docs: архитектурный анализ + History + gitignore (2026-06-27)
This commit is contained in:
“Naeel”
@@ -0,0 +1,795 @@
|
||||
# Архитектурное исследование: Сверка договоров v2
|
||||
|
||||
**Дата:** 27.06.2026 | **Для:** DeepSeek V4 Pro | **По заказу:** Владимир Крупский
|
||||
|
||||
---
|
||||
|
||||
## Блок 1: Общая архитектура
|
||||
|
||||
### 1.1 Архитектура «с нуля»
|
||||
|
||||
Вот как бы я построил систему, зная все требования сейчас:
|
||||
|
||||
```mermaid
|
||||
graph TB
|
||||
subgraph "Ввод"
|
||||
A[Файловая шара<br>/облачный диск]
|
||||
end
|
||||
|
||||
subgraph "Pre-processing Pipeline"
|
||||
B["① Фильтр мусора<br>━━━━━━━━━━━━━<br>Детерминированная<br>(ключевые слова + regex<br>по первым 2KB текста)"]
|
||||
C["② Парсинг документов<br>━━━━━━━━━━━━━<br>Python (pdfplumber + python-docx)<br>→ elements_json"]
|
||||
D["③ Классификация<br>━━━━━━━━━━━━━<br>LLM (лёгкая модель)<br>+ _smart_extract<br>→ тип/номер/дата/контрагент"]
|
||||
E["④ Группировка<br>━━━━━━━━━━━━━<br>Детерминированная Python<br>нормализация номеров + matching"]
|
||||
end
|
||||
|
||||
subgraph "Core Processing"
|
||||
F["⑤ Извлечение спецификации<br>━━━━━━━━━━━━━<br>LLM (основная модель)<br>контекст: полный текст<br>договора/спецификации<br>→ ADD ops"]
|
||||
G["⑥ Сравнение ДС<br>━━━━━━━━━━━━━<br>LLM + Event Sourcing<br>контекст: текущая spec<br>+ текст ДС<br>→ ADD/UPDATE/DELETE/UNRESOLVED"]
|
||||
end
|
||||
|
||||
subgraph "Сверка"
|
||||
H["⑦ Matching CRM ↔ Фискальная<br>━━━━━━━━━━━━━<br>Гибрид: хеш-матчинг по<br>нормализованному имени<br>+ LLM для несовпадений"]
|
||||
I["⑧ Отчёт о расхождениях<br>━━━━━━━━━━━━━<br>diff-представление<br>подсветка: даты, цены, суммы"]
|
||||
end
|
||||
|
||||
subgraph "Хранилище"
|
||||
J[(PostgreSQL<br>Документы, Спецификации,<br>События, Промпты)]
|
||||
K[(Доп. хранилище<br>CRM-выгрузки<br>agnostic schema)]
|
||||
end
|
||||
|
||||
subgraph "Обратная связь"
|
||||
L[Ручная коррекция<br>экспертом]
|
||||
M[Версионирование<br>исправленных промптов]
|
||||
end
|
||||
|
||||
A --> B --> C --> D --> E --> F --> G
|
||||
G --> H --> I
|
||||
J --- F
|
||||
J --- G
|
||||
K --- H
|
||||
I --> L --> M
|
||||
M -.-> F
|
||||
M -.-> G
|
||||
|
||||
style B fill:#e8f5e9
|
||||
style E fill:#e8f5e9
|
||||
style D fill:#fff3e0
|
||||
style F fill:#fff3e0
|
||||
style G fill:#fff3e0
|
||||
style H fill:#e3f2fd
|
||||
```
|
||||
|
||||
**Зоны ответственности:**
|
||||
|
||||
| Компонент | Где LLM | Где детерминированная логика |
|
||||
|---|---|---|
|
||||
| ① Фильтр мусора | ❌ НЕТ | Ключевые слова + regex по заголовкам (быстро, 0 токенов) |
|
||||
| ② Парсинг | ❌ НЕТ | pdfplumber / python-docx → `elements_json` |
|
||||
| ③ Классификация | ✅ ЛЁГКАЯ LLM | `_smart_extract()` выжимка, `_safe_json_parse()` |
|
||||
| ④ Группировка | ❌ НЕТ | `normalize_number()` + matching по parent_number |
|
||||
| ⑤ Извлечение | ✅ ОСНОВНАЯ LLM | Сборка промпта (`build_prompt`), `_elements_to_text()` |
|
||||
| ⑥ Сравнение | ✅ ОСНОВНАЯ LLM | Event Sourcing (apply ops), `_upsert_spec_current()` |
|
||||
| ⑦ Matching | ✅ LLM для несовпадений | Хеш-матчинг по нормализованному имени для очевидных |
|
||||
| ⑧ Отчёт | ❌ НЕТ | Чистый diff, группировка расхождений по типам |
|
||||
|
||||
**Ключевой принцип:** LLM — только там, где нужна семантика. Всё остальное — быстрый детерминированный код. Это даёт:
|
||||
- Предсказуемость (детерминированное не ломается при смене модели)
|
||||
- Экономию токенов (LLM — дорого и медленно)
|
||||
- Отлаживаемость (можно тестировать unit-тестами без LLM)
|
||||
|
||||
---
|
||||
|
||||
### 1.2 Agent-based vs Pipeline
|
||||
|
||||
```mermaid
|
||||
graph LR
|
||||
subgraph "Pipeline (текущий)"
|
||||
P1[Upload] --> P2[Parse] --> P3[Classify] --> P4[Group] --> P5[Compare]
|
||||
end
|
||||
|
||||
subgraph "Agent-based (предлагаемый гибрид)"
|
||||
O[Orchestrator Agent]
|
||||
O --> W1[Parse Worker]
|
||||
O --> W2[Classify Worker]
|
||||
O --> W3[Compare Worker]
|
||||
O --> W4[Match Worker]
|
||||
O --> T[Tools: DB, LLM, FileSystem]
|
||||
end
|
||||
```
|
||||
|
||||
| Критерий | Pipeline | Agent-based |
|
||||
|---|---|---|
|
||||
| **Плюсы** | Предсказуемый порядок, легче отлаживать, меньше токенов, детерминированные шаги не требуют LLM | Гибкость: оркестратор решает **что делать** на основе промежуточных результатов. Может перепланировать при ошибках |
|
||||
| **Минусы** | Жёсткая последовательность. Если шаг упал — либо пропускаем, либо всё стоп. Трудно адаптировать под неожиданные форматы документов | Дороже (каждый шаг оркестратора — LLM-вызов). Сложнее отлаживать. Риск «галлюцинаций» оркестратора |
|
||||
| **Когда** | Когда формат входа **известен**, pipeline стабилен | Когда формат входа **неизвестен**, нужно адаптивное поведение |
|
||||
|
||||
**Мой вердикт: ГИБРИДНЫЙ подход.**
|
||||
|
||||
```
|
||||
Orchestrator (лёгкая LLM, ~500 токенов/вызов)
|
||||
│
|
||||
├── «Это договор?» → Фильтр мусора (детерминирован)
|
||||
├── «Какой тип?» → Classify worker (LLM, уже есть)
|
||||
├── «С чем группировать?» → Grouping (детерминирован)
|
||||
├── «Извлечь спецификацию?» → Extract worker (LLM)
|
||||
└── «Сравнить с CRM?» → Match worker (LLM + хеши)
|
||||
```
|
||||
|
||||
**Почему не pure agents:**
|
||||
- 100+ файлов × 500 токенов оркестратора = 50K+ токенов только на планирование
|
||||
- Для **стандартных** договоров ЦОД pipeline предсказуем — хватит 95% случаев
|
||||
- Оркестратор нужен только для **краевых случаев**: нестандартный формат, ошибка парсинга, конфликт при группировке
|
||||
|
||||
**Инструменты (tools) для агента:**
|
||||
- `parse_document(file_id)` → elements_json
|
||||
- `classify_document(file_id)` → {type, number, date, counterparty}
|
||||
- `extract_spec(contract_id)` → [spec_rows]
|
||||
- `compare_supplement(supp_id, current_spec)` → [ops]
|
||||
- `match_crm_row(spec_row)` → {crm_match, confidence}
|
||||
- `query_db(sql)` → rows (read-only)
|
||||
|
||||
---
|
||||
|
||||
### 1.3 RAG — нужен ли?
|
||||
|
||||
**Кратко: для текущей задачи RAG НЕ НУЖЕН. Хватит контекстного окна.**
|
||||
|
||||
Обоснование:
|
||||
|
||||
| Что | Почему не RAG |
|
||||
|---|---|
|
||||
| **Текст одного допника** | 5-50 KB → влезает в контекстное окно gpt-oss-120b (8K токенов ≈ ~24KB текста) |
|
||||
| **Текущая спецификация** | 10-50 строк × ~200 симв = 10KB → тоже влезает |
|
||||
| **Сравнение договоров** | Не semantic search. Нужно **точное** сопоставление строк, а не «похожие документы» |
|
||||
|
||||
**Когда RAG стал бы нужен (v3+):**
|
||||
- Если бы нужно было искать **похожие прецеденты** в истории (как раньше решали похожие расхождения)
|
||||
- Если бы был корпус из 10 000+ договоров и нужно было искать «как обычно формулируют услугу X»
|
||||
- Для чата: «покажи все договоры где цена стойко-места > 50 000»
|
||||
|
||||
**Что где хранить:**
|
||||
|
||||
| Хранилище | Что |
|
||||
|---|---|
|
||||
| **PostgreSQL (реляционная)** | Документы, `elements_json`, `spec_current`, `spec_events`, контракты, промпты, CRM-выгрузки |
|
||||
| **Файловая система** | Исходные .docx/.pdf (для перепарсивания при смене парсера) |
|
||||
| **Векторная БД** (пока НЕ нужно) | Эмбеддинги названий услуг для семантического matching (альтернатива LLM-matching) |
|
||||
|
||||
**Но:** если модель сменится на что-то с окном 128K+ токенов (Claude, GPT-4o, Gemini), можно будет отправлять **весь договор целиком** + текущую спецификацию. Тогда `_smart_extract` станет не нужен — LLM сама найдёт нужные строки.
|
||||
|
||||
---
|
||||
|
||||
## Блок 2: Обработка 100+ файлов
|
||||
|
||||
### 2.1 Узкие места и масштабирование
|
||||
|
||||
```mermaid
|
||||
gantt
|
||||
title Время обработки 100 файлов (текущий pipeline)
|
||||
dateFormat X
|
||||
axisFormat %s
|
||||
|
||||
section Фильтр мусора
|
||||
100 файлов × 10ms :0, 1
|
||||
|
||||
section Парсинг
|
||||
100 файлов × 500ms :1, 50
|
||||
|
||||
section Классификация
|
||||
100 файлов × 2-10s :50, 300
|
||||
|
||||
section Группировка
|
||||
1 вызов × 100ms :300, 300
|
||||
|
||||
section Сравнение (LLM)
|
||||
30 допников × 30s :300, 900
|
||||
```
|
||||
|
||||
**Главное узкое место — КЛАССИФИКАЦИЯ (50-300s для 100 файлов при 4 воркерах).**
|
||||
|
||||
Текущий `ThreadPoolExecutor(max_workers=4)` + `classify_worker.py` subprocess — уже правильное решение. Но для 100+ файлов:
|
||||
|
||||
**Что ещё станет узким местом:**
|
||||
|
||||
| Узкое место | Почему | Решение |
|
||||
|---|---|---|
|
||||
| **Классификация** | 100 файлов × 5s / 4 воркера = 125s | Увеличить `MAX_WORKERS` до 8-10 (но риск троттлинга api.aillm.ru) |
|
||||
| **Сравнение ДС** | 30 допников × 30s последовательно = 900s (15 мин!) | Параллельное сравнение **независимых** групп (разные contract_id — нет гонки) |
|
||||
| **Парсинг docx/pdf** | Java POI через Lucee — медленно для 100 файлов | Перенести парсинг на ВМ (pdfplumber/python-docx, см. ниже) |
|
||||
| **Память процесса** | 100 `elements_json` в памяти БД | Ок — в БД, не в памяти питона |
|
||||
| **api.aillm.ru rate limit** | Бесплатный эндпоинт, неизвестный лимит | Семафор + exponential backoff |
|
||||
|
||||
**Предлагаемые улучшения:**
|
||||
|
||||
1. **Перенос парсинга на ВМ** (убрать зависимость от Lucee/Java):
|
||||
```
|
||||
СЕЙЧАС: JS → convert_server → Lucee parser.cfm (Java POI/PDFBox) → обратно на ВМ
|
||||
ПРЕДЛОЖЕНИЕ: JS → convert_server → services/parse.py (pdfplumber + python-docx)
|
||||
```
|
||||
- python-docx для .docx (чистый Python, без Java)
|
||||
- pdfplumber для .pdf (лучше PDFBox для таблиц)
|
||||
- Убирает latency сетевого вызова Lucee → ВМ
|
||||
|
||||
2. **Асинхронная очередь классификации:**
|
||||
```
|
||||
Upload → Parse → [положить в очередь] → сразу вернуть «файлы загружены»
|
||||
→ background: classify → group
|
||||
```
|
||||
Заказчик не ждёт 125 секунд. Видит прогресс-бар через `/api/batch-progress`.
|
||||
|
||||
3. **Параллельное сравнение групп:**
|
||||
```python
|
||||
# Сейчас: последовательно по всем supps
|
||||
for s in supps: # 30 допников × 30s = 900s
|
||||
compare(s)
|
||||
|
||||
# Предложение: параллельно по НЕЗАВИСИМЫМ группам
|
||||
with ThreadPoolExecutor(max_workers=3) as pool:
|
||||
futures = {pool.submit(compare_group, g): g for g in independent_groups}
|
||||
```
|
||||
Группы с разными `contract_id` независимы — можно сравнивать параллельно.
|
||||
|
||||
---
|
||||
|
||||
### 2.2 Очередь (RabbitMQ/Redis/Kafka) или PostgreSQL?
|
||||
|
||||
| Критерий | PostgreSQL (текущий) | Redis | RabbitMQ |
|
||||
|---|---|---|---|
|
||||
| **Простота** | ✅ Уже есть, не надо ставить | Средне | Средне |
|
||||
| **Надёжность** | ✅ ACID, не теряем задачи | ❌ Может потерять при перезапуске | ✅ Persistence |
|
||||
| **Мониторинг** | ✅ SELECT для просмотра очереди | Нужен redis-cli | Нужен management plugin |
|
||||
| **Производительность** | Средне (polling) | ✅ Высокая (pub/sub) | ✅ Высокая |
|
||||
| **Подходит для** | **До 1000 файлов/день** | До 10K/день | До 100K/день |
|
||||
|
||||
**Вердикт: PostgreSQL ДОСТАТОЧНО для текущего масштаба.**
|
||||
|
||||
Для 100+ файлов за раз, несколько раз в неделю — PostgreSQL-очередь через `documents.classify_status = 'pending'` + `classify_worker.py` subprocess — адекватное решение. Не надо усложнять.
