая текстура: 24153;
• третья текстура: 2341.

4132	24153	2341

Алгоритм эталонного решения:

1. С помощью Python написать скрипт, который визуализирует точки в трехмерном пространстве.
   Python

   import bpy
   import bmesh
   
   def create_vertices(coords):
       mesh = bpy.data.meshes.new("NTO_Mesh")
       obj = bpy.data.objects.new("NTO_Object", mesh)
       bpy.context.collection.objects.link(obj)
       bm = bmesh.new()
       for coord in coords:
           bm.verts.new(coord)
       bm.to_mesh(mesh)
       bm.free()
   
   coordinates = [тут список координат]
   create_vertices(coordinates)

2. После этого сохранить полученный результат в формате .ply.
3. В программе MeshLab открыть данный файл, выбрать функцию Filter → Normals, Curvatures and Orientation → Compute normals for point set для создания ориентации вершин в пространстве. Это даст понять программе, где находится внутренняя, а где — внешняя часть создаваемого меша. Настройки можно оставить по умолчанию. После использования данной функции вершины с внешней стороны должны окраситься в более светлый оттенок, внутри — в более темный.
4. Выбрать Filter → Remeshing, Simplification and Reconstruction → Surface Reconstruction: Screened Poisson. Настройки можно оставить по умолчанию. Получившийся меш сохранить как один из экспортируемых форматов, предпочтительно .fbx или .obj.
5. Полученный результат импортировать в приложенный файл формата .blend, использовать модификатор decimate или иным способом уменьшить количество полигонов, наложить подготовленный материал «основной».
6. Нажать Render → Render Image и полученное изображение отправить на проверку.

Для решения данной задачи необходимо воссоздать все карточки, представленные в условии, а затем расставить их в правильном порядке и разделить по узлам в соответствии с логикой работы бота.

Описание логики алгоритма с указанием карточек:

• После старта бота он может отправить сообщение с приветствием, поэтому карточка а будет первой.
• После приветствия и вопроса бот ожидает ответа или вопроса от пользователя — это карточка б.
• Для последующей работы с текстом сообщения необходимо записать его в переменную, что соответствует карточке в. Следует уточнить, что перед выполнением этой операции переменная должна быть определена в интерфейсе Botpress.
• Следующим шагом определяется, содержит ли вопрос пользователя ключевые слова, необходимые для поиска в базе знаний бота (карточка г).
• Если ключевые слова найдены, отправляется запрос в базу знаний, которую необходимо заранее создать и разметить заголовками в соответствующей части интерфейса инструмента. Для тестирования бота можно использовать данные из Википедии. За поиск в базе данных отвечает карточка е.
• Если информация найдена, она выводится пользователю (карточка ж).
• Существует альтернативный сценарий, при котором пользователь вводит некорректный вопрос. В этом случае бот отвечает, что не может об этом говорить (карточка д). Это происходит, если ключевые слова не были найдены в сообщении пользователя.

Разделение карточек по узлам может быть выполнено различными способами, например, на четыре основных этапа:

1. Приветствие и ожидание ввода сообщения.
2. Получение сообщения и поиск ключевых слов.
3. Поиск информации в базе данных или ответ о том, что бот не может предоставить информацию.
4. Ответ из базы знаний.

В этом случае схема в инструменте будет выглядеть как на рис. 1.9.

В качестве решения для данной задачи подготовлен видеоразбор задачи: https://disk.yandex.ru/d/No65_PqqywOP6g/solution.mp4.

