Ad Autorules · тестовое приложение · бейкофф Такаши

Автоматическое управление рекламой Meta

Дашборд, конструктор правил, каталог шаблонов, симулятор и AI-чат — единый движок, эмуляция без реального Meta API. Схема БД: db/schema.sql, движок: app/rule-engine.js (8/8 тестов проходят вживую), диздок: docs/ARCHITECTURE.md.

Дашборд

Конструктор правил

Каталог шаблонов

Симулятор

AI-чат

Группировка:

Лог последнего тика (rule_evaluation_log)

Фазовые правила активного RuleSet — редактируется структурой ТЗ (Ф1–Ф6), плюс сквозные (Global/Window/Schedule). Формат условий — JSON-дерево, единое и для UI, и для БД, и для AI-чата.

Фаза	Spend	Условие	Действие

Сквозные правила

Scope	Условие	Действие

Порядок разрешения конфликтов: WINDOW > GLOBAL override > PHASE (по приоритету) > SCHEDULE (оверлей поверх статуса, не конкурирует за TRASH).

39 шаблонов = 13 связок вертикаль×трафик × 3 бюджетных уровня (Micro/Mid/Enterprise). Пороги CPC/ROI осознанно разные по вертикали — не копипаста одного шаблона.

Вертикаль: Бюджет:

Генерируем синтетический таймлайн метрик для одной кампании и прогоняем через тот же RuleEngine, что и дашборд — тик за тиком, с логом переходов по фазам.

Сценарий:

Тик	Время	Spend	ROI_real	Фаза	Решение	Причина

Эмуляция: LLM получает текущий RuleSet как JSON + function-calling схему, отвечает JSON Patch-ом. Патч показывается как diff — применяется только по подтверждению. Настоящий вызов модели не делаем (эмуляция паттерна интентов), это честно указано.

Честно об ограничениях: реального обращения к Meta Marketing API нет (эмуляция по ТЗ — «действия и метрики можно сэмулировать»). AI-чат — эмуляция интент-парсинга по ключевым словам, не живой вызов LLM (не хотел выдавать заглушку за реальную интеграцию). Postgres DDL синтаксически корректен, но живой прогон миграции не делал — на машине нет ни docker, ни postgres. Движок правил и симулятор — реальный работающий JS, протестированный юнит-тестами (8/8, node test-engine.js) и живьём в этой странице.