|
||||
|
||||
**Когда переходить на RabbitMQ/Redis:**
|
||||
- Если заказчик начнёт загружать 1000+ файлов **ежедневно**
|
||||
- Если появятся **несколько воркеров** на разных машинах
|
||||
- Если нужен **приоритет** (срочные договоры вне очереди)
|
||||
|
||||
**Предлагаемая схема на PostgreSQL (минимальные изменения):**
|
||||
|
||||
```sql
|
||||
-- Добавляем поле для очереди
|
||||
ALTER TABLE documents ADD COLUMN IF NOT EXISTS classify_priority INT DEFAULT 0;
|
||||
ALTER TABLE documents ADD COLUMN IF NOT EXISTS classify_attempts INT DEFAULT 0;
|
||||
ALTER TABLE documents ADD COLUMN IF NOT EXISTS classify_next_attempt TIMESTAMPTZ;
|
||||
|
||||
-- Воркер забирает задачи с ORDER BY priority, attempt, next_attempt
|
||||
SELECT * FROM documents
|
||||
WHERE classify_status = 'pending'
|
||||
AND (classify_next_attempt IS NULL OR classify_next_attempt <= NOW())
|
||||
ORDER BY classify_priority DESC, classify_attempts ASC
|
||||
LIMIT 10
|
||||
FOR UPDATE SKIP LOCKED; -- конкурентное потребление
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
### 2.3 «Мусорная» фильтрация на раннем этапе
|
||||
|
||||
**Это КРИТИЧЕСКИ важно для 100+ файлов.** Если 50% файлов — счета/акты/платёжки, а мы их парсим и классифицируем — тратим 50% ресурсов впустую.
|
||||
|
||||
**Предлагаемый трёхэтапный фильтр:**
|
||||
|
||||
```
|
||||
Этап 1: Фильтр по имени файла (0ms, детерминирован)
|
||||
├── regex: (сч[её]т|акт|плат[её]ж|УПД|сверк|инвойс|invoice|act|payment)
|
||||
├── сразу помечать doc_type='garbage', НЕ парсить
|
||||
└── точность: ~40% мусора
|
||||
|
||||
Этап 2: Фильтр по первым 2KB текста (после парсинга, 10ms, детерминирован)
|
||||
├── Ключевые слова в заголовке:
|
||||
│ «СЧЕТ-ФАКТУРА», «АКТ СВЕРКИ», «АКТ оказанных услуг»,
|
||||
│ «ПЛАТЁЖНОЕ ПОРУЧЕНИЕ», «УПД», «СЧЕТ НА ОПЛАТУ»
|
||||
├── Если нашли → помечать doc_type='garbage', НЕ классифицировать LLM
|
||||
└── точность: ~55% мусора (суммарно)
|
||||
|
||||
Этап 3: LLM-классификация (оставшиеся, 2-10s)
|
||||
├── Только для файлов, прошедших этапы 1-2
|
||||
└── LLM определяет точный тип: contract/supplement/specification/other
|
||||
```
|
||||
|
||||
**Реализация этапа 2 (в `services/classify.py` перед `_call_llm_classify`):**
|
||||
|
||||
```python
|
||||
GARBAGE_MARKERS = [
|
||||
'СЧЕТ-ФАКТУРА', 'СЧЕТ НА ОПЛАТУ', 'АКТ СВЕРКИ', 'АКТ ОКАЗАННЫХ УСЛУГ',
|
||||
'АКТ ВЫПОЛНЕННЫХ РАБОТ', 'ПЛАТЁЖНОЕ ПОРУЧЕНИЕ', 'УНИВЕРСАЛЬНЫЙ ПЕРЕДАТОЧНЫЙ',
|
||||
'УПД', 'ПЛАТЕЖНОЕ ПОРУЧЕНИЕ'
|
||||
]
|
||||
|
||||
def is_garbage_by_header(text):
|
||||
"""Быстрая проверка — не гонять LLM на мусор."""
|
||||
header = text[:2000].upper()
|
||||
for marker in GARBAGE_MARKERS:
|
||||
if marker in header:
|
||||
return True
|
||||
return False
|
||||
```
|
||||
|
||||
**Экономия:** при 50% мусора в 100 файлах: вместо 100 LLM-вызовов (500s) → 50 LLM-вызовов (250s). **Экономия 50% времени и токенов.**
|
||||
|
||||
---
|
||||
|
||||
## Блок 3: Сравнение CRM ↔ фискальная система
|
||||
|
||||
### 3.1 Agnostic к источнику — проектирование модуля сравнения
|
||||
|
||||
**Проблема:** мы не знаем формат CRM. Сегодня — одна CRM, завтра — другая система.
|
||||
|
||||
**Решение: Абстрактный интерфейс + адаптеры.**
|
||||
|
||||
```mermaid
|
||||
graph TB
|
||||
subgraph "Источники данных"
|
||||
CRM1[CRM<br>(текущая)]
|
||||
CRM2[Другая система<br>(будущая)]
|
||||
FISC[Фискальная система<br>(из договоров)]
|
||||
end
|
||||
|
||||
subgraph "Адаптеры (по одному на источник)"
|
||||
A1[CRM Adapter<br>нормализует поля<br>в канонический формат]
|
||||
A2[Future Adapter]
|
||||
end
|
||||
|
||||
subgraph "Каноническая модель строки"
|
||||
CAN[CanonicalRow<br>────────────<br>service_name: str<br>article_code: str<br>price: Decimal<br>qty: Decimal<br>sum: Decimal<br>date_start: Date<br>date_end: Date<br>unit: str<br>source: 'crm' | 'fiscal'<br>source_id: str]
|
||||
end
|
||||
|
||||
subgraph "Matcher (agnostic)"
|
||||
MATCH[RowMatcher<br>────────────<br>match_by_hash<br>match_by_name<br>match_by_llm<br>→ MatchResult]
|
||||
end
|
||||
|
||||
CRM1 --> A1 --> CAN
|
||||
CRM2 --> A2 --> CAN
|
||||
FISC --> CAN
|
||||
CAN --> MATCH
|
||||
```
|
||||
|
||||
**Каноническая модель `CanonicalRow`:**
|
||||
|
||||
```python
|
||||
@dataclass
|
||||
class CanonicalRow:
|
||||
"""Строка спецификации в каноническом формате (source-agnostic)."""
|
||||
service_name: str # нормализованное название услуги
|
||||
article_code: str | None # артикул (если есть)
|
||||
price: Decimal | None
|
||||
qty: Decimal | None
|
||||
sum: Decimal | None
|
||||
date_start: date | None # КРИТИЧНОЕ ПОЛЕ
|
||||
date_end: date | None
|
||||
unit: str | None # кВт, шт., U, Мбит/с, ...
|
||||
source: str # 'crm' | 'fiscal'
|
||||
source_id: str # ссылка на оригинал (для аудита)
|
||||
|
||||
@property
|
||||
def name_hash(self) -> str:
|
||||
"""Нормализованный хеш названия для быстрого matching."""
|
||||
return _hash(normalize_service_name(self.service_name))
|
||||
```
|
||||
|
||||
**Адаптер для CRM (пример):**
|
||||
|
||||
```python
|
||||
class CRMSourceAdapter:
|
||||
"""Адаптер для конкретной CRM. Меняется только этот класс."""
|
||||
|
||||
def extract_rows(self, crm_export_path: str) -> list[CanonicalRow]:
|
||||
"""Читает CSV/JSON/API CRM → список CanonicalRow."""
|
||||
# Специфично для CRM заказчика
|
||||
df = pd.read_csv(crm_export_path, sep=';')
|
||||
rows = []
|
||||
for _, r in df.iterrows():
|
||||
rows.append(CanonicalRow(
|
||||
service_name=r['Наименование'],
|
||||
article_code=r.get('Артикул'),
|
||||
price=Decimal(str(r['Цена'])),
|
||||
qty=Decimal(str(r['Кол-во'])),
|
||||
sum=Decimal(str(r['Сумма'])),
|
||||
date_start=parse_date(r['Дата начала']),
|
||||
date_end=parse_date(r.get('Дата окончания')),
|
||||
unit=r.get('Ед. изм.'),
|
||||
source='crm',
|
||||
source_id=r['ID'],
|
||||
))
|
||||
return rows
|
||||
```
|
||||
|
||||
**Ключевое:** когда завтра появится другая система — пишем **только новый адаптер**. Matcher не меняется.
|
||||
|
||||
---
|
||||
|
||||
### 3.2 Matching строк: CRM ↔ фискальная система
|
||||
|
||||
**Трёхуровневый matching (от быстрого к точному):**
|
||||
|
||||
```mermaid
|
||||
graph LR
|
||||
A[CRM строка] --> B{① Хеш-матчинг<br>по name_hash}
|
||||
B -->|Совпал| D[✓ MATCH (100% confidence)]
|
||||
B -->|Не совпал| C{② Семантический<br>по имени}
|
||||
C -->|Высокая confidence| E[✓ MATCH (80-95% confidence)]
|
||||
C -->|Низкая| F{③ LLM-матчинг}
|
||||
F --> G[✓ MATCH / ✗ NO MATCH<br>+ объяснение]
|
||||
```
|
||||
|
||||
**① Хеш-матчинг (0ms, 0 токенов):**
|
||||
```python
|
||||
def match_by_hash(crm_rows, fiscal_rows):
|
||||
"""Точное совпадение по нормализованному имени."""
|
||||
fiscal_by_hash = {r.name_hash: r for r in fiscal_rows}
|
||||
matched = []
|
||||
unmatched = []
|
||||
for crm_row in crm_rows:
|
||||
if crm_row.name_hash in fiscal_by_hash:
|
||||
matched.append((crm_row, fiscal_by_hash[crm_row.name_hash], 1.0))
|
||||
else:
|
||||
unmatched.append(crm_row)
|
||||
return matched, unmatched
|
||||
```
|
||||
|
||||
**② Семантический matching (Python, без LLM):**
|
||||
```python
|
||||
def match_by_name_similarity(crm_row, fiscal_rows, threshold=0.8):
|
||||
"""Fuzzy matching по названиям услуг."""
|
||||
from difflib import SequenceMatcher
|
||||
|
||||
best_score = 0
|
||||
best_match = None
|
||||
for f_row in fiscal_rows:
|
||||
score = SequenceMatcher(None,
|
||||
crm_row.service_name.lower(),
|
||||
f_row.service_name.lower()
|
||||
).ratio()
|
||||
if score > best_score:
|
||||
best_score = score
|
||||
best_match = f_row
|
||||
|
||||
if best_score >= threshold:
|
||||
return best_match, best_score
|
||||
return None, 0
|
||||
```
|
||||
|
||||
**③ LLM-матчинг (для оставшихся ~10-20% сложных случаев):**
|
||||
```
|
||||
Промпт:
|
||||
«Вот строка из CRM: {crm_row}
|
||||
Вот строки из фискальной системы: {fiscal_rows}
|
||||
Найди соответствие или скажи что соответствия нет.
|
||||
Учитывай: синонимы ("аренда стойки" = "colocation"),
|
||||
объединение/разделение строк,
|
||||
PAYG-услуги без артикулов.»
|
||||
```
|
||||
|
||||
**Почему не только LLM:** 100 строк × 500 токенов = 50K токенов только на matching. А ①+② обрабатывают 80% за 0 токенов.
|
||||
|
||||
---
|
||||
|
||||
### 3.3 Даты — критичный фокус
|
||||
|
||||
**Почему даты — главный источник расхождений (со слов заказчика):**
|
||||
|
||||
- CRM может иметь `date_start = 01.01.2025`
|
||||
- Фискальная система (договор) может иметь `date_start = 15.01.2025` (дата подписания акта приёмки, а не договора)
|
||||
- Разница в 14 дней → недоплата/переплата за 14 дней × стоимость услуги
|
||||
|
||||
**Стратегия сравнения с акцентом на `date_start`:**
|
||||
|
||||
```python
|
||||
def compare_dates(crm_row, fiscal_row):
|
||||
"""Сравнение дат — основной фокус."""
|
||||
result = {
|
||||
'matched': True,
|
||||
'date_start_match': True,
|
||||
'date_start_diff_days': 0,
|
||||
'date_start_warning': None,
|
||||
'price_match': True,
|
||||
'sum_match': True,
|
||||
}
|
||||
|
||||
# Сравнение дат
|
||||
if crm_row.date_start and fiscal_row.date_start:
|
||||
diff = (crm_row.date_start - fiscal_row.date_start).days
|
||||
result['date_start_diff_days'] = diff
|
||||
if diff != 0:
|
||||
result['date_start_match'] = False
|
||||
if abs(diff) <= 5:
|
||||
result['date_start_warning'] = 'minor' # возможно округление до месяца
|
||||
elif abs(diff) <= 31:
|
||||
result['date_start_warning'] = 'significant' # расхождение на месяц
|
||||
else:
|
||||
result['date_start_warning'] = 'critical' # серьёзное расхождение
|
||||
|
||||
# Если даты не совпадают, но всё остальное совпадает (имя, цена, количество)
|
||||
if not result['date_start_match'] and result['price_match'] and result['sum_match']:
|
||||
result['likely_cause'] = 'date_input_error' # вероятно ошибка ввода даты
|
||||
|
||||
return result
|
||||
```
|
||||
|
||||
**Визуализация расхождений (диаграмма Ганта):**
|
||||
|
||||
```
|
||||
Услуга | Янв | Фев | Март | Апр |
|
||||
────────────────────┼───────┼───────┼───────┼───────|
|
||||
CRM: Стойка 10kW |████████████████|
|
||||
Фискал: Стойка 10kW | ████████████████|
|
||||
^^^^— расхождение 15 дней
|
||||
```
|
||||
|
||||
Это можно отрендерить как HTML/CSS бары — наглядно видны сдвиги дат.
|
||||
|
||||
---
|
||||
|
||||
### 3.4 PAYG (суффикс `-m`) — стратегия сопоставления
|
||||
|
||||
**Проблема PAYG:**
|
||||
- PAYG-услуги (pay-as-you-go) — переменное потребление, нет фиксированной цены
|
||||
- В счетах нет кодов артикулов
|
||||
- Например: «IP-адрес IPv4-m» в CRM vs «IP-адрес IPv4» в договоре
|
||||
|
||||
**Стратегия:**
|
||||
|
||||
```python
|
||||
def normalize_payg_name(name):
|
||||
"""Убирает суффикс -m для сопоставления PAYG-услуг."""
|
||||
import re
|
||||
# Убираем суффикс -m (с границей слова или концом строки)
|
||||
normalized = re.sub(r'-m(\s|$)', r'\1', name)
|
||||
# Примеры:
|
||||
# «IP-адрес IPv4-m» → «IP-адрес IPv4»
|
||||
# «Канал связи 100Мбит/с-m» → «Канал связи 100Мбит/с»
|
||||
return normalized
|
||||
```
|
||||
|
||||
**Алгоритм для PAYG:**
|
||||
1. При matching по имени — нормализовать **оба** названия (убрать `-m`)
|
||||
2. Если match нашёлся → отметить флагом `payg: true`
|
||||
3. Для PAYG-услуг **не сравнивать суммы** (они переменные), сравнивать только **факт наличия услуги** и **единицу измерения**
|
||||
4. Для PAYG-услуг `date_start` **особенно важен** — PAYG тарифицируется с даты начала
|
||||
|
||||
```python
|
||||
def match_payg(crm_row, fiscal_rows):
|
||||
"""Особая логика для PAYG."""
|
||||
crm_name_normalized = normalize_payg_name(crm_row.service_name)
|
||||
|
||||
for f_row in fiscal_rows:
|
||||
f_name_normalized = normalize_payg_name(f_row.service_name)
|
||||
|
||||
if crm_name_normalized == f_name_normalized:
|
||||
return MatchResult(
|
||||
matched=True,
|
||||
payg=True,
|
||||
compare_sum=False, # суммы не сравниваем для PAYG
|
||||
compare_date_start=True, # даты КРИТИЧНЫ
|
||||
note=f'PAYG: {crm_row.service_name} ↔ {f_row.service_name}',
|
||||
)
|
||||
|
||||
return MatchResult(matched=False)
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## Блок 4: Итеративность и неопределённость
|
||||
|
||||
### 4.1 Менять промпты/модели/подходы без переписывания кода
|
||||
|
||||
**Что уже есть (✅ хорошо):**
|
||||
- Промпты в БД с версионированием (`prompts` таблица + `prompt.cfm`/`db/prompts.py`)
|
||||
- Редактор промптов с историей версий
|
||||
- Активный промпт выбирается из БД, не хардкод
|
||||
|
||||
**Что предлагаю добавить:**
|
||||
|
||||
```python
|
||||
# config.py — ЕДИНСТВЕННОЕ место для конфигурации LLM
|
||||
@dataclass
|
||||
class LLMConfig:
|
||||
"""Меняется без правки кода — через БД или env."""
|
||||
model: str = os.environ.get("LLM_MODEL", "gpt-oss-120b")
|
||||
url: str = os.environ.get("LLM_URL", "https://api.aillm.ru/v1/chat/completions")
|
||||
max_tokens: int = int(os.environ.get("LLM_MAX_TOKENS", "8000"))
|
||||
temperature: float = float(os.environ.get("LLM_TEMPERATURE", "0.1"))
|
||||
timeout: int = int(os.environ.get("LLM_TIMEOUT", "120"))
|
||||
|
||||
# Разные модели для разных задач
|
||||
classify_model: str = os.environ.get("LLM_CLASSIFY_MODEL", model) # полегче
|
||||
extract_model: str = os.environ.get("LLM_EXTRACT_MODEL", model) # основная
|
||||
match_model: str = os.environ.get("LLM_MATCH_MODEL", model) # для сверки
|
||||
```
|
||||
|
||||
**Принцип: всё что может поменяться — в БД или env. Код — только движок.**
|
||||
|
||||
| Что меняется | Где менять | Без правки кода? |
|
||||
|---|---|---|
|
||||
| Промпт | БД `prompts` → activate | ✅ Да |
|
||||
| Модель LLM | env `LLM_MODEL` | ✅ Да |
|
||||
| Температура | env `LLM_TEMPERATURE` | ✅ Да |
|
||||
| URL API | env `LLM_URL` | ✅ Да |
|
||||
| Garbage-маркеры | `garbage_markers.json` в БД или файле | ✅ Да |
|
||||
| Стратегия matching | `matching_rules` в БД | ✅ Да (если сделать rules engine) |
|
||||
| Порядок pipeline | ❌ Пока хардкод | 🔧 Можно сделать DAG в БД |
|
||||
|
||||
**Предложение: Pipeline as DAG в БД:**
|
||||
|
||||
```sql
|
||||
CREATE TABLE pipeline_steps (
|
||||
id SERIAL PRIMARY KEY,
|
||||
name TEXT NOT NULL, -- 'filter_garbage', 'parse', 'classify', 'extract', ...
|
||||
handler TEXT NOT NULL, -- 'services.classify:classify_batch'
|
||||
depends_on INT[] DEFAULT '{}', -- какие шаги должны быть завершены
|
||||
config JSONB DEFAULT '{}', -- параметры шага
|
||||
enabled BOOLEAN DEFAULT true,
|
||||
created_at TIMESTAMPTZ DEFAULT NOW()
|
||||
);
|
||||
```
|
||||
|
||||
Меняя записи в этой таблице, можно переставлять шаги или добавлять новые **без правки кода**.
|
||||
|
||||
---
|
||||
|
||||
### 4.2 MVP-границы: v1, v2, v3
|
||||
|
||||
```
|
||||
v1 (MVP) — БАЗОВАЯ ФУНКЦИЯ
|
||||
├── ✅ Загрузка 100+ файлов (из локали/файловой шары)
|
||||
├── ✅ Фильтр мусора (этапы 1-2, детерминированные)
|
||||
├── ✅ Парсинг docx/pdf на ВМ (убрать зависимость от Lucee)
|
||||
├── ✅ Классификация (LLM, параллельно)
|
||||
├── ✅ Группировка по контрагентам
|
||||
├── ✅ Извлечение спецификации (LLM)
|
||||
├── ✅ Сравнение ДС (LLM + Event Sourcing)
|
||||
├── ✅ Выгрузка результата (CSV/JSON)
|
||||
├── ❌ БЕЗ сверки с CRM (только извлечение из договоров)
|
||||
├── ❌ БЕЗ красивого UI (минимальный интерфейс для отладки)
|
||||
└── Домен: contracts.kube5s.ru
|
||||
|
||||
v2 — СВЕРКА
|
||||
├── ✅ Адаптер CRM (первый источник)
|
||||
├── ✅ Matching CRM ↔ фискальная (трёхуровневый)
|
||||
├── ✅ Отчёт о расхождениях (diff)
|
||||
├── ✅ Подсветка дат
|
||||
├── ✅ PAYG-обработка
|
||||
├── ✅ Ручная коррекция экспертом
|
||||
└── Домен: check.kube5s.ru
|
||||
|
||||
v3 — ЮЗАБЕЛЬНОСТЬ
|
||||
├── ✅ Красивый UI (две панели, отчёт)
|
||||
├── ✅ Векторная БД для семантического поиска
|
||||
├── ✅ Чат (Q&A по всем договорам)
|
||||
├── ✅ Автообучение на коррекциях (few-shot из истории)
|
||||
├── ✅ Экспорт в Excel
|
||||
└── Домен: contracts.kube5s.ru (единый)
|
||||
```
|
||||
|
||||
**Почему сверка с CRM — это v2, а не v1:**
|
||||
- Заказчик сам говорит: «сейчас и с подходом всё неясно»
|
||||
- Сначала надо доказать что LLM **вообще** может точно извлечь спецификацию из 100+ договоров
|
||||
- Потом, имея эталонные данные, строить сверку
|
||||
- Это снижает риск: не строим сложный matching для неподтверждённого качества извлечения
|
||||
|
||||
---
|
||||
|
||||
### 4.3 Цикл обратной связи
|
||||
|
||||
```mermaid
|
||||
graph TB
|
||||
A[LLM извлекает спецификацию] --> B[Результат показан эксперту]
|
||||
B --> C{Эксперт: верно?}
|
||||
C -->|✅ Да| D[Сохраняем как<br>положительный пример]
|
||||
C -->|❌ Нет| E[Эксперт исправляет]
|
||||
E --> F[Сохраняем пару<br>❌ было → ✅ стало]
|
||||
F --> G[Аналитика ошибок<br>какие типы ошибок частые?]
|
||||
G --> H{Можно исправить<br>промптом?}
|
||||
H -->|Да| I[Правим промпт<br>новая версия]
|
||||
H -->|Нет| J[Меняем подход<br>алгоритм / модель]
|
||||
I --> K[Few-shot примеры<br>в промпт]
|
||||
D --> K
|
||||
K --> A
|
||||
|
||||
style C fill:#fff3e0
|
||||
style G fill:#e3f2fd
|
||||
```
|
||||
|
||||
**Конкретная реализация:**
|
||||
|
||||
```sql
|
||||
-- Таблица коррекций эксперта
|
||||
CREATE TABLE expert_corrections (
|
||||
id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
|
||||
event_id UUID REFERENCES spec_events(id), -- какое событие LLM
|
||||
corrected_values JSONB NOT NULL, -- что исправил эксперт
|
||||
correction_type TEXT, -- 'name_fix', 'date_fix', 'price_fix', 'missing_row', 'extra_row'
|
||||
expert_comment TEXT,
|
||||
used_in_prompt BOOLEAN DEFAULT false, -- включено в few-shot?
|
||||
created_at TIMESTAMPTZ DEFAULT NOW()
|
||||
);
|
||||
```
|
||||
|
||||
**Как это использовать:**
|
||||
|
||||
1. **Быстрый цикл (часы):** эксперт исправил → сохранили в `expert_corrections` → аналитика показывает «5 из 10 ошибок — даты» → правим промпт (добавляем акцент на даты) → активируем новую версию → лучше.
|
||||
|
||||
2. **Few-shot обучение (дни):** накопили 20+ коррекций одного типа → добавляем в промпт как few-shot примеры:
|
||||
```
|
||||
ПРИМЕРЫ ОШИБОК (НЕ ПОВТОРЯЙ):
|
||||
❌ Было: "Аренда стойко-места" с date_start: null
|
||||
✅ Верно: "Аренда стойко-места" с date_start: "2025-01-01" (дата в преамбуле договора)
|
||||
```
|
||||
|
||||
3. **A/B тестирование промптов (недели):** запускаем старый и новый промпт на одном документе → сравниваем результаты → выбираем лучший.
|
||||
|
||||
**Ключевое:** не пытаемся «обучить модель» (это не наша модель, gpt-oss-120b — API). Вместо этого:
|
||||
- Улучшаем промпты
|
||||
- Добавляем few-shot примеры
|
||||
- Меняем подход к извлечению
|
||||
- **Фиксируем все решения в БД** — чтобы через месяц понять что работало, а что нет
|
||||
|
||||
---
|
||||
|
||||
## Итоговая архитектура (сводка)
|
||||
|
||||
```mermaid
|
||||
graph TB
|
||||
subgraph "v1: Извлечение (MVP)"
|
||||
U1[100+ файлов] --> F1[Фильтр мусора ⚡0ms]
|
||||
F1 --> P1[Парсинг Python ⚡500ms]
|
||||
P1 --> C1[Классификация LLM 🔥2-10s]
|
||||
C1 --> G1[Группировка Python ⚡100ms]
|
||||
G1 --> E1[Извлечение LLM 🔥30s]
|
||||
E1 --> S1[(spec_current)]
|
||||
end
|
||||
|
||||
subgraph "v2: Сверка"
|
||||
CRM[CRM-выгрузка] --> AD[CRM Adapter]
|
||||
S1 --> MC[Matcher ⚡хеш → fuzzy → LLM]
|
||||
AD --> MC
|
||||
MC --> RPT[Отчёт о расхождениях]
|
||||
end
|
||||
|
||||
subgraph "Обратная связь"
|
||||
RPT --> EXP[Эксперт]
|
||||
EXP --> CORR[expert_corrections]
|
||||
CORR --> PROMPT[Улучшение промптов]
|
||||
PROMPT -.-> E1
|
||||
end
|
||||
|
||||
style F1 fill:#e8f5e9
|
||||
style G1 fill:#e8f5e9
|
||||
style C1 fill:#fff3e0
|
||||
style E1 fill:#fff3e0
|
||||
style MC fill:#e3f2fd
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## Практические рекомендации для DeepSeek V4 Pro
|
||||
|
||||
### Что кодить СЕЙЧАС (Фаза 0: изоляция)
|
||||
|
||||
Как описано в `opus-plan-review-2026-06-27.md`, план Opus из 6 фаз — правильный вектор. Но предлагаю **упростить Фазу 0**:
|
||||
|
||||
**Ф0. Предпосылки (1-2 часа):**
|
||||
1. `pg_dump --schema-only` с продакшена → `schema.sql`
|
||||
2. Создать новую БД `contracts_flask` на ВМ, применить `schema.sql`
|
||||
3. DNS `check.kube5s.ru` → уже есть ✅
|
||||
4. Пустой репо `contracts-flask` → уже есть ✅
|
||||
5. `LLM_KEY` → должен быть в `.env` на ВМ
|
||||
|
||||
**Ф1. Бэкенд на ВМ (основная работа):**
|
||||
- `~/contracts-flask/` — копия `deploy/` (db/, services/, llm_prompt.py, convert_server.py)
|
||||
- ИСПРАВИТЬ `llm_prompt.py` — убрать зависимость от Lucee (`_fetch_prompt()` → `db.prompts.get_active()`)
|
||||
- ИСПРАВИТЬ `services/llm.py` — взять версию из репы (свежее)
|
||||
- Порт 8777, БД `contracts_flask`, systemd-юнит `contracts-flask.service`
|
||||
|
||||
**Ф2-Ф3. Nginx + JS:**
|
||||
- Nginx: `check.kube5s.ru` → :8777
|
||||
- JS: скопировать 6 файлов, поменять `VM_API='https://check.kube5s.ru'`
|
||||
|
||||
**Ф4+ отложить** — морда на managed Flask не нужна для v1 MVP. Используем текущий index.cfm как есть, или минимальный HTML на ВМ.
|
||||
@@ -0,0 +1,172 @@
|
||||
# Устройство ВМ contracts.kube5s.ru
|
||||
|
||||
> **ВАЖНО**: Это актуальная документация. Старый `architecture.md` описывает мёртвый Flask `contracts-app/site/` — к ВМ отношения не имеет.
|
||||
|
||||
---
|
||||
|
||||
## Где что лежит
|
||||
|
||||
```
|
||||
РЕПОЗИТОРИЙ (локально) ВМ (5.172.178.213)
|
||||
/home/naeel/nubes/contracts/ /home/naeel/contracts/
|
||||
│ │
|
||||
├── contractor/ │
|
||||
│ └── deploy/ ◀─── sync.sh ───▶ ВСЁ содержимое deploy/
|
||||
│ ├── app.js ├── app.js
|
||||
│ ├── app_utils.js ├── app_utils.js
|
||||
│ ├── compare.js ├── compare.js
|
||||
│ ├── files.js ├── files.js
|
||||
│ ├── groups.js ├── groups.js
|
||||
│ ├── state.js ├── state.js
|
||||
│ ├── tests.js ├── (нет на ВМ)
|
||||
│ ├── classify_worker.py ├── classify_worker.py
|
||||
│ ├── convert_doc.py ├── convert_doc.py
|
||||
│ ├── convert_server.py ◀── ГЛАВНЫЙ ──▶ convert_server.py (порт 8766)
|
||||
│ ├── llm_prompt.py ├── llm_prompt.py
|
||||
│ ├── nginx-contracts.conf ├── nginx-contracts.conf
|
||||
│ ├── db/ ├── db/
|
||||
│ │ ├── __init__.py │ ├── __init__.py
|
||||
│ │ ├── connection.py │ ├── connection.py
|
||||
│ │ ├── contracts.py │ ├── contracts.py
|
||||
│ │ ├── documents.py │ ├── documents.py
|
||||
│ │ ├── prompts.py │ ├── prompts.py
|
||||
│ │ ├── spec_current.py │ ├── spec_current.py
|
||||
│ │ ├── spec_events.py │ ├── spec_events.py
|
||||
│ │ └── supplements.py │ └── supplements.py
|
||||
│ ├── services/ ├── services/
|
||||
│ │ ├── __init__.py │ ├── __init__.py
|
||||
│ │ ├── classify.py │ ├── classify.py
|
||||
│ │ ├── grouping.py │ ├── grouping.py
|
||||
│ │ ├── llm.py │ ├── llm.py
|
||||
│ │ ├── parse.py │ ├── parse.py
|
||||
│ │ ├── process.py │ ├── process.py
|
||||
│ │ ├── unzip.py │ ├── unzip.py
|
||||
│ │ └── upload.py │ └── upload.py
|
||||
│ └── sync.sh │
|
||||
│ ├── site/ ← Flask UI (НЕ из deploy)
|
||||
│ ├── .env ← VM-специфично
|
||||
│ ├── gunicorn.conf.py
|
||||
│ ├── start.sh
|
||||
│ ├── logs/
|
||||
│ │
|
||||
│ ├── classify.py ← ⛔ МУСОР (не юзается)
|
||||
│ ├── grouping.py ← ⛔ МУСОР (не юзается)
|
||||
│ ├── prompts.py ← ⛔ МУСОР (не юзается)
|
||||
│ └── unzip.py ← ⛔ МУСОР (не юзается)
|
||||
│
|
||||
├── contracts-app/ ← ⛔ МЁРТВЫЙ Flask v1, к ВМ отношения НЕ ИМЕЕТ
|
||||
│
|
||||
├── contractor/ ← ColdFusion/Lucee (старый бекенд, не на ВМ)
|
||||
│
|
||||
└── contracts-vm/ ← ?