Вот краткий пошаговый план из видео выше для создания 3D-модели, которая будет оптимизирована под проект дополненной реальности:

1. Создайте модель, используя предложенные примитивы.
2. Измените модель в режиме редактирования в соответствии с анатомическим референсом.
3. Создайте UV-развертку.
4. Создайте копию модели и добавьте модификатор Multiresolution, увеличьте количество уровней подразделения.
5. В режиме скульптинга добавьте детали. Примите модификатор.
6. В настройках рендера смените движок на Cycles, во вкладке Bake выберите тип запекания Normal, включите чекбокс Selected to Active.
7. Выделите высокодетализированную версию вместе с низкодетализированной, низкодетализированная модель должна быть активной.
8. В режиме шейдинга низкодетализированной модели добавьте материал и текстуру. Выделите текстуру, но не соединяйте ее с нодом шейдера.
9. Нажмите кнопку запекания. При необходимости откорректируйте параметр Max distance, если на изображении запечки есть артефакты.
10. Сохраните текстуру и соедините текстуру через нод Normal Map с шейдером, цветовой профиль выставьте не цветовой.
11. Добавьте текстуру Diffuse. Это может быть ручная текстура, текстура изображения или процедурная текстура. Допускается использование нейросетей.
12. Проверьте настройки трансформации модели, по необходимости примите текущие как базовые.
13. Выделите модель и экспортируйте ее в формате gltf, отметьте чекбокс Selected Only для исключения лишних объектов.

Задачу можно разделить на две составляющие:

1. база знаний,
2. разработка чат-бота.

Для базы знаний можно использовать открытые источники, например, научные статьи в интернете, материалы из учебников и т. п. Кроме того, следует выделить ключевые вопросы, которые можно дополнительно обсуждать с ассистентом. Например, бот может рассказывать исключительно о работе органа или дополнительно рассказать о каждой его клетке/части, часто встречаемых заболеваниях данного органа и тому подобные аспекты. Для отображения разработанного концепта нужно составить изображение, содержащее краткие подписи (см. рис. 2.3). В дальнейшем эта информация собирается в базы данных.

Для лучшей работы базы знаний в Botpress необходимо выделить заголовки или дополнительные интенты в загружаемом тексте. В качестве примера можно использовать текст статьи в Википедии, который при копировании сохраняет форматирование заголовков.

Для разработки бота первым этапом опишем сценарий его работы:

1. Приветствие от бота при старте.
2. Ожидание пользовательского ввода и обработка для поиска интента.
3. Ответ от бота ограничивается базой знаний с помощью выделенного интента.
4. Отдельный вывод, в случае если интент не был выделен.
5. Наличие обратной дуги на обработку пользовательского ввода для обработки дальнейших вопросов.

Для реализации подобного сценария в задаче 1.7 индивидуального тура представлена примерная схема работы, ее следует доработать в нескольких аспектах: добавить интенты для разговоров по пяти органам, расширить базу знаний и зациклить его работу для бесконечного диалога с пользователем.

Архитектура бота в Botpress для данной задачи выглядит как на рис. 2.5.

Для интеграции разработанного чат-бота в Botpress есть два варианта: API и web-chat. Так как в дальнейшем в задаче предусмотрена подсветка органов в зависимости от контекста общения с пользователем, то потребуется настройка API, а также данный метод более гибок для настройки UI интерфейса в дальнейшем.

Первым шагом необходимо правильно настроить web-hook. Для этого рекомендуем ознакомиться с официальной документацией, доступной по ссылке: https://botpress.com/docs/hooks. Botpress реализует web-hook для того, чтобы каким-либо образом преобразовать вывод от агента в разные моменты взаимодействия с ним. В данном случае необходим web-hook, который срабатывает в момент после того, как агент сформировал полный ответ. Он преобразовывает ответ, явно выделяя, какой именно орган определил агент из вопроса пользователя.

Для того чтобы начать работу с web-hook, необходимо перейти в соответствующий пункт в меню работы с агентом в интерфейсе и явно создать hook - before outgoing, как представлено на рис. 2.6.

