docs: Opus — дополнительные засады (careless user, 15 пунктов)

2026-06-28 10:06:42 +04:00
parent 2b971c3c90
commit a33107fe25
1 changed files with 53 additions and 0 deletions
@@ -111,3 +111,56 @@ UPSERT по имени уже есть. Реальная проблема: **las
 1. `documents.content_hash` + дедуп по нему на загрузке
 2. Сортировка допников по `doc_date`
 3. Опционально: `date_start` в `name_hash`
+
+---
+
+## Ответ Opus — дополнительные засады (careless user)
+
+### 🔴 Критичное — «юзер грузит хуйню»
+
+**1. ZIP-бомба / нет лимитов.** unzip.py распаковывает всё без ограничений. Нужно: лимит ≤500 файлов, суммарный размер, проверка ratio.
+
+**2. Имена из ZIP без санитизации.** Path-traversal не отсекается для файлов из архива. Нужно: та же проверка `..`/`/` + cp437→utf8.
+
+**3. `try/except: pass` глушит ошибки удаления.** Минимум — логировать.
+
+**4. Ручной парс multipart по `PK\x03\x04`.** Хрупко. Лучше `cgi.FieldStorage`.
+
+### 🟠 Битый/мусорный контент
+
+**5. Supplement создаётся ДО парсинга.** Битый файл → висячий supplement. Нужно: не создавать при ошибке.
+
+**6. Пустой парсинг = тихо пропадает.** Скан/зашифрованный PDF → `elements_json` пуст → файл игнорируется без предупреждения.
+
+**7. Регистр/дубли имён.** `Договор.pdf` vs `договор.pdf` — разные документы. → закрыто `content_hash`.
+
+### 🟡 LLM возвращает мусор в ops
+
+**8. Пустой `target_hash` молча no-op.** → нужно `UNRESOLVED`.
+
+**9. ADD с пустым именем схлопывается.** → отбраковывать.
+
+**10. Неизвестный `action` молча игнорируется.** Опечатка LLM → без сигнала.
+
+**11. Арифметика только логируется.** `sum ≠ price*qty` — стоит флаг в UI.
+
+### 🟢 Числа, даты, нормализация
+
+**12. Локализованные числа теряются.** `"1 000,50"` → `None`. Нужна нормализация.
+
+**13. Даты без нормализации.** `01.01.2026` vs `2026-01-01`. Канонизировать перед хешем.
+
+### 🔵 Конкурентность
+
+**14. Гонка двух прогонов.** `reset()` без блокировки → каша. Нужен advisory-lock.
+
+**15. Нет идемпотентности батча.** → закрыто `content_hash`.
+
+### Приоритет
+
+1. Лимиты + санитизация ZIP (п.1,2,4)
+2. `content_hash`-дедуп — ✅ уже сделано
+3. Явный статус «не распознан» (п.5,6)
+4. `UNRESOLVED` вместо тихих no-op (п.8,9,10)
+5. Нормализация чисел/дат (п.12,13)
+6. Advisory-lock (п.14) — при многопользовательности