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## ⛔ КОРНЕВЫЕ .py НА ВМ — МУСОР
|
||||
|
||||
На ВМ в `~/contracts/` лежат файлы:
|
||||
- `classify.py`
|
||||
- `grouping.py`
|
||||
- `prompts.py`
|
||||
- `unzip.py`
|
||||
|
||||
**Эти файлы НЕ ИМПОРТИРУЮТСЯ и НЕ ИСПОЛЬЗУЮТСЯ.** Они остались от старой плоской структуры.
|
||||
|
||||
Реально используемые версии лежат в подпапках:
|
||||
- `services/classify.py` ✅
|
||||
- `services/grouping.py` ✅
|
||||
- `db/prompts.py` ✅
|
||||
- `services/unzip.py` ✅
|
||||
|
||||
`convert_server.py` импортирует ТОЛЬКО из `db/` и `services/`:
|
||||
```python
|
||||
from db import prompts as db_prompts
|
||||
from db.connection import DB_CONFIG, execute
|
||||
from db import supplements as db_supplements
|
||||
from db import documents as db_documents
|
||||
from db import spec_current as db_spec_current
|
||||
from services.upload import handle_upload
|
||||
from services.unzip import handle_unzip
|
||||
from services.process import run_pipeline
|
||||
from llm_prompt import build_prompt
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## Архитектура на ВМ
|
||||
|
||||
```
|
||||
Браузер
|
||||
│
|
||||
▼
|
||||
Nginx :443 (nginx-contracts.conf)
|
||||
│
|
||||
├── / → 127.0.0.1:5001 (Flask, gunicorn)
|
||||
│ site/app.py — отдаёт HTML (index.html, upload.html)
|
||||
│ Статика: templates/, static/
|
||||
│
|
||||
└── /upload, /convert-doc, /unzip-upload,
|
||||
/llm-ops, /process-v2, /parse-pdf, /static/
|
||||
→ 127.0.0.1:8766 (convert_server.py)
|
||||
│
|
||||
├── db/ — PostgreSQL через psycopg2
|
||||
├── services/ — бизнес-логика
|
||||
└── llm_prompt.py — сборка промптов
|
||||
```
|
||||
|
||||
### Три процесса
|
||||
|
||||
| Процесс | Порт | Что | Запуск |
|
||||
|---|---|---|---|
|
||||
| gunicorn | 5001 | Flask UI | `start.sh` |
|
||||
| convert_server.py | 8766 | **Главный API-сервер** | `sync.sh` (после деплоя) |
|
||||
| nginx | 443 | Прокси + SSL | systemd |
|
||||
|
||||
### JS-файлы — клиентские
|
||||
|
||||
`app.js`, `files.js`, `groups.js`, `state.js`, `compare.js`, `app_utils.js` — это **клиентский JavaScript**. Они не запускаются на ВМ как процесс. Их отдаёт Flask через HTML-шаблоны, и они выполняются в браузере.
|
||||
|
||||
---
|
||||
|
||||
## Деплой (sync.sh)
|
||||
|
||||
```bash
|
||||
# Запускать из contractor/
|
||||
bash deploy/sync.sh
|
||||
```
|
||||
|
||||
**Сейчас деплоит только 2 файла:**
|
||||
- `convert_server.py`
|
||||
- `convert_doc.py`
|
||||
|
||||
**Должен деплоить ВСЁ из `deploy/`** (кроме `sync.sh` и `__pycache__`).
|
||||
|
||||
После деплоя — `pkill -f convert_server.py && nohup python3 convert_server.py &`
|
||||
|
||||
### Что НЕ деплоить
|
||||
|
||||
- `site/` — Flask UI, живёт своей жизнью
|
||||
- `.env` — переменные окружения ВМ
|
||||
- `gunicorn.conf.py`, `start.sh` — конфиги ВМ
|
||||
- `logs/` — рантайм
|
||||
|
||||
---
|
||||
|
||||
## Как проверять соответствие
|
||||
|
||||
```bash
|
||||
# md5 всех файлов в db/ и services/ на ВМ
|
||||
ssh naeel@5.172.178.213 'md5sum ~/contracts/db/*.py ~/contracts/services/*.py'
|
||||
|
||||
# Сравнить с локальными
|
||||
md5sum contractor/deploy/db/*.py contractor/deploy/services/*.py
|
||||
```
|
||||
|
||||
Корневые `classify.py`, `grouping.py`, `prompts.py`, `unzip.py` — **НЕ проверять**, это мусор.
|
||||
|
||||
---
|
||||
|
||||
## Версия
|
||||
|
||||
Актуально на 2026-06-27. При изменениях — обновлять.
|
||||
@@ -0,0 +1,93 @@
|
||||
# Teach flow VM smoke tests
|
||||
|
||||
Дата: 26.06.2026 | Проверка isolated teaching flow на VM после внедрения.
|
||||
|
||||
## Что проверяли
|
||||
|
||||
Проверялся Flask-слой VM через test client с подменой DB-слоя, чтобы подтвердить поведение новых endpoints без риска для боевой БД.
|
||||
|
||||
### Проверенные маршруты
|
||||
|
||||
- `GET /teach`
|
||||
- `GET /teach/api/meta`
|
||||
- `GET /teach/api/contracts`
|
||||
- `GET /teach/api/context?supplement_id=...`
|
||||
- `POST /teach/api/feedback`
|
||||
- `GET /teach/api/feedback?contract_id=...&supplement_id=...`
|
||||
|
||||
## Результат smoke-test
|
||||
|
||||
Все маршруты вернули `200 OK` в mocked окружении.
|
||||
|
||||
### `/teach`
|
||||
|
||||
- Страница отдала HTML с заголовком `Сверка договоров — обучение`.
|
||||
|
||||
### `/teach/api/meta`
|
||||
|
||||
Вернуло дефолтные метаданные:
|
||||
|
||||
```json
|
||||
{
|
||||
"ok": true,
|
||||
"prompt_version": "vm-teach-v1",
|
||||
"model_name": "gpt-oss-120b"
|
||||
}
|
||||
```
|
||||
|
||||
### `/teach/api/contracts`
|
||||
|
||||
Вернуло список договоров и допников в ожидаемой структуре:
|
||||
- `contract_id`
|
||||
- `contract_number`
|
||||
- `client`
|
||||
- `date_signed`
|
||||
- `supplements[]`
|
||||
|
||||
### `/teach/api/context`
|
||||
|
||||
Вернуло:
|
||||
- `supplement`
|
||||
- `current_rows`
|
||||
- `previous_rows`
|
||||
|
||||
### `POST /teach/api/feedback`
|
||||
|
||||
Проверена запись feedback со значениями:
|
||||
- `scope = row`
|
||||
- `verdict = error`
|
||||
- `error_type = wrong_price`
|
||||
- `field = price`
|
||||
- `llm_value` и `correct_value` как JSON
|
||||
- `prompt_version = vm-teach-v1`
|
||||
- `model_name = gpt-oss-120b`
|
||||
- `doc_mode = amendment`
|
||||
|
||||
Запись успешно ушла в mock cursor и commit был вызван.
|
||||
|
||||
### `GET /teach/api/feedback`
|
||||
|
||||
Возвратил сохранённую запись в читаемом JSON виде.
|
||||
|
||||
## Что всплыло по окружению
|
||||
|
||||
Во время проверки не хватало runtime-зависимостей в VM-venv:
|
||||
- `python-dotenv`
|
||||
- `Flask`
|
||||
- `psycopg2-binary`
|
||||
- `httpx`
|
||||
- `pdfplumber`
|
||||
- `python-docx`
|
||||
- `redis`
|
||||
|
||||
Эти пакеты были установлены в VM-venv, после чего smoke-test прошёл.
|
||||
|
||||
## Вывод
|
||||
|
||||
Isolated teaching flow на VM не только компилируется, но и проходит mocked smoke-test по основным endpoint'ам:
|
||||
- чтение метаданных,
|
||||
- загрузка списка договоров,
|
||||
- загрузка контекста допника,
|
||||
- запись и чтение feedback.
|
||||
|
||||
Старый Lucee-frontend и основной compare pipeline при этом не затрагивались.
|
||||
@@ -0,0 +1,115 @@
|
||||
# Feature: isolated teaching flow on VM
|
||||
|
||||
Дата: 26.06.2026 | Переход от обсуждения идеи feedback-learning к реальному isolated-flow на VM.
|
||||
|
||||
## Что решили
|
||||
|
||||
- Lucee-mordа не трогаем.
|
||||
- Новая страница обучения живёт на VM по прямому URL.
|
||||
- Рабочий compare pipeline не меняем.
|
||||
- Feedback пишется только в отдельную таблицу `feedback`.
|
||||
- Для аналитики сохраняем `prompt_version` и `model_name`.
|
||||
- Значения по умолчанию берём из VM metadata endpoint / env, а не из Lucee.
|
||||
|
||||
## Что сделано
|
||||
|
||||
### 1. Изолированный Flask blueprint
|
||||
|
||||
Добавлен новый blueprint `teach_bp` в VM-слой:
|
||||
- `/teach` — отдельная страница обучения.
|
||||
- `/teach/api/meta` — дефолтные метаданные для страницы.
|
||||
- `/teach/api/contracts` — список договоров и допников.
|
||||
- `/teach/api/context` — текущие строки спецификации и предыдущие строки для выбранного допника.
|
||||
- `/teach/api/feedback` — чтение и запись feedback.
|
||||
|
||||
Файлы:
|
||||
- [contracts-app/site/teach.py](../../contracts-app/site/teach.py)
|
||||
- [contracts-app/site/app.py](../../contracts-app/site/app.py)
|
||||
|
||||
### 2. Отдельная таблица feedback
|
||||
|
||||
Добавлена таблица `feedback` в DDL приложения. В ней хранятся:
|
||||
- `contract_id`
|
||||
- `supplement_id`
|
||||
- `event_seq`
|
||||
- `scope`
|
||||
- `verdict`
|
||||
- `error_type`
|
||||
- `field`
|
||||
- `service_name`
|
||||
- `llm_value`
|
||||
- `correct_value`
|
||||
- `prompt_version`
|
||||
- `model_name`
|
||||
- `doc_mode`
|
||||
- `comment`
|
||||
|
||||
Файл:
|
||||
- [contracts-app/site/schema.py](../../contracts-app/site/schema.py)
|
||||
|
||||
### 3. Teach UI
|
||||
|
||||
Добавлена отдельная страница:
|
||||
- список договоров и допников слева;
|
||||
- таблица строк спецификации справа;
|
||||
- кнопка `⚠` у строки для замечания;
|
||||
- кнопка `✓ Всё верно`;
|
||||
- кнопка `➕ Пропущена позиция`;
|
||||
- отдельная форма для комментария и correct value;
|
||||
- автоматический bootstrap metadata через `/teach/api/meta`.
|
||||
|
||||
Файл:
|
||||
- [contracts-app/site/templates/teach.html](../../contracts-app/site/templates/teach.html)
|
||||
|
||||
### 4. Метаданные обучения
|
||||
|
||||
Сделан безопасный fallback:
|
||||
- `prompt_version` по умолчанию: `vm-teach-v1`
|
||||
- `model_name` по умолчанию: `gpt-oss-120b`
|
||||
- можно переопределить через URL: `?prompt_version=...&model=...`
|
||||
- можно переопределить через env:
|
||||
- `TEACH_PROMPT_VERSION`
|
||||
- `TEACH_MODEL_NAME`
|
||||
|
||||
### 5. Миграции без риска
|
||||
|
||||
Чтобы не ломать уже существующую БД, добавлены:
|
||||
- `ALTER TABLE feedback ADD COLUMN IF NOT EXISTS prompt_version TEXT`
|
||||
- `ALTER TABLE feedback ADD COLUMN IF NOT EXISTS model_name TEXT`
|
||||
|
||||
## Проверки
|
||||
|
||||
Синтаксис VM-файлов проверен через `python3 -m py_compile`:
|
||||
- `app.py`
|
||||
- `teach.py`
|
||||
- `schema.py`
|
||||
- `db.py`
|
||||
- `api.py`
|
||||
- `upload.py`
|
||||
- `extractor.py`
|
||||
- `differ.py`
|
||||
- `test_routes.py`
|
||||
|
||||
Ошибок нет.
|
||||
|
||||
## Что важно не перепутать
|
||||
|
||||
- Старая Lucee-морда не нужна для этой фичи.
|
||||
- Обучение открывается по прямому URL на VM.
|
||||
- Никакого вмешательства в compare/upload pipeline нет.
|
||||
- `feedback` — отдельная аналитическая шина, не часть боевого event sourcing.
|
||||
|
||||
## Что ещё осталось
|
||||
|
||||
- Подключить реальный smoke-test к VM endpoint'ам и проверить insert/select на живой БД.
|
||||
- Если нужно, сделать отдельный read-only список накопленного feedback для агента.
|
||||
- При желании можно later подтянуть prompt/model metadata не из URL/env, а из отдельной VM-конфигурации.
|
||||
|
||||
## Ключевые файлы
|
||||
|
||||
- [contracts-app/site/app.py](../../contracts-app/site/app.py)
|
||||
- [contracts-app/site/schema.py](../../contracts-app/site/schema.py)
|
||||
- [contracts-app/site/teach.py](../../contracts-app/site/teach.py)
|
||||
- [contracts-app/site/templates/teach.html](../../contracts-app/site/templates/teach.html)
|
||||
- [contracts-app/site/llm_client.py](../../contracts-app/site/llm_client.py)
|
||||
- [contracts-app/site/extractor.py](../../contracts-app/site/extractor.py)
|
||||
@@ -0,0 +1,103 @@
|
||||
# Ответ Опуса — isolated training page / feedback storage
|
||||
|
||||
Дата: 26.06.2026 | Ответ на вопросы по отдельной странице "обучения" для проекта «Сверка договоров».
|
||||
|
||||
## Контекст
|
||||
|
||||
- Стек: Lucee/CFML 6.0, файловая маршрутизация (`teach.cfm` → `/teach`), PostgreSQL `baza`.
|
||||
- Рабочий compare-пайплайн не трогаем: новая фича должна жить полностью изолированно.
|
||||
- Цель: отдельная страница с тем же UI-скелетом, что и compare results, но с возможностью оставлять замечания по строкам таблицы операций и сохранять их в БД для дальнейшего анализа агентом.
|
||||
|
||||
## 1. Минимальная схема `feedback`
|
||||
|
||||
Для MVP достаточно плоских колонок для агрегации и `JSONB` для значений:
|
||||
|
||||
```sql
|
||||
CREATE TABLE IF NOT EXISTS feedback (
|
||||
id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
|
||||
created_at TIMESTAMPTZ DEFAULT now(),
|
||||
|
||||
contract_id UUID,
|
||||
supplement_id UUID,
|
||||
event_seq INTEGER, -- NULL для missed/document
|
||||
|
||||
scope TEXT NOT NULL, -- 'row' | 'missed' | 'document'
|
||||
verdict TEXT NOT NULL, -- 'correct' | 'error'
|
||||
error_type TEXT, -- wrong_price|wrong_qty|wrong_name|wrong_date|extra_row|missed_row|wrong_action|wrong_mode
|
||||
field TEXT, -- price|qty|sum|name|date_start|action|mode
|
||||
|
||||
service_name TEXT,
|
||||
llm_value JSONB,
|
||||
correct_value JSONB,
|
||||
|
||||
prompt_version TEXT,
|
||||
doc_mode TEXT, -- partial | full_replace
|
||||
comment TEXT
|
||||
);
|
||||
CREATE INDEX IF NOT EXISTS idx_feedback_error ON feedback(error_type);
|
||||
CREATE INDEX IF NOT EXISTS idx_feedback_prompt ON feedback(prompt_version);
|
||||
```
|
||||
|
||||
Рекомендуемый фиксированный набор `error_type`:
|
||||
`wrong_price, wrong_qty, wrong_name, wrong_date, extra_row, missed_row, wrong_action, wrong_mode`.
