v1.0.175: виртуальные группы + classify_raw + stepper

deploy/services/classify.py

@@ -31,15 +31,14 @@ LLM_MODEL = "gpt-oss-120b"
 def _call_llm_classify(header_text):
     """
     Прямой вызов LLM для классификации ОДНОГО документа.
-    Не использует общий call_llm() из services/llm.py — здесь свой промпт и формат ответа.
-    Возвращает распарсенный JSON dict с полями: doc_type, own_number, parent_number, doc_date, counterparty, confidence.
+    Возвращает (parsed_dict, raw_text).
     """
     prompt, _ = build_classify_prompt(header_text)
     payload = {
         "model": LLM_MODEL,
         "messages": [{"role": "user", "content": prompt}],
-        "max_tokens": 1000,  # достаточно для JSON с длинными названиями
-        "temperature": 0.1,  # минимальная температура для детерминированности
+        "max_tokens": 1000,
+        "temperature": 0.1,
     }
     with httpx.Client(http2=True, timeout=60, verify=False) as client:
         resp = client.post(
@@ -50,7 +49,7 @@ def _call_llm_classify(header_text):
         data = resp.json()
 
     raw = data.get("choices", [{}])[0].get("message", {}).get("content", "")
-    return _safe_json_parse(raw)
+    return _safe_json_parse(raw), raw
 
 
 def classify_batch(batch_id):
@@ -74,7 +73,7 @@ def classify_batch(batch_id):
         """Классифицировать один документ: выжимка → LLM → сохранить результат."""
         try:
             text = _smart_extract(doc["elements_json"])
-            result = _call_llm_classify(text)
+            result, raw = _call_llm_classify(text)
             db_docs.set_classification(
                 doc["id"],
                 result.get("doc_type", "other"),
@@ -82,6 +81,7 @@ def classify_batch(batch_id):
                 result.get("parent_number"),
                 result.get("doc_date"),
                 result.get("counterparty"),
+                classify_raw=raw,
             )
             return True
         except Exception as e: