AI-сервис для предварительной диагностики автомобиля по симптомам и OBD-II кодам

Собрать понятный веб-сервис, который помогает пользователю получить предварительное диагностическое заключение по данным автомобиля: марке, модели, году выпуска, типу двигателя, типу трансмиссии, симптомам неисправности и кодам ошибок OBD-II. Важно было сделать решение с удобным интерфейсом, серверной проверкой входных данных и понятным структурированным результатом, который можно использовать как стартовую точку перед дальнейшей проверкой автомобиля.

Разработан full-stack AI-сервис с frontend на HTML, CSS и JavaScript и backend на Node.js/Express. После отправки формы данные проходят валидацию на backend, затем сервер отправляет запрос в OpenAI API и возвращает пользователю структурированный диагностический отчёт. В интерфейсе реализованы светлая и тёмная тема, а итоговый результат можно сохранить в PDF. Также в проекте предусмотрен отдельный endpoint для проверки состояния backend.

На первом этапе был собран пользовательский сценарий веб-сервиса: ввод параметров автомобиля, симптомов неисправности и кодов ошибок через форму. Была определена структура результата, чтобы пользователь получал не просто текст, а понятный диагностический отчёт с итогом, вероятными причинами, рекомендациями по проверке и планом дальнейших действий.

На втором этапе реализован backend на Node.js/Express с серверной валидацией входных данных и интеграцией с OpenAI API. После проверки полей backend формирует запрос к AI и возвращает пользователю структурированный ответ, что позволяет держать логику обработки отдельно от интерфейса и упрощает дальнейшее развитие сервиса.

На финальном этапе был доработан интерфейс сервиса, добавлены светлая и тёмная тема, экспорт результата в PDF и endpoint /health для проверки состояния backend. В итоге получился рабочий demo-MVP, который показывает полноценную связку frontend, backend и AI-генерации в прикладном пользовательском сценарии.

Получен рабочий demo-MVP AI-сервиса для предварительной диагностики автомобиля по симптомам и OBD-II кодам. Решение демонстрирует практическую full-stack интеграцию: сбор данных через веб-форму, серверную валидацию, генерацию диагностического ответа через OpenAI API и выдачу пользователю структурированного отчёта с возможностью сохранения в PDF. Проект можно использовать как базу для дальнейшего развития прикладных AI-инструментов в автонише, сервисной диагностике и клиентских self-service сценариях.