|
||||
|
||||
## 2. UI первой версии vs отложить
|
||||
|
||||
### В MVP
|
||||
|
||||
- Колонка `⚠` у каждой строки таблицы операций с мини-формой: выбор `error_type` + опционально правильное значение + комментарий.
|
||||
- Кнопка `[✓ всё верно]` на карточке ДС для положительного сигнала (`scope=document, verdict=correct`).
|
||||
- Кнопка `[➕ пропущена позиция]` для случая, когда позиция была пропущена (`scope=missed`).
|
||||
|
||||
### Отложить
|
||||
|
||||
- Инлайн-редактирование значений прямо в ячейках.
|
||||
- Статистика и дашборды на самой странице.
|
||||
- Модерация замечаний, роли, удаление чужих записей.
|
||||
- Разбор новых загрузок на этой странице; работать только по уже разобранным документам из БД.
|
||||
|
||||
## 3. Связь с исходной операцией
|
||||
|
||||
Правильная связь — логическая, без FK и без вмешательства в рабочий pipeline: `(contract_id, supplement_id, event_seq)`.
|
||||
|
||||
Почему так:
|
||||
|
||||
- `spec_events` уже хранит операции как `spec_events(contract_id, supplement_id, seq, action, new_values, ...)`.
|
||||
- `feedback` просто повторяет эти значения как обычные поля.
|
||||
- Без FK исключается риск связать feedback с жизненным циклом боевых событий или сломать вставки при повторном разборе.
|
||||
|
||||
Если `event_seq` когда-то переедет из-за пересборки данных, в `llm_value` / `correct_value` нужно сохранять снимок операции (`action` + `new_values`), чтобы замечание оставалось интерпретируемым.
|
||||
|
||||
## 4. `prompt_version`
|
||||
|
||||
Версию промпта хранить нужно, иначе нельзя считать регрессию между изменениями.
|
||||
|
||||
Но сейчас результат разбора не штампуется версией промпта, поэтому для MVP предлагается практический компромисс:
|
||||
|
||||
- `/teach` при сохранении замечания пишет текущую активную версию промпта из БД.
|
||||
- Это честно помечается как версия на момент проверки, а не на момент исходного разбора.
|
||||
- Правильная фиксация `prompt_version` в результате разбора — отдельная задача основного pipeline, не часть isolated feedback flow.
|
||||
|
||||
## 5. Что исключить
|
||||
|
||||
### PII / обезличивание
|
||||
|
||||
- Не хранить название/ИНН клиента, номер договора, ФИО, подписантов, реквизиты, email, телефоны.
|
||||
- Не хранить оригинальный текст документа и байты файла.
|
||||
|
||||
### Изоляция рабочих данных
|
||||
|
||||
- Не использовать `ALTER` существующих таблиц.
|
||||
- Не добавлять FK, триггеры или write-логики в `spec_events`, `spec_current`, `contracts`, `supplements`.
|
||||
- `/teach` должен писать только в `feedback` через отдельный параметризованный endpoint.
|
||||
|
||||
## Итог
|
||||
|
||||
Опус подтвердил, что MVP должен быть:
|
||||
|
||||
1. Отдельной страницей с тем же UX-скелетом, что и compare results.
|
||||
2. Отдельным write endpoint и отдельной таблицей `feedback`.
|
||||
3. Полностью изолированным от рабочего compare-пайплайна.
|
||||
4. Приспособленным для SQL-аналитики агентом через плоские колонки + `JSONB`.
|
||||
|
||||
Главный принцип: это не online-training, а сбор структурированного feedback для последующего анализа и планирования изменений.
|
||||
@@ -0,0 +1,123 @@
|
||||
# Ответ Опуса — режим «исправление ошибок / обучение»
|
||||
|
||||
Дата: 26.06.2025 | В ответ на обсуждение feedback-цикла.
|
||||
|
||||
---
|
||||
|
||||
## Суть
|
||||
|
||||
Режим: **юзер загружает документы → система выдаёт результат → юзер правит ошибки → правки сохраняются**.
|
||||
|
||||
Это не «обучение модели», а **накопление эталонных данных** (golden dataset) через естественный интерфейс исправления. Юзер не размечает абстрактно — он правит конкретный неверный результат.
|
||||
|
||||
## Что уже есть под это
|
||||
|
||||
- LLM возвращает поток операций: `ADD` / `UPDATE` / `DELETE` / `UNRESOLVED`
|
||||
- Применяются через событийную модель (`apply_events.cfm`)
|
||||
- Правка юзера = **исправленный поток операций**
|
||||
- Разница «LLM выдал» vs «юзер поправил» = **чистый сигнал ошибки**
|
||||
|
||||
## Три уровня (не путать)
|
||||
|
||||
| Уровень | Что | Когда |
|
||||
|---------|-----|-------|
|
||||
| **Регрессия** | Правки → golden-набор → прогон промпта → % ошибок | Сразу |
|
||||
| **Prompt-learning** | Анализ частых ошибок → правка промпта (few-shot/глоссарий) | Периодически |
|
||||
| **Fine-tuning** | Дообучение модели на сотнях/тысячах примеров | Не сейчас |
|
||||
|
||||
## Чего НЕ делать
|
||||
|
||||
- **Автоматически вкручивать правки в промпт** — переобучение, конфликты, рост токенов
|
||||
- Правильно: правки → накопитель → куратор анализирует агрегаты → batch-обновление промпта → регрессия
|
||||
|
||||
## Что заложить в дизайн
|
||||
|
||||
1. **Структурировать тип ошибки:** «пропущена строка», «неверная цена», «UPDATE вместо ADD», «ложный дубликат»
|
||||
2. **Версия промпта** при каждом результате — чтобы знать актуальность ошибки
|
||||
3. **Конфиденциальность** — реальные договоры с реквизитами копятся в БД, обсудить с заказчиком
|
||||
|
||||
---
|
||||
|
||||
**Решение:** отложить. Позже вернуться и спроектировать.
|
||||
|
||||
---
|
||||
|
||||
# Часть 2 — Конкретный UI для отметки ошибок
|
||||
|
||||
Дата: 26.06.2025 | Опус изучил реальный вывод (карточка + таблица операций) и предложил привязку к элементам интерфейса.
|
||||
|
||||
## Привязка: не к абзацам, а к строкам таблицы операций
|
||||
|
||||
Результат — **таблица операций** (`Действие / Услуга / Цена / Кол-во / Сумма / Дата`), а не текст-простыня. Замечание цепляется к строке таблицы, а не к абзацу исходника.
|
||||
|
||||
### Как выглядит (на реальном примере)
|
||||
|
||||
```
|
||||
✓ допник-1-XXX002-01200_3.docx — 2 оп., partial (14с) [✓ всё верно]
|
||||
+2 ~0 -0
|
||||
|
||||
Действие Услуга Цена Кол-во Сумма Дата ⚠
|
||||
ADD WAF: Positive Technologies, в составе… 104021.67 1 104021.67 2026-03-30 [⚠]
|
||||
ADD Облачный диск Valo Cloud, в составе… 68700 1 68700 2026-02-01 [⚠]
|
||||
|
||||
[ ➕ Система пропустила позицию ]
|
||||
```
|
||||
|
||||
### Клик по `[⚠]` → мини-форма под строкой
|
||||
|
||||
```
|
||||
Тип ошибки: ( ) неверная цена/сумма
|
||||
( ) неверное кол-во
|
||||
( ) неверное наименование услуги
|
||||
(•) лишняя строка — этой операции быть не должно
|
||||
( ) неверное действие (должно быть UPDATE/DELETE, а не ADD)
|
||||
( ) неверная дата
|
||||
Правильное значение: [_____________] (необязательно)
|
||||
Комментарий: [_____________] (необязательно)
|
||||
[ Сохранить ]
|
||||
```
|
||||
|
||||
### `[✓ всё верно]` — вверху карточки
|
||||
|
||||
Один клик = положительный сигнал, без расписывания.
|
||||
|
||||
### `[➕ Система пропустила позицию]` — под таблицей
|
||||
|
||||
Для случая, когда услуга была в документе, но LLM её не извлекла. Открывает форму ввода пропущенной строки.
|
||||
|
||||
## Что уходит в базу (обезличенно)
|
||||
|
||||
```
|
||||
operation: ADD
|
||||
service: "Облачный диск Valo Cloud, в составе…" ← без названия клиента
|
||||
field: price
|
||||
llm_value: 68700
|
||||
correct: 68000
|
||||
error_type: wrong_price
|
||||
prompt_version: v1.0.178
|
||||
```
|
||||
|
||||
Никаких названий компаний, ФИО, № договора — только структура услуги и числа.
|
||||
|
||||
## Почему так, а не поле у каждого абзаца
|
||||
|
||||
- Реальный вывод — **таблица**, а не текст. Абзацев нет, есть операции
|
||||
- Привязка к операции даёт агрегацию по типу ошибки
|
||||
- Готовая дельта «LLM выдала X → правильно Y» как обучающий сигнал
|
||||
- Ровная укладка в событийную модель (`apply_events.cfm`)
|
||||
|
||||
---
|
||||
|
||||
**Решение:** отложить. Ждать «делай» для реализации.
|
||||
|
||||
---
|
||||
|
||||
# Часть 3 — Текст для заказчика
|
||||
|
||||
**Этап опытной эксплуатации (обучение системы)**
|
||||
|
||||
На первое время предлагаем режим проверки: вы загружаете реальные документы, система выдаёт результат, а вы отмечаете ошибки — что распознано неверно (пропущена строка, неверная цена, неправильное сопоставление и т.п.).
|
||||
|
||||
Эти отметки **в обезличенном виде** (без названий компаний, ФИО, реквизитов и иных персональных данных) накапливаются в базе и используются для дальнейшей настройки и обучения системы.
|
||||
|
||||
Это позволит откалибровать сервис на ваших реальных договорах, а не на тестовых примерах, и системно повышать точность.
|
||||
@@ -0,0 +1,515 @@
|
||||
# Полные ответы Опуса — изолированная страница /teach (feedback + обучение)
|
||||
|
||||
Дата: 26.06.2026 | Сохранено post-factum из чат-сессии.
|
||||
|
||||
---
|
||||
|
||||
# ЧАСТЬ 1: Ответ про few-shot и эталонный датасет
|
||||
|
||||
Хороший вопрос. Дай я сначала посмотрю, как сейчас устроены эти «6 файлов» и формирование промпта, чтобы мнение было по делу.
|
||||
|
||||
Searching codebase for "формирование промпта для LLM на основе эталонных файлов few-shot examples"
|
||||
|
||||
Searched for regex `6 (файл|file|example|эталон|reference)`, 1 result
|
||||
|
||||
Searched for regex `few.?shot|эталон|example|пример|reference|опорн` (`**/contracts-app/**/*.py`), no results
|
||||
|
||||
Searched for files matching `**/llm_prompt.py`, 1 match
|
||||
|
||||
Searched for files matching `**/prompt*.{py,cfm}`, 2 matches
|
||||
|
||||
Searched for regex `opus_cases|out_100files|6 файл|six`, 2 results
|
||||
|
||||
Read file:///home/naeel/nubes/contracts/contractor/deploy/llm_prompt.py#1-1, lines 1 to 120
|
||||
|
||||
Read file:///home/naeel/nubes/contracts/testgen/opus_cases
|
||||
|
||||
Посмотрел, как сейчас устроено: промпт в llm_prompt.py — это хардкод-инструкция с доменным глоссарием и парой ручных few-shot примеров (`ПРИМЕР 1`, `ПРИМЕР 2`), а «6 файлов» — это по сути синтетические кейсы из opus_cases для проверки.
|
||||
|
||||
Моё мнение по фиче.
|
||||
|
||||
## Идея здравая, но есть важная развилка
|
||||
|
||||
Реальные проверенные документы — это очень ценно. Синтетика (gen_opus.py) не воспроизводит грязь реальных договоров: кривые таблицы, объединённые ячейки, «мощность в составе названия», нестандартные формулировки ДС, опечатки в суммах. На 6 искусственных файлах легко получить иллюзию качества, которая рассыпется на первом же настоящем пакете.
|
||||
|
||||
Но ключевой вопрос: **что именно строить из архива?** Тут смешаны две разные вещи.
|
||||
|
||||
## 1. Эталонный датасет (input → проверенный output) — да, делать
|
||||
|
||||
Самое полезное. Но важно: «загрузить архив документов» недостаточно. Чтобы это работало, на каждый документ нужен **проверенный правильный результат** (итоговая спецификация / список ops). Без эталонного ответа это просто куча PDF — не на чем калибровать.
|
||||
|
||||
То есть фича должна быть не «загрузи архив», а «загрузи архив + зафиксируй проверенную спецификацию как ground-truth». Тогда получаем regression-набор: прогнал промпт → сравнил с эталоном → видишь реальный процент ошибок.
|
||||
|
||||
## 2. Авто-генерация промпта из этих файлов — осторожно
|
||||
|
||||
Полностью «формировать промпт» из загруженных файлов я бы не делал. Риски:
|
||||
- **Раздувание контекста** — если пихать реальные договоры целиком как few-shot, промпт пухнет, растёт цена/латентность, и модель начинает копировать формат конкретного образца.
|
||||
- **Переобучение под layout** — закладываешь форматы 3-х клиентов, ломается на четвёртом.
|
||||
- **Конфиденциальность** — реальные договоры с реквизитами/ценами уезжают в LLM на каждом запросе. Это надо явно проговорить с заказчиком.
|
||||
|
||||
Лучше из архива **извлекать паттерны, а не сам текст**: новые единицы измерения, варианты названий услуг, типы формулировок ДС («изложить в новой редакции» и т.п.) — и обогащать ими глоссарий и правила в промпте. 1-2 самых показательных кейса можно добавить как few-shot, остальное — в eval-набор.
|
||||
|
||||
## Что я бы предложил по факту
|
||||
|
||||
- **Разделить два контура**: (а) `golden dataset` из реальных пар вход→проверенный_выход для регрессии; (б) сам промпт — оставить компактным, обогащать его выводами из анализа датасета, а не сырыми файлами.
|
||||
- Фича «загрузка архива» → ведёт в **разметку/верификацию** (человек подтверждает правильный результат), а не сразу в промпт.
|
||||
- На этом наборе гонять метрику (precision/recall по ops), и менять промпт только если метрика растёт.
|
||||
|
||||
Резюме: направление правильное — уходить от 6 синтетических файлов надо. Но ценность не в «архиве документов», а в **архиве проверенных пар документ↔результат**. И этим калибровать/тестировать, а не механически генерировать промпт.
|
||||
|
||||
Это обсуждение — код не трогаю. Скажешь «делай» по конкретному пункту — приступлю.
|
||||
|
||||
---
|
||||
|
||||
# ЧАСТЬ 2: Ответ про «типа обучение» (feedback-learning цикл)
|
||||
|
||||
Да, это сильнее предыдущего варианта — и вот почему, плюс где подвох.