После этого появится заготовка функции на языке JavaScript, аргументы которой понадобятся для реализации поведения. В данном случае ключевым аргументом является outgoingEvent — именно в этом аргументе хранится весь ответ от агента, который был сформирован до вызова функции.

async function hook(outgoingEvent: IO.OutgoingEvent, event: IO.IncomingEvent): Promise<void> {
  let full_answer = outgoingEvent['payload']['text']
  let organ_end = full_answer.indexOf('.')

  let organ_name = full_answer.slice(0, organ_end).toLowerCase()
  let answer = full_answer.slice(organ_end + 2)

  if (organ_end == -1) {
    organ_name = ''
    answer = full_answer
  }
  let new_text = { organ: organ_name, answer: answer }

  outgoingEvent['payload']['text'] = JSON.stringify(new_text)
  console.log(outgoingEvent['payload']['text'])
}

Выше представлен полный код, достаточный чтобы реализовать поставленную задачу.

Алгоритм работы функции следующий:

1. Получаем весь ответ от пользователя из приходящего аргумента outgoingEvent.
2. Разделяем весь ответ на две части: явно прописанный орган и соответствующая информация, которая отвечает на вопрос пользователя.
3. В случае, если орган определить не удалось, ответ от агента не содержит информации о том, про какой орган идет речь, поэтому необходимо проверить поведение и задать переменную organ_name — явно пустой.
4. Остается сформировать JSON стандарт в ответе, здесь явно необходимы organ_name и answer.
5. Получившийся ответ необходимо поместить обратно в outgoingEvent.

В результате получается функция, которая преобразует вывод от бота в формат JSON со структурой, в которой явно указан орган, выделенный из вопроса пользователя.

Вторым этапом в работе необходимо написать код javascript для отправки запросов и получения ответов, а также обработать возможные ошибки, в ходе подключения к чат-боту, например, отсутствие соединения, неправильный вывод ответа.

Ниже представлен итоговый код для данной задачи.

async function changeText(text) {
    if (text) {
        const answerText = document.getElementById("answerText");
        answerText.setAttribute("value", text);
    }
}

function getQuestionInput() {
    const question = document.getElementById("promt");
    return question ? question.value : '';
}

function clearQuestionInput() {
    const question = document.getElementById("promt");
    if (question) question.value = '';
}

var start_dialog = false;

const URL = "https://chat.botpress.cloud/{Ваша ссылка на бота}";

// Функция для отправки POST-запросов
async function sendRequest(url_add, headers, body) {
    try {
        const options = Object.assign({}, headers, body);
        console.log("Отправка запроса с параметрами:", options);
        const response = await fetch(URL + url_add, options);
        const data = await response.json();

        if (response.status === 200) {
            return { success: true, data };
        } else {
            console.error("Ошибка:", response.status, data);
            return { success: false };
        }
    } catch (error) {
        console.error("Ошибка запроса:", error);
        return { success: false };
    }
}

// Функция для отправки GET-запросов
async function getRequest(url_add, headers) {
    try {
        const options = headers;
        const response = await fetch(URL + url_add, options);
        const data = await response.json();

        if (response.status === 200) {
            return { success: true, data };
        } else {
            console.error("Ошибка:", response.status, data);
            return { success: false };
        }
    } catch (error) {
        console.error("Ошибка запроса:", error);
        return { success: false };
    }
}

// Функция для отправки вопроса боту
async function submitQuestion(question, userid, conversationid) {
    if (!question) return;

    changeText("Подожди секундочку");

    let headers = {
        method: "POST",
        headers: {
            accept: "application/json",
            "x-user-key": userid,
            'Content-Type': 'application/json',
        }
    };
    let body = {
        body: JSON.stringify({payload: {type: 'text', text: question}, conversationId: conversationid})
    };

    const response = await sendRequest("/messages", headers, body);

    if (response.success) {
        console.log("Ответ бота:", response.data);
        return {status: true, ans: response.data};
    } else {
        changeText("Упс! Произошла ошибка");
        return {status: false, ans: response.data};
    }
}

