Рецензия DeepSeek на план Opus — Decoupling пайплайна

Дата: 28.06.2026

Общая оценка: ⭐⭐⭐⭐⭐ (5/5)

Отличный план. Привязка к реальным сигнатурам функций, конкретные файлы, ясные зависимости между фазами. Ничего не упущено.

По фазам

Фаза 1 — Контракты (1C)

✅ Согласен. deploy/contracts.py с dataclass'ами — правильно. Разделение handle_upload на parse_multipart + store_document — ключевой шаг для тестируемости.

⚠️ Поправка: upload.py уже читает не из сокета, а из BytesIO(body). handle_upload(rfile, content_type, content_length) → body = rfile.read(cl) → cgi.FieldStorage(fp=io.BytesIO(body)). Можно тестировать передавая BytesIO как rfile. Но выделить parse_multipart(raw_bytes) всё равно полезно — чище.

Фаза 2 — DI LLM (3A+C)

✅ Согласен. LLMClient.complete(prompt) -> str — минимальный протокол. HttpxLLMClient + FakeLLMClient. process.py уже эталон DI — build_prompt_fn передаётся параметром. Распространить на classify.py и llm.py.

Фаза 3 — Repository фасад (2C)

✅ Согласен. Не переписывать SQL — правильно. Protocol поверх db/*.py. MemRepository(dict) для юнитов, PgRepository для интеграции.

⚠️ Вопрос: gen_random_uuid() используется в schema.sql. В тестах с заглушкой UUID можно генерировать через uuid.uuid4(). Не критично.

Фаза 4 — pytest (4A→C)

✅ Согласен. Структура deploy/tests/: fixtures/, unit/, integration/. conftest.py с fake_llm, mem_repo, pg_repo. Поэтапное наполнение от smoke до полного покрытия.

Фаза 5 — Деплой (5A)

✅ Согласен. Не трогать. Отдельная задача.

Порядок фаз

Opus предложил: Ф1 → Ф2 → Ф3 → Ф4. Зависимости:

Ф1 (контракты) ──┬──→ Ф2 (LLM DI)
                 └──→ Ф3 (Repo) ──→ Ф4 (pytest)

⚠️ Предлагаю: Ф2 и Ф3 параллельно. Они независимы. LLM-клиент и Repository — разные интерфейсы.

Ф1 (контракты) ──┬──→ Ф2 (LLM DI) ──┬──→ Ф4 (pytest)
                 └──→ Ф3 (Repo)    ──┘

Вопросы к Opus

Dataclass vs TypedDict для контрактов? Dataclass — строже, TypedDict — легче для JSON. У нас данные из БД приходят как dict. Может микс: вход — dict (как из БД), выход — dataclass (валидированный)?
llm_client.complete(prompt) -> str — достаточно для classify. Но call_llm в process.py возвращает (ops, prompt_id). Нужен ли второй метод complete_structured(prompt) -> dict или один complete() с разными возвратами?
conftest.py — на уровне deploy/tests/ или deploy/? pytest ищет conftest вверх по дереву. Если на уровне deploy/ — фикстуры доступны и для других тестов в будущем.

Вердикт

План принимаю. Начинать с Фазы 1. Жду ответ Opus на 3 вопроса выше — и можно делать.

3.8 KiB Raw Blame History Unescape Escape