|
||||
|
||||
## Почему это лучше «загрузки архива»
|
||||
|
||||
Главная проблема прошлого варианта была: откуда взять «проверенный правильный ответ». Здесь она решается сама собой — **интерфейс исправления ошибок и есть инструмент разметки**. Юзер не размечает абстрактно, а правит конкретный результат системы. На выходе автоматически копится то самое: пара «вход → проверенный выход». Это правильный способ построить эталонный датасет.
|
||||
|
||||
И что важно — у вас уже есть подходящая структура под это. Результат LLM — это поток операций (`ADD` / `UPDATE` / `DELETE` / `UNRESOLVED`) в llm_prompt.py, а применяются они через событийную модель (apply_events.cfm). Значит правка юзера — это **исправленный поток операций**, а разница «что выдала LLM» vs «как поправил юзер» = чистый сигнал ошибки. Это удобно: не свободный текст «тут неверно», а конкретная дельта.
|
||||
|
||||
## Но «типа обучения» — это важная оговорка
|
||||
|
||||
Само по себе это **не обучение модели**. Цикл «учится» только если правки где-то сохраняются и переиспользуются. Если правка живёт в рамках одной сессии и исчезает — система не умнеет, это просто ручная корректировка. Так что ключевое в фиче — не сам акт правки, а **накопление и переиспользование** правок.
|
||||
|
||||
Дальше есть три уровня, и не надо их путать:
|
||||
|
||||
1. **Регрессия** (самое дешёвое и полезное сразу) — правки копятся как golden-набор, на нём гоняется промпт, видно реальный % ошибок.
|
||||
2. **Prompt-learning** — из частых ошибок осознанно дополняется глоссарий/правила/few-shot в промпте. Это и есть практичное «обучение» в вашем случае.
|
||||
3. **Fine-tuning модели** — реальное дообучение. Дорого, нужен объём (сотни-тысячи примеров), отдельная инфраструктура. На старте не нужно.
|
||||
|
||||
## Где подвох — не вкручивать правки в промпт автоматически
|
||||
|
||||
Соблазн: «каждую правку юзера сразу добавлять в промпт». Так делать нельзя:
|
||||
- **переобучение** под конкретные форматы;
|
||||
- **рост контекста** и цены;
|
||||
- **конфликтующие правки** от разных юзеров → промпт деградирует.
|
||||
|
||||
Правильнее: правки идут в накопитель → периодически человек/куратор смотрит агрегат → осознанно обновляет промпт → прогоняет регрессию. Batch, а не автоматом на каждый клик.
|
||||
|
||||
## Что бы я ещё заложил в дизайн
|
||||
|
||||
- **Структурировать тип ошибки**, а не свободный текст: «пропущена строка» / «неверная цена» / «надо было UPDATE, а не ADD» / «ложный дубликат вместо UNRESOLVED». Тогда правки можно агрегировать и видеть системные слабости промпта, а не разбирать вручную.
|
||||
- Фиксировать **версию промпта**, на которой получен результат — иначе через месяц непонятно, актуальна ли ещё ошибка.
|
||||
- Учесть **конфиденциальность**: реальные договоры с реквизитами/ценами копятся в БД — проговорить с заказчиком.
|
||||
|
||||
Резюме: режим «загрузил → система выдала → юзер поправил → правка сохранилась» — да, делать стоит, это естественный сборщик эталонных данных и ловушка системных ошибок. Только «обучение» держать осознанным (batch-обновление промпта + регрессия), а не авто-инъекцией каждой правки.
|
||||
|
||||
Код не трогаю — это обсуждение. Скажешь «делай» — распишу конкретную реализацию.
|
||||
|
||||
---
|
||||
|
||||
# ЧАСТЬ 3: Короткий вариант для заказчика
|
||||
|
||||
Вот короткий вариант для заказчика:
|
||||
|
||||
---
|
||||
|
||||
**Этап опытной эксплуатации (обучение системы)**
|
||||
|
||||
На первое время предлагаем режим проверки: вы загружаете реальные документы, система выдаёт результат, а вы отмечаете ошибки — что распознано неверно (пропущена строка, неверная цена, неправильное сопоставление и т.п.).
|
||||
|
||||
Эти отметки **в обезличенном виде** (без названий компаний, ФИО, реквизитов и иных персональных данных) накапливаются в базе и используются для дальнейшей настройки и обучения системы.
|
||||
|
||||
Это позволит откалибровать сервис на ваших реальных договорах, а не на тестовых примерах, и системно повышать точность.
|
||||
|
||||
---
|
||||
|
||||
Если нужно ещё короче (одним абзацем) или, наоборот, добавить пункт про согласие на обработку данных — скажи, поправлю.
|
||||
|
||||
---
|
||||
|
||||
# ЧАСТЬ 4: Ответ про привязку замечаний к строкам таблицы
|
||||
|
||||
Дай гляну, как сейчас выглядит вывод результата — чтобы предложить привязку замечаний к реальным элементам интерфейса, а не абстрактно.
|
||||
|
||||
Read file:///home/naeel/nubes/contracts/contractor/deploy/services
|
||||
|
||||
Read memory file:///home/naeel/.vscode-server/data/User/workspaceStorage/dc98ff3e658364e1826ee6585ebe4b5e/GitHub.copilot-chat/memory-tool/memories/repo/contracts-two-panels.md
|
||||
|
||||
Searched for regex `target_id|r1|new_row|action.*ADD|операц|spec|строк` (`**/contractor/view.cfm`), no results
|
||||
|
||||
Searched for files matching `**/contracts-app/site/templates/**`, no matches
|
||||
|
||||
Не «у каждого абзаца» — это привязка не к тому объекту. Результат работы системы — это не текст-простыня, а **таблица спецификации**: набор строк-услуг, каждая получена операцией LLM (`ADD`/`UPDATE`/`DELETE`/`UNRESOLVED`) и имеет свой id (`r1`, `r2`…). Замечание логично цеплять **к строке результата**, а не к абзацу исходника.
|
||||
|
||||
## Как я бы это сделал
|
||||
|
||||
**Уровень 1 — отметка на строке (основное).**
|
||||
У каждой строки итоговой таблицы — маленькая иконка «⚠ ошибка». Клик открывает мини-форму с **выбором типа ошибки** (не свободный текст):
|
||||
- неверная цена / объём / сумма
|
||||
- неверное наименование
|
||||
- лишняя строка (надо было удалить)
|
||||
- пропущена строка (есть в документе — нет в результате)
|
||||
- неверное сопоставление (надо UPDATE существующей, а не новая ADD; или наоборот)
|
||||
- неверный тип ДС / режим (partial vs новая редакция)
|
||||
|
||||
Плюс необязательное поле «комментарий» свободным текстом.
|
||||
|
||||
**Уровень 2 — отметка «пропущено».**
|
||||
Случай «строки вообще нет в результате» не покрывается иконкой на строке. Нужна отдельная кнопка «➕ Система пропустила позицию» над/под таблицей.
|
||||
|
||||
**Уровень 3 — общая оценка (опционально).**
|
||||
Одна кнопка вверху: «Результат в целом верный / есть ошибки». Дёшево, но даёт быстрый сигнал по проценту удачных разборов.
|
||||
|
||||
## Почему так, а не поле у абзаца
|
||||
|
||||
- **Структурированный фидбек агрегируется.** «Тип ошибки = неверное сопоставление встречается в 40% ДС» → понятно, что чинить в промпте. Свободный текст у абзацев придётся разбирать вручную, аналитики ноль.
|
||||
- **Замечание = дельта операции.** Юзер фактически правит строку → разница «что выдала LLM» vs «как должно быть» и есть обучающий сигнал. Это ложится на вашу событийную модель (apply_events.cfm) почти без натяжки.
|
||||
- **Меньше шума.** Поле ввода под каждым абзацем визуально перегружает и провоцирует расплывчатые комментарии.
|
||||
|
||||
## Что копится в базе (обезличенно)
|
||||
|
||||
На каждое замечание:
|
||||
- тип ошибки + (опц.) комментарий
|
||||
- что выдала система по этой строке
|
||||
- как поправил юзер (правильное значение)
|
||||
- версия промпта
|
||||
- **без** названий компаний/ФИО/реквизитов — только структура и числа
|
||||
|
||||
## Как это сформулировать заказчику (1 фраза)
|
||||
|
||||
> В режиме проверки у каждой строки результата будет отметка «ошибка» с выбором типа (неверная цена, пропущена позиция, неверное сопоставление и т.п.). Эти отметки в обезличенном виде копятся в базе и используются для настройки точности.
|
||||
|
||||
Хочешь — распишу конкретную реализацию (поля в БД, эндпоинт сохранения, изменения в шаблоне вывода). Код пока не трогаю, жду «делай».
|
||||
|
||||
---
|
||||
|
||||
# ЧАСТЬ 5: Ответ про UI с примером на допник-1-XXX002
|
||||
|
||||
Отлично, теперь предметно. Твой вывод — это карточка документа + **таблица операций** (`Действие / Услуга / Цена / Кол-во / Сумма / Дата`). Замечания цепляем именно к строкам этой таблицы. Вот как это выглядело бы на твоём примере:
|
||||
|
||||
```
|
||||
✓ допник-1-XXX002-01200_3.docx — 2 оп., partial (14с) [✓ всё верно]
|
||||
+2 ~0 -0
|
||||
|
||||
Действие Услуга Цена Кол-во Сумма Дата ⚠
|
||||
ADD WAF: Positive Technologies, в составе… 104021.67 1 104021.67 2026-03-30 [⚠]
|
||||
ADD Облачный диск Valo Cloud, в составе… 68700 1 68700 2026-02-01 [⚠]
|
||||
|
||||
[ ➕ Система пропустила позицию ]
|
||||
```
|
||||
|
||||
**Клик по `[⚠]` в строке** → раскрывается мини-форма прямо под строкой:
|
||||
|
||||
```
|
||||
Тип ошибки: ( ) неверная цена/сумма
|
||||
( ) неверное кол-во
|
||||
( ) неверное наименование услуги
|
||||
(•) лишняя строка — этой операции быть не должно
|
||||
( ) неверное действие (должно быть UPDATE/DELETE, а не ADD)
|
||||
( ) неверная дата
|
||||
Правильное значение: [_____________] (необязательно)
|
||||
Комментарий: [_____________] (необязательно)
|
||||
[ Сохранить ]
|
||||
```
|
||||
|
||||
**Кнопка `[✓ всё верно]`** вверху карточки — если разбор документа корректен целиком. Один клик = положительный сигнал, ничего расписывать не надо.
|
||||
|
||||
**Кнопка `➕ Система пропустила позицию`** — для случая, которого нет в таблице (услуга была в документе, но LLM её не извлекла). Открывает форму ввода пропущенной строки.
|
||||
|
||||
## Что уходит в базу по одному замечанию (обезличенно)
|
||||
|
||||
На примере второй строки, если юзер укажет «неверная цена, правильно 68000»:
|
||||
|
||||
```
|
||||
operation: ADD
|
||||
service: "Облачный диск Valo Cloud, в составе…" ← наименование услуги, без названия клиента
|
||||
field: price
|
||||
llm_value: 68700
|
||||
correct: 68000
|
||||
error_type: wrong_price
|
||||
prompt_version: v1.0.178
|
||||
```
|
||||
|
||||
Никаких «ЗАО ХХХ002», № договора, ФИО — только структура услуги и числа.
|
||||
|
||||
## Почему так, а не поле под каждым абзацем
|
||||
|
||||
Твой реальный вывод подтверждает: это **таблица**, а не текст. Поле у «абзаца» некуда вешать — абзацев тут нет, есть операции. А привязка к операции даёт:
|
||||
- агрегацию по типу ошибки (видно, что чинить в промпте),
|
||||
- готовую дельту «LLM выдала X → правильно Y» как обучающий сигнал,
|
||||
- ровную укладку в вашу событийную модель (apply_events.cfm).
|
||||
|
||||
Хочешь — распишу конкретику реализации (колонка в таблице вывода, эндпоинт сохранения, структура таблицы в БД). Код не трогаю, жду «делай».
|
||||
|
||||
---
|
||||
|
||||
# ЧАСТЬ 6: ДЕТАЛЬНЫЙ ПЛАН — страница /teach
|
||||
|
||||
Это план, не правка кода — изучу структуру, чтобы план лёг на реальный код, а не в воздух. Читаю ключевые файлы.
|
||||
|
||||
Read file:///home/naeel/nubes/contracts/contractor/db.cfc
|
||||
|
||||
Read file:///home/naeel/nubes/contracts/contractor/Application.cfc
|
||||
|
||||
Read memory file:///home/naeel/.vscode-server/data/User/workspaceStorage/dc98ff3e658364e1826ee6585ebe4b5e/GitHub.copilot-chat/memory-tool/memories/repo/contracts-deploy.md
|
||||
|
||||
Read memory file:///home/naeel/.vscode-server/data/User/workspaceStorage/dc98ff3e658364e1826ee6585ebe4b5e/GitHub.copilot-chat/memory-tool/memories/repo/contracts-lucee-test.md
|
||||
|
||||
Изучил структуру. Lucee-приложение с файловой маршрутизацией (`teach.cfm` → `/teach`), PostgreSQL `baza`, есть событийная модель (`spec_events`, `spec_current`) и уже готовый read-only SQL-эндпоинт `/db/query?sql=…` в db.cfc — через него агент и будет читать БД. Вот детальный план.
|
||||
|
||||
---
|
||||
|
||||
# План: страница `/teach` (опросник + обучение)
|
||||
|
||||
## 1. Принцип изоляции — что НЕ трогаем
|
||||
|
||||
Маршрутизация в Lucee файловая → **новый путь = новый файл**, существующий код не редактируется вообще:
|
||||
|
||||
| Не трогаем | Добавляем |
|
||||
|---|---|
|
||||
| `api.cfm`, `process*.cfm`, `apply_events.cfm`, db.cfc, Application.cfc, `upload.cfm`, `view.cfm` | `teach.cfm`, `teach_api.cfm`, `teach_schema.cfm` |
|
||||
| существующие таблицы (`spec_events`, `contracts`…) | **одна новая таблица** `feedback` |
|
||||
|
||||
Никаких `ALTER` существующих таблиц, никаких правок в `db.cfc/schema()`. Только чтение чужих таблиц + запись в свою.
|
||||
|
||||
## 2. Новые файлы (3 шт.)
|
||||
|
||||
1. **`teach_schema.cfm`** — одноразовый: `CREATE TABLE IF NOT EXISTS feedback (…)`. Зашёл по URL один раз → таблица создана.
|
||||
2. **`teach.cfm`** — сама страница:
|
||||
- список уже разобранных договоров/ДС (читает `contracts` + `supplements` + `spec_events`);
|
||||
- выбрал ДС → рисует ту же таблицу операций (`Действие/Услуга/Цена/Кол-во/Сумма/Дата`), что в твоём примере, но с колонкой `⚠` и кнопками `[✓ всё верно]`, `[➕ пропущена позиция]`;
|
||||
- JS отправляет замечание `POST`-ом на `teach_api.cfm`.
|
||||
3. **`teach_api.cfm`** — приём замечания: **параметризованный** `INSERT` в `feedback` (никакого конкатенированного SQL — защита от инъекций). Возвращает JSON `{ok:true}`.
|
||||
|
||||
> Источник данных для таблицы операций — `spec_events` (`action`, `new_values` JSONB, `comment`, `seq`). При реализации сверим, что карточка «2 оп., partial» строится именно отсюда.
|
||||
|
||||
## 3. Схема таблицы `feedback` (ядро — продумано под анализ агентом)
|
||||
|
||||
Главные поля вынесены отдельными колонками (не в JSON), чтобы агент агрегировал простым SQL; значения — в JSONB.