// Функция для получения сообщений из чата
async function fetchMessages(conversationid, userid) {
    try {
        let headers = {
            method: 'GET', headers: {accept: 'application/json', 'x-user-key': userid}
        }
        const messagesResponse = await getRequest(`/conversations/${conversationid}/messages`, headers);
        if (!messagesResponse.success) throw new Error("Ошибка при получении сообщений");

        const messages = messagesResponse.data.messages;
        console.log("Полученные сообщения:", messages);
        if (messages.length > 0){
          let msg = JSON.parse(messages[0].payload.text);
          console.log("Ответ бота:", msg.answer);
          return {st: true, ms: msg};
        }
        return {st: false};
    } catch (error) {
        return {st: false};
    }
}

let userid = "ваш апи ключ";
let token = "идентификатор бота";
let we = "";
let conversationid = "";

// Функция инициализации пользователя и беседы
async function initialize() {
    try {
        let headers = {
            method: "POST",
            headers: {
                accept: "application/json",
                "x-user-key": userid,
                'Content-Type': 'application/json',
                'Access-Control-Request-Method': 'POST',
                'Origin': 'https://working-grey-protoceratops.glitch.me'
            }
        };
        let body = {
            body: JSON.stringify({name: "test"})
        };

        const userResponse = await sendRequest(`/users/`, headers, body);
        if (!userResponse.success) throw new Error("Ошибка при получении пользователя");

        we = userResponse.data.user.id;
        
        headers = {
            method: "POST",
            headers: {
                accept: "application/json",
                "x-user-key": userid,
                'Content-Type': 'application/json',
            }
        };
        body = {
            body: JSON.stringify({id: '111'})
        };

        const convoResponse = await sendRequest(`/conversations/get-or-create`, headers, body);
        if (!convoResponse.success) throw new Error("Ошибка при создании беседы");

        conversationid = convoResponse.data.conversation.id;
        
        return { userid, conversationid, we };
    } catch (error) {
        console.error("Ошибка инициализации:", error);
        return { success: false };
    }
}

// Функция для управления видимостью 3D моделей
function handleModelVisibility(answer) {
    const brainModel = document.getElementById("brain");
    const heartModel = document.getElementById("heart");

    if (answer.toLowerCase().includes("brain")) {
      brainModel.setAttribute("visible", "true");
      heartModel.setAttribute("visible", "false");
    } else if (answer.toLowerCase().includes("heart")) {
      heartModel.setAttribute("visible", "true");
      brainModel.setAttribute("visible", "false");
    } else {
      brainModel.setAttribute("visible", "false");
      heartModel.setAttribute("visible", "false");
    }
}

// Основная функция запуска
async function start() {
    var start_dialog = false;
    const { userid, conversationid, we } = await initialize();
    if (!userid || !conversationid) return;
    setInterval(() => {
      fetchMessages(conversationid, userid).then(d =>{
        if(d.st){
          handleModelVisibility(d.ms.organ);
          changeText(d.ms.answer);
        }
      });
    }, 5000);
}

document.addEventListener("DOMContentLoaded", (event) => {
  start();
});

Данный код полностью реализует механику взаимодействия с ботом, регистрацию и обработку сообщений, а также в коде присутствуют обработки ошибок, которые могут возникать в процессе получения ответа.

Далее рассмотрим отдельные аспекты кода, которые необходимо учесть в процессе реализации:

1. Пример обработки ошибок, которые могут возникать в процессе REST API-взаимодействия. Важным аспектом этого пункта является то, что после получения ответа необходимо обработать специальные коды возврата, которые явно сигнализируют о штатной работе.

   JavaScript

   // Функция для отправки POST-запросов
   async function sendRequest(url_add, headers, body) {
       try {
           const options = Object.assign({}, headers, body);
           console.log("Отправка запроса с параметрами:", options);
           const response = await fetch(URL + url_add, options);
           const data = await response.json();
   
           if (response.status === 200) {
               return { success: true, data };
           } else {
               console.error("Ошибка:", response.status, data);
               return { success: false };
           }
       } catch (error) {
           console.error("Ошибка запроса:", error);
           return { success: false };
       }
   }

2. Реализация механики получения сообщений. Особенность взаимодействия заключается в том, что получать последние сообщения необходимо через запрос, который возвращает последние 20 сообщений. Следовательно, необходимо реализовать функцию, которая повторялась бы спустя какое-то время и отслеживала, получен ли новый ответ.