|
||||
|
||||
```sql
|
||||
CREATE TABLE IF NOT EXISTS feedback (
|
||||
id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
|
||||
created_at TIMESTAMPTZ DEFAULT now(),
|
||||
|
||||
-- привязка (внутренняя трассировка, в обучающий экспорт НЕ идёт)
|
||||
contract_id UUID, -- FK-логически на contracts, без жёсткого constraint
|
||||
supplement_id UUID,
|
||||
event_seq INTEGER, -- какая операция ДС (NULL для "пропущено"/"документ в целом")
|
||||
|
||||
-- уровень и вердикт
|
||||
scope TEXT NOT NULL, -- 'row' | 'missed' | 'document'
|
||||
verdict TEXT, -- 'correct' | 'error'
|
||||
|
||||
-- суть ошибки (для агрегации)
|
||||
error_type TEXT, -- wrong_price|wrong_qty|wrong_name|wrong_date|
|
||||
-- extra_row|missed_row|wrong_action|wrong_mode
|
||||
field TEXT, -- price|qty|sum|name|date_start|action|mode
|
||||
|
||||
-- обучающий сигнал: что выдала система vs как правильно
|
||||
service_name TEXT, -- наименование услуги (обезличено)
|
||||
llm_value JSONB, -- что выдала LLM
|
||||
correct_value JSONB, -- что указал юзер
|
||||
|
||||
-- контекст результата
|
||||
prompt_version TEXT, -- версия промпта на момент разбора
|
||||
doc_mode TEXT, -- partial | full_replace
|
||||
comment TEXT, -- свободный комментарий юзера (необяз.)
|
||||
reviewer TEXT -- обезличенный id сессии/юзера (необяз.)
|
||||
);
|
||||
CREATE INDEX IF NOT EXISTS idx_feedback_error ON feedback(error_type);
|
||||
CREATE INDEX IF NOT EXISTS idx_feedback_prompt ON feedback(prompt_version);
|
||||
```
|
||||
|
||||
## 4. Что пишется по каждому типу замечания
|
||||
|
||||
| Действие юзера | scope | verdict | error_type | llm_value → correct_value |
|
||||
|---|---|---|---|---|
|
||||
| `[✓ всё верно]` на карточке | `document` | `correct` | — | — |
|
||||
| `⚠` на строке: неверная цена | `row` | `error` | `wrong_price` | `{"price":68700}` → `{"price":68000}` |
|
||||
| `⚠`: лишняя строка | `row` | `error` | `extra_row` | вся операция → `null` |
|
||||
| `⚠`: должно быть UPDATE, а не ADD | `row` | `error` | `wrong_action` | `{"action":"ADD"}` → `{"action":"UPDATE"}` |
|
||||
| `[➕ пропущена позиция]` | `missed` | `error` | `missed_row` | `null` → `{name,price,qty,sum,date}` |
|
||||
| неверный режим ДС | `document` | `error` | `wrong_mode` | `{"mode":"partial"}` → `{"mode":"full_replace"}` |
|
||||
|
||||
Каждая запись самодостаточна: видно **что было** и **как надо** → готовая обучающая пара.
|
||||
|
||||
## 5. Обезличивание
|
||||
|
||||
- В `feedback` **не копируем** название клиента, № договора, ФИО, реквизиты.
|
||||
- Храним только: `service_name` (тип услуги — «WAF Positive Technologies»), числа, тип ошибки, версию промпта.
|
||||
- `contract_id/supplement_id` — это UUID (не имя), для внутренней трассировки. В **обучающий экспорт** агента эти id не включаются — только структурные поля.
|
||||
- Для заказчика формулировка: *«в обезличенном виде, без названий компаний и персональных данных»* — соответствует фактической схеме.
|
||||
|
||||
## 6. Как агент читает и анализирует (потом)
|
||||
|
||||
Через уже существующий `/db/query?sql=…` (read-only) или напрямую psql. Примеры:
|
||||
|
||||
**Системные слабости промпта:**
|
||||
```sql
|
||||
SELECT error_type, field, count(*) AS n
|
||||
FROM feedback WHERE verdict='error'
|
||||
GROUP BY error_type, field ORDER BY n DESC;
|
||||
```
|
||||
|
||||
**Качество по версии промпта (регрессия):**
|
||||
```sql
|
||||
SELECT prompt_version,
|
||||
count(*) FILTER (WHERE verdict='correct') AS ok,
|
||||
count(*) FILTER (WHERE verdict='error') AS err
|
||||
FROM feedback GROUP BY prompt_version;
|
||||
```
|
||||
|
||||
**Выгрузка обучающих пар (для правки промпта/few-shot):**
|
||||
```sql
|
||||
SELECT service_name, error_type, llm_value, correct_value
|
||||
FROM feedback WHERE verdict='error' AND scope='row';
|
||||
```
|
||||
|
||||
Дальше агент: смотрит агрегат → предлагает правку промпта/глоссария → прогоняет на накопленных парах → сравнивает метрику до/после. **Никакой авто-инъекции** правок в промпт — только осознанное batch-обновление.
|
||||
|
||||
## 7. Версия промпта — нюанс
|
||||
|
||||
Сейчас результат разбора **не штампуется** версией промпта. Варианты:
|
||||
- (минимум, без правки основного кода) `/teach` пишет в `prompt_version` **текущую активную** версию промпта на момент замечания — приблизительно, с оговоркой;
|
||||
- (правильно, отдельной задачей позже) при разборе сохранять `prompt_version` в результат — но это уже касается основного пайплайна, делать отдельно и по «делай».
|
||||
|
||||
Флажок: на старте берём активную версию, точность привязки уточним позже.
|
||||
|
||||
## 8. Этапы внедрения
|
||||
|
||||
1. `teach_schema.cfm` → создать таблицу `feedback`.
|
||||
2. `teach.cfm` (чтение разобранных ДС + рендер таблицы с `⚠`) — без сохранения, только UI.
|
||||
3. `teach_api.cfm` (параметризованный INSERT) + подключить JS-отправку.
|
||||
4. Проверка end-to-end на одном реальном ДС (как твой `допник-1-XXX002`).
|
||||
5. 2–3 контрольных SQL-запроса агента → убедиться, что данные читаемы и агрегируются.
|
||||
6. (позже, отдельно) первый цикл анализа → правка промпта → регрессия.
|
||||
|
||||
## 9. Открытые вопросы к тебе
|
||||
|
||||
1. **`/teach` работает только по уже разобранным** документам (из БД) — или нужна и загрузка-разбор прямо на странице? (загрузка-разбор = переиспользование основного пайплайна, сложнее).
|
||||
2. **Доступ к `/teach`** — нужен ли пароль/ограничение, или dev-стенд открыт?
|
||||
3. **`service_name`** — оставляем как есть (тип услуги) или дополнительно маскируем?
|
||||
4. **Кто reviewer** — нужно различать разных проверяющих или достаточно анонимной сессии?
|
||||
|
||||
---
|
||||
|
||||
Это план, код не трогал. Скажешь по каким пунктам «делай» (и ответишь на вопросы из §9) — начну с `teach_schema.cfm`.
|
||||
|
||||
---
|
||||
|
||||
# ЧАСТЬ 7: Ответ про промпт для Опуса
|
||||
|
||||
Текст для Опуса хороший — чёткие требования и правильные ограничения (не трогать пайплайн, без online-training, обезличенность). Но в нынешнем виде Опус ответит **обобщённо**, потому что в промпте нет контекста вашего стека и текущей схемы. По каждому из 5 вопросов это критично. Что я бы добавил, прежде чем отправлять:
|
||||
|
||||
## Чего не хватает Опусу для предметного ответа
|
||||
|
||||
1. **Стек и маршрутизация.** Lucee/CFML 6.0, файловая маршрутизация (`teach.cfm` → `/teach`), PostgreSQL `baza`. Без этого Опус не поймёт, как «не трогать пайплайн» технически (а ответ — просто новый файл, без правок существующих).
|
||||
|
||||
2. **Текущая схема — особенно для Q3.** У вас уже есть событийная модель:
|
||||
- `spec_events(contract_id, supplement_id, seq, action, target_hash, new_values JSONB, comment, status)`
|
||||
- `spec_current`, `contracts`, `supplements`.
|
||||
|
||||
Связь с исходной операцией = `(contract_id, supplement_id, event_seq)`, и это **уже отвечает на Q3**: ничего в пайплайне трогать не надо, фидбек просто ссылается на `seq` логически, без FK-constraint. Опус должен это знать, иначе предложит схему, не совпадающую с вашей.
|
||||
|
||||
3. **Форма результата (для Q1/Q2).** Таблица операций `Действие / Услуга / Цена / Кол-во / Сумма / Дата`, режимы `partial | full_replace`. Дайте Опусу реальный пример вывода (твой `допник-1-XXX002`).
|
||||
|
||||
4. **Ключевой факт для Q4.** Сейчас результат разбора **не штампуется версией промпта** — этого в промпте нет, а это определяет весь ответ на Q4. Без упоминания Опус посоветует «просто сохраняйте prompt_version», не зная, что её сейчас негде взять, кроме «текущей активной».
|
||||
|
||||
5. **Как агент потом читает БД (для Q1).** Есть read-only эндпоинт `/db/query?sql=…` в db.cfc. Это аргумент за «плоские колонки `error_type/field/prompt_version` + значения в JSONB» — чтобы агрегировалось обычным SQL.
|
||||
|
||||
## Мелочи по формулировкам
|
||||
|
||||
- Q5 стоит разнести: отдельно **PII** (имена/реквизиты/№ договора — не хранить) и отдельно **изоляция рабочих данных** (никаких `ALTER`/FK на боевые таблицы, только своя `feedback`). Сейчас они слиты в один вопрос.
|
||||
- Добавь явно: *«предложи минимальный набор `error_type` как enum-значения»* — иначе Опус может уйти в свободный текст ошибок, который потом не агрегируется.
|
||||
|
||||
---
|
||||
|
||||
Хочешь — могу либо (а) переписать твой промпт для Опуса с этим контекстом, либо (б) сам ответить на все 5 вопросов по вашей реальной схеме (у меня он есть). Скажи, что полезнее.
|
||||
|
||||
---
|
||||
|
||||
# ЧАСТЬ 8: Финальный предметный ответ по 5 вопросам
|
||||
|
||||
Понял, отвечаю по существу — по вашей реальной схеме.
|
||||
|
||||
## 1. Минимальная схема `feedback` для MVP
|
||||
|
||||
Плоские колонки для агрегации + JSONB для значений:
|
||||
|
||||
```sql
|
||||
CREATE TABLE IF NOT EXISTS feedback (
|
||||
id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
|
||||
created_at TIMESTAMPTZ DEFAULT now(),
|
||||
|
||||
-- связь с исходной операцией (логическая, без FK)
|
||||
contract_id UUID,
|
||||
supplement_id UUID,
|
||||
event_seq INTEGER, -- NULL для missed/document
|
||||
|
||||
scope TEXT NOT NULL, -- 'row' | 'missed' | 'document'
|
||||
verdict TEXT NOT NULL, -- 'correct' | 'error'
|
||||
error_type TEXT, -- enum-значения, см. ниже
|
||||
field TEXT, -- price|qty|sum|name|date_start|action|mode
|
||||
|
||||
service_name TEXT, -- наименование услуги (обезличено)
|
||||
llm_value JSONB, -- что выдала система
|
||||
correct_value JSONB, -- как правильно
|
||||
|
||||
prompt_version TEXT,
|
||||
doc_mode TEXT, -- partial | full_replace
|
||||
comment TEXT
|
||||
);
|
||||
CREATE INDEX IF NOT EXISTS idx_feedback_error ON feedback(error_type);
|
||||
CREATE INDEX IF NOT EXISTS idx_feedback_prompt ON feedback(prompt_version);
|
||||
```
|
||||
|
||||
Фиксированный набор `error_type` (enum как CHECK или просто документированный список):
|
||||
`wrong_price, wrong_qty, wrong_name, wrong_date, extra_row, missed_row, wrong_action, wrong_mode`.
|
||||
|
||||
Всё. Ни истории версий записи, ни статусов модерации в MVP не нужно.
|
||||
|
||||
## 2. UI первой версии vs отложить
|
||||
|
||||
**В MVP:**
|
||||
- колонка `⚠` у каждой строки таблицы операций → мини-форма: выбор `error_type` (радио) + опц. «правильное значение» + опц. комментарий;
|
||||
- кнопка `[✓ всё верно]` на карточке ДС (дешёвый положительный сигнал, `scope=document, verdict=correct`);
|
||||
- кнопка `[➕ пропущена позиция]` (`scope=missed`).
|
||||
|
||||
**Отложить:**
|
||||
- инлайн-редактирование значений прямо в ячейке (пока хватает «правильное значение» в форме);
|
||||
- дашборд статистики на самой странице (агрегация — задача агента через SQL, не UI);
|
||||
- модерация/удаление чужих замечаний, роли, авторизация по пользователям;
|
||||
- разбор-на-лету (загрузка нового документа) — работаем по уже разобранным из БД.
|
||||
|
||||
## 3. Связь с исходной операцией без вмешательства в pipeline
|
||||
|
||||
Ключ — **логическая ссылка `(contract_id, supplement_id, event_seq)`**, БЕЗ внешнего ключа на `spec_events`. У вас операции уже лежат в `spec_events(contract_id, supplement_id, seq, action, new_values…)` — `seq` стабилен в рамках договора. `feedback` просто хранит эти три значения как обычные поля.
|
||||
|
||||
Почему без FK:
|
||||
- FK на `spec_events` = риск, что повторный разбор/перезапись событий уронит вставку фидбека или каскадом заденет данные — это и есть «вмешательство». Логическая ссылка развязывает таблицы полностью.
|
||||
- `feedback` — отдельная таблица, ничего в боевых не меняем (никаких `ALTER`, никаких триггеров).
|
||||
|
||||
Если `seq` теоретически может переехать при reset/reparse — дополнительно дублируем в `llm_value` снимок операции (`action` + `new_values`), чтобы замечание оставалось интерпретируемым даже без живого `spec_events`. Этого достаточно.
|
||||
|
||||
## 4. prompt_version — хранить сразу, но честно
|
||||
|
||||
Хранить **да** — без неё нельзя мерить регрессию (стало лучше/хуже после правки промпта). Но: сейчас результат разбора версией промпта **не штампуется**, взять её из результата негде.
|
||||
|
||||
Поэтому для MVP, не трогая pipeline:
|
||||
- `/teach` на момент сохранения замечания читает **текущую активную** версию промпта из БД (ту, что Lucee отдаёт как активную) и пишет в `prompt_version`.
|
||||
- Это приближение: оно верно, если промпт не менялся между разбором и проверкой. Помечаем это как «версия на момент проверки», не «на момент разбора».
|
||||
|
||||
Правильная привязка (штамповать `prompt_version` в результат при разборе) — отдельная задача по основному пайплайну, делается позже и по явному решению, не в этом изолированном flow.
|
||||
|
||||
## 5. Что обязательно исключить
|
||||
|
||||
**PII / обезличивание — не хранить:**
|
||||
- название/ИНН клиента, № договора, ФИО, подписантов, реквизиты, email/телефоны;
|
||||
- оригинальный текст документа и байты файла.
|
||||
|
||||
Храним только тип услуги (`service_name`), числа, тип ошибки, версию промпта. `contract_id/supplement_id` — это UUID (не имена), для внутренней трассировки; в обучающий **экспорт** агента они не попадают.