   JavaScript

   // Основная функция запуска
   async function start() {
       var start_dialog = false;
       const { userid, conversationid, we } = await initialize();
       if (!userid || !conversationid) return;
       setInterval(() => {
         fetchMessages(conversationid, userid).then(d =>{
           if(d.st){
             handleModelVisibility(d.ms.organ);
             changeText(d.ms.answer);
           }
         });
       }, 5000);
   }

3. Реализация механики отправки сообщения. В данном случае этот запрос является классическим POST-запросом, в header которого необходимо передать набор токенов, которые необходимы для корректной регистрации сообщения.

   JavaScript

   async function submitQuestion(question, userid, conversationid) {
       if (!question) return;
   
       changeText("Подожди секундочку");
   
       let headers = {
           method: "POST",
           headers: {
               accept: "application/json",
               "x-user-key": userid,
               'Content-Type': 'application/json',
           }
       };
       let body = {
           body: JSON.stringify({payload: {type: 'text', text: question}, conversationId: conversationid})
       };
   
       const response = await sendRequest("/messages", headers, body);
   
       if (response.success) {
           console.log("Ответ бота:", response.data);
           return {status: true, ans: response.data};
       } else {
           changeText("Упс! Произошла ошибка");
           return {status: false, ans: response.data};
       }
   }
   

Первым этапом опишем сценарий взаимодействия с приложением, с точки зрения пользователя и дополненной реальности.

Алгоритм работы AR-бота:

1. При наведении на QR-код или поверхность, на экране устройства отображается 3D-модель тела человека, с которым общается пользователь, приветствие и описание возможностей чат-бота. На начальном этапе можно дополнительно отображать не модель, а 3D-аватар человека.
2. Пользователь вводит вопрос в отображаемый интерфейс, например, «Что такое сердце?» и нажимает кнопку для отправки вопроса.
3. Бот делает запрос в базу знаний и, при нахождении ответа, отображает информацию пользователю на экране устройства. А также подсвечивает орган, о котором идет речь, на 3D-модели. Дополнительно можно реализовать анимацию органа или его детализацию.
4. Если информация не найдена в базе знаний, то пользователю выводится информация об этом. Дополнительная реализация: можно предложить пользователю несколько вопросов на выбор, ответ на которые знает бот.

Для его реализации разделим работу на несколько составляющих:

• создание маркера с собственной стилизацией;
• инициализация сцены дополненной реальности;
• отображение интерфейса, необходимого для ввода вопроса пользователем;
• написание алгоритма отображения человека или органа в зависимости от контекста диалога;
• отображение текста для пользователя: приветствие, статус обработки запроса, ответ от чат-бота.

Примечания

В качестве библиотек для реализации задачи были выбраны AR.js и aframe, поэтому в дальнейшем решение будет описываться именно для них.

1. Выбор изображения для маркера.

   Примечание: рекомендуется выбирать контрастные изображения с четкими границами, чтобы AR.js мог легко их распознать.

   Советы по выбору маркера:

   • используйте изображения с четкими деталями, избегайте размытия.
   • предпочитайте черно-белую палитру или минимализм.
   • избегайте слишком сложных узоров, которые могут путать алгоритм распознавания.

2. Создание маркера через AR.js Studio.

   Используйте AR.js Studio Marker Generator+: https://jeromeetienne.github.io/AR.js/three.js/examples/marker-training/examples/generator.html

   • загрузите изображение (формат: png или jpeg);
   • настройте параметры генерации, такие как размер маркера;
   • скачайте сгенерированные файлы: .patt (шаблон маркера) и изображение маркера для печати.
   
   Рис. 2.7.

3. Подключение маркера к сцене.

   Для работы с разработанным маркером поместите .patt файл в папку проекта и используйте компонент <a-marker> для добавления маркера.

   Для того чтобы проверить готовый маркер, воспользуемся следующим кодом:

   HTML

   
   <!DOCTYPE html>
   <html>
     <head>
       <script src="https://aframe.io/releases/1.6.0/aframe.min.js"></script>
       <script src="https://raw.githack.com/AR-js-org/AR.js/master/aframe/build/aframe-ar.js"></script>
     </head>
     <body style="margin: 0; overflow: hidden;">
       <a-scene embedded arjs>
         <!-- Маркер с кастомным шаблоном -->
         <a-marker type="pattern" url="path/to/your-marker.patt">
           <!-- 3D-объект, привязанный к маркеру -->
           <a-box position="0 0.5 0" material="color: red;"></a-box>
         </a-marker>
   
         <!-- Камера для AR -->
         <a-entity camera></a-entity>
       </a-scene>
     </body>
   </html>

Для дальнейшего отображения всех 3D-моделей необходимо заранее их подгрузить в сцену, присваивая им соответствующие id.

Пример кода с подгрузкой 3D-модели:

<a-assets>
    <a-asset-item id="model" src="https://cdn.glitch.global/77779c2d-e490-401b-a8d0-8dc0346ee3dd/scene.gltf?v=1737434668578">
    </a-asset-item>
</a-assets>

После загрузки модели необходимо настроить ее размер и местоположение на сцене относительно маркера:

<a-entity id='model' scale="0.25 0.25 0.25" gltf-model="#model" color="red" position="0 2 0" shadow></a-entity>

Для реализации данного пункта необходимо расположить на экране пользователя поле для ввода текста и кнопку отправки вопроса.

<div
      style="
        position: fixed;
        top: 10px;
        width: 100%;
        text-align: center;
        z-index: 10;"
    >
      <input
        type="text"
        id="promt"
        placeholder="Ask a question"
        style="width: 70%; padding: 10px"
      />
      <button id="submit-button" style="padding: 10px 20px">
        Отправить
      </button>
    </div>

В задание веб-разработчика входила правильная настройка вывода органа в ответе от чат-бота, теперь необходимо настроить отображение 3D-модели в зависимости от параметра organ.

//Пример функции для управления видимостью 3D моделей для двух органов
function handleModelVisibility(answer) {
    const brainModel = document.getElementById("brain");
    const heartModel = document.getElementById("heart");

    if (answer.toLowerCase().includes("brain")) {
      brainModel.setAttribute("visible", "true");
      heartModel.setAttribute("visible", "false");
    } else if (answer.toLowerCase().includes("heart")) {
      heartModel.setAttribute("visible", "true");
      brainModel.setAttribute("visible", "false");
    } else {
      brainModel.setAttribute("visible", "false");
      heartModel.setAttribute("visible", "false");
    }
  }

Для вывода текста на экран пользователя можно воспользоваться следующим шаблоном кода:

<a-entity text="font: name_font; value: HELLO"></a-entity>

Для отображения русского шрифта необходимо создать его с помощью дополнительного инструмента (https://msdf-bmfont.donmccurdy.com/), представленного в документации aframe (https://aframe.io/docs/1.6.0/components/text.html), загрузить в виде картинки и json-файла в папку проекта и указать его название в коде выше.

Пример шрифта Roboto представлен на рис. 2.8.

Ссылка на получившийся json-файл с шрифтом: https://disk.yandex.ru/d/No65_PqqywOP6g/Roboto-Medium-msdf.json

Для изменения текста на экране пользователя воспользуемся следующим js-кодом:

// Напишем функцию для последующей замены текста
async function changeText(text) {
    if (text) {
        const answerText = document.getElementById("answerText");
        answerText.setAttribute("value", text);
    }
}
...
// Фрагмент кода для изменения текста на экране пользователя
changeText("Идет запрос в базу, подождите секундочку...");