|
||||
|
||||
**Изоляция рабочих данных — исключить из дизайна:**
|
||||
- любые `ALTER` существующих таблиц, FK-constraint'ы на боевые таблицы, триггеры;
|
||||
- запись в `spec_events / spec_current / contracts / supplements` — `/teach` только читает их, пишет исключительно в `feedback`;
|
||||
- никакого generic-SQL write-эндпоинта на публичной странице — только параметризованный INSERT в `teach_api.cfm` (защита от инъекций).
|
||||
|
||||
---
|
||||
|
||||
Это ответ-проектирование, код не трогаю. Скажешь «делай» — начну с `teach_schema.cfm` (создание таблицы), затем `teach.cfm` и `teach_api.cfm`.
|
||||
@@ -0,0 +1,151 @@
|
||||
# Анализ ответа Опуса — zip_source, UI-режимы, промпты
|
||||
|
||||
Дата: 26.06.2025 | Ответ на [opus-request-zip-plan.md](../Files/opus-request-zip-plan.md)
|
||||
|
||||
---
|
||||
|
||||
## 1. Оценка ответа в целом
|
||||
|
||||
**Качество: высокое.** Опус прочитал реальный код, разобрался в архитектуре, дал конкретные диффы по слоям. Не «размышления вообще», а точные строки и функции. 95% рекомендаций — правильные.
|
||||
|
||||
**Что упущено:**
|
||||
- Lucee-слой (`upload.cfm`, `api.cfm`) — тоже участвует в upload, но Опус его не проанализировал
|
||||
- `confidence` — предлагает сохранять в БД, но не говорит где именно брать (LLM возвращает? парсить из промпта?)
|
||||
- Порог 100 файлов для «Потока» — спорный, обсудим ниже
|
||||
|
||||
---
|
||||
|
||||
## 2. По пунктам
|
||||
|
||||
### 2.1. `zip_source` — ✅ СОГЛАСЕН полностью
|
||||
|
||||
План по слоям правильный. Ключевые моменты:
|
||||
|
||||
- **`zip_source` не участвует в classify/group/compare** — верно. Чисто визуальный атрибут.
|
||||
- **Формат: имя ZIP с расширением** — да, `«Ромашка.zip»`.
|
||||
- **PK не трогаем (UUID)**, «ID = zip/filename» только для отображения — верно.
|
||||
- **Дедупликация по паре `(zip_source, name)`** — ⚠️ самый критичный момент. Опус прав: если не сменить ключ, одноимённые файлы из разных ZIP будут перезаписываться. Но **надо проверить**: текущий код в `addRegularFile()` (files.js) ищет по `f.name`. При добавлении `zip_source` нужно либо:
|
||||
- Ключ = `zip_source + "/" + filename` (как предлагает заказчик)
|
||||
- Или ключ = `(zip_source || "") + filename`
|
||||
|
||||
Я за вариант с конкатенацией в одну строку — проще для сравнения.
|
||||
|
||||
- **unzip.py не трогаем** — верно. Имя ZIP уже есть на фронте (`file.name`).
|
||||
|
||||
### 2.2. Вариант отображения — ✅ СОГЛАСЕН (Вариант А)
|
||||
|
||||
Заголовок-секция ZIP + отступ `padding-left: 24px`.
|
||||
- Просто, без нового состояния
|
||||
- Соответствует тому что описал заказчик
|
||||
- Опциональное сворачивание — да, но не в первой итерации
|
||||
|
||||
### 2.3. Два UI-режима — ⚠️ ЧАСТИЧНО СОГЛАСЕН
|
||||
|
||||
**Плюсы:**
|
||||
- Бэкенд не меняется — правильно
|
||||
- `state.ui.mode` — хорошее место
|
||||
- Сводный отчёт («зелёное сворачиваем, красное показываем») — отличная идея
|
||||
- Авто-определение + ручной override — разумно
|
||||
|
||||
**Спорные моменты:**
|
||||
- **Порог 100 файлов** — слишком низкий для автоматического предложения. При 100 файлах текущий UI работает нормально (скролл, 50vh). Реальный болевой порог — **200-300+**. Предлагаю порог **200**.
|
||||
- **«Поток» сейчас не нужен.** Если заказчик работает с 5-50 файлами, весь Stream Mode — оверинжиниринг. Но архитектурно заложить `state.ui.mode` — дёшево и правильно.
|
||||
|
||||
### 2.4. Промпты — ✅ СОГЛАСЕН, с уточнениями
|
||||
|
||||
#### Classify — проблемы А-Д:
|
||||
|
||||
**А. Counterparty / блок про стороны НУБЕС** — 🔴 КРИТИЧНАЯ.
|
||||
Опус абсолютно прав. Промпт сейчас не говорит что НУБЕС = Исполнитель. LLM возвращает случайную сторону. Чинится одной вставкой в промпт. Делать **первым**.
|
||||
|
||||
НО: Опус предлагает «ИНН 7727... (взять у заказчика)». Это перебор. Достаточно:
|
||||
```
|
||||
НУБЕС известен как: «НУБЕС», «ООО НУБЕС», «ООО "НУБЕС"», «Nubes».
|
||||
counterparty — ВСЕГДА вторая сторона, НИКОГДА не НУБЕС.
|
||||
```
|
||||
|
||||
**Б. parent_number у contract** — ✅ верно. `parent_number = null` для contract.
|
||||
|
||||
**В. Мусорные документы** — ✅ верно. Добавить примеры в `doc_type=other`.
|
||||
|
||||
**Г. Few-shot примеры в classify** — ✅ верно. 1-2 примера улучшат точность.
|
||||
|
||||
**Д. confidence** — ⚠️ спорно. Опус говорит «добавить колонку и показывать low в отчёте». Но `confidence` сейчас даже не сохраняется. Предлагаю **сначала убрать из промпта** (меньше путаницы), а потом, когда будет реальная потребность — добавить и колонку, и парсинг.
|
||||
|
||||
#### Compare (diff) — ✅ СОГЛАСЕН
|
||||
|
||||
- «UNRESOLVED вместо дубль-ADD при сомнении» — верно
|
||||
- `temperature=0.1` для diff — проверить (скорее всего уже)
|
||||
- `full_replace` → автоматическое удаление старых строк на стороне Python — **умная идея**, снижает нагрузку на LLM
|
||||
|
||||
#### Разные промпты под сценарии — ✅ СОГЛАСЕН
|
||||
|
||||
Не нужно. Один classify + один diff. Меньше рассинхрона.
|
||||
|
||||
### 2.5. Гомоглифы — ⚠️ ОСТОРОЖНО
|
||||
|
||||
Опус предлагает:
|
||||
- `С/C → C` (латиница)
|
||||
- `О/0` — «трактовать осторожно»
|
||||
- `Ё → Е`
|
||||
|
||||
**Моё мнение:**
|
||||
- `С→C` и `Ё→Е` — **опасно**. Это меняет семантику номера. `МЭС-123` ≠ `МЭC-123`. Лучше: **не заменять, а добавить второй проход сравнения** — если точное совпадение не найдено, попробовать с гомоглифами. Или нормализовать ОБА варианта (и кириллицу, и латиницу) к единому представлению, но сохранять оригинал для отображения.
|
||||
- Конкретно для `Ё`: да, `Ё→Е` допустимо (в делопроизводстве Ё часто заменяют на Е). Но лучше сделать настраиваемым.
|
||||
|
||||
### 2.6. Приоритеты — ✅ СОГЛАСЕН с корректировкой
|
||||
|
||||
| Что | Приоритет Опуса | Моя оценка |
|
||||
|-----|----------------|-----------|
|
||||
| Counterparty в промпте | P0 | P0 ✅ |
|
||||
| doc_type=other мусор | P0 | P0 ✅ |
|
||||
| Гомоглифы | P0 | P1 ⚠️ (осторожно, не ломать) |
|
||||
| zip_source | P1 | P1 ✅ |
|
||||
| Группировка по ZIP в UI | P1 | P1 ✅ |
|
||||
| Режим «Поток» | P2 | P3 (отложить, нет потребности) |
|
||||
| confidence в БД | P3 | P3 (или убрать из промпта) |
|
||||
| diff-UNRESOLVED | P3 | P2 (дёшево, большой эффект) |
|
||||
|
||||
---
|
||||
|
||||
## 3. Что Опус упустил
|
||||
|
||||
### 3.1. Lucee-слой
|
||||
|
||||
`upload.cfm` и `api.cfm` на Lucee тоже обрабатывают загрузку. Если файл идёт через Lucee (а не напрямую на VM), `zip_source` нужно прокинуть и там. Надо проверить — идёт ли upload через Lucee или напрямую на VM.
|
||||
|
||||
**Факт:** судя по `index.cfm`, JS грузится с VM (`contracts.kube5s.ru/static/app.js`), а upload идёт на `VM_API + '/upload'`. Значит Lucee в upload **не участвует**. `zip_source` в Lucee не нужен. Опус оказался прав молча.
|
||||
|
||||
### 3.2. Промпты в БД vs хардкод
|
||||
|
||||
Опус верно заметил: «промпты берутся из БД (Lucee), fallback — хардкод. Менять надо в БД через интерфейс промптов». Это **критично важно для исполнителя**: если просто поправить `FALLBACK_EXTRACT`/`FALLBACK_DIFF` в `llm_prompt.py` — в проде ничего не изменится, потому что используется версия из БД.
|
||||
|
||||
**Порядок правки промптов:**
|
||||
1. Сначала в БД через UI (`/prompt.cfm`)
|
||||
2. Потом в хардкоде (для fallback)
|
||||
|
||||
### 3.3. Порог для «Потока»
|
||||
|
||||
100 файлов — слишком консервативно. Таблица с `max-height: 50vh` и `overflow-y: auto` нормально работает при 100-150 файлах. Предлагаю **200** как порог для автопредложения. Но лучше — **сделать настраиваемым** (константа в начале app.js).
|
||||
|
||||
---
|
||||
|
||||
## 4. Итоговое мнение
|
||||
|
||||
**Ответ Опуса — хороший план.** 95% рекомендаций принимаю.
|
||||
|
||||
**Что делаем прямо сейчас (P0):**
|
||||
1. Правка classify-промпта: блок про стороны НУБЕС + parent_number=null + примеры мусора
|
||||
2. Правка diff-промпта: UNRESOLVED вместо дубль-ADD, temperature проверка
|
||||
|
||||
**Что делаем дальше (P1):**
|
||||
3. `zip_source` сквозь все слои (БД → Python → JS)
|
||||
4. Группировка по ZIP в таблице (Вариант А)
|
||||
5. Дедупликация по `(zip_source, filename)`
|
||||
|
||||
**Что откладываем:**
|
||||
6. Режим «Поток» — пока нет потребности
|
||||
7. Гомоглифы — нужно больше примеров от заказчика
|
||||
8. confidence — убрать из промпта, вернуть когда будет нужно
|
||||
|
||||
**Главный риск (ещё раз):** дедупликация в `addRegularFile()`. Без правки ключа на `(zip_source, name)` — фича сломается на первом же случае одинаковых имён в разных ZIP.
|
||||
@@ -0,0 +1,133 @@
|
||||
# Рецензия DeepSeek V4 Pro на отчёт Opus
|
||||
|
||||
Дата: 27.06.2026
|
||||
|
||||
---
|
||||
|
||||
## Общая оценка: ⭐⭐⭐⭐⭐ (5/5)
|
||||
|
||||
Opus сделал ТО, ЧТО НУЖНО: прочитал код, нашёл расхождения с документацией, не писал код, не рисовал графы. Это эталонный анализ.
|
||||
|
||||
---
|
||||
|
||||
## Что Opus нашёл такого, чего я НЕ заметил
|
||||
|
||||
### 🔴 КРИТИЧЕСКОЕ: PyPDF2 теряет структуру таблиц
|
||||
|
||||
Я читал `parse.py`, видел `PyPDF2`, но **не осознал** что он извлекает текст построчно и не сохраняет колонки. Для спецификаций — это катастрофа. Таблица «наименование | цена | кол-во | сумма | дата» после PyPDF2 станет плоским текстом, и LLM придётся угадывать где какая колонка.
|
||||
|
||||
**Opus прав на 100%.** Это вероятно главный риск точности прямо сейчас.
|
||||
Надо: `pdfplumber` (для цифровых PDF) или `camelot`.
|
||||
|
||||
### 🔴 КРИТИЧЕСКОЕ: Кода сверки CRM↔фискальная НЕТ
|
||||
|
||||
Я знал это из ответов заказчика, но Opus проверил grep'ом (`crm|фискал|fiscal|сверк|PAYG|reconcil`) — нашёл только «акт сверки» как тип мусора. Это greenfield. Меняет планирование: не «эволюция», а «новый модуль».
|
||||
|
||||
### 🟡 ВАЖНОЕ: service-description.md устарел
|
||||
|
||||
Я дал Opus читать `service-description.md` как «актуальный». Opus обнаружил что он описывает парсинг через Lucee (Java POI/PDFBox), а **реальный код** (`upload.py` → `parse.py`) парсит на ВМ через PyPDF2/python-docx. Без Java. Без Lucee.
|
||||
|
||||
**Моя ошибка:** я не перепроверил service-description.md на соответствие коду. Надо поправить доку.
|
||||
|
||||
### 🟡 ВАЖНОЕ: llm_prompt.py зависит от Lucee
|
||||
|
||||
`build_prompt()` (основной пайплайн) ходит HTTP в Lucee за активным промптом. А `build_classify_prompt()` берёт из БД напрямую. Непоследовательно + точка отказа.
|
||||
|
||||
### 🟡 ВАЖНОЕ: chat.cfm содержит захардкоженный API-ключ
|
||||
|
||||
Плюс ссылается на `spec_rows` вместо `spec_current` — сломан вдвойне.
|
||||
|
||||
### 🟢 Безопасность: verify=False в llm.py
|
||||
|
||||
TLS-проверка отключена. Надо включить.
|
||||
|
||||
---
|
||||
|
||||
## Где Opus прав, а где нет
|
||||
|
||||
| Тезис Opus | Моё мнение |
|
||||
|------------|------------|
|
||||
| **Гипотеза 1 (гибрид): ⚠ частично** — «текущий код — чистый pipeline, и это правильно» | ✅ **Согласен.** 131 тест на детерминированные функции — сильный аргумент против агентов. |
|
||||
| **Гипотеза 2 (фильтр мусора): ⚠ частично** — «этап 1 по имени файла ненадёжен» | ⚠ **Частично.** Для имён типа «счет-фактура №123 от 01.01.2025.docx» regex надёжен. Но для «scan001.pdf» — да, бесполезен. Вывод: этап 1 — приоритизация, не жёсткий дроп. |
|
||||
| **Гипотеза 3 (парсинг на ВМ): ❌ отвергнута** | ✅ **Полностью согласен.** Моя гипотеза была основана на устаревшей документации. Парсинг уже на ВМ. |
|
||||
| **Гипотеза 4 (трёхуровневый matching): ⚠ частично** — «difflib опасен на коротких токенах» | ✅ **Согласен.** Примеры «IPv4↔IPv6», «10 кВт↔15 кВт» убедительны. Матчить по структурным атрибутам, не по сырой строке. |
|
||||
| **Гипотеза 5 (MVP): ⚠ частично** — «нужен CRM-прогон уже в v1» | ✅ **Согласен.** Иначе v1 будет «готов», а к цели не приблизимся. |
|
||||
| **Гипотеза 6 (PG-очередь): ✅ подтверждена** | ✅ **Согласен.** Плюс Opus добавил: сейчас очереди нет вообще, in-process ThreadPool. |
|
||||
| **«LLM бесплатный ≠ быстрый»** — не наращивать проходы | ✅ **Согласен.** 5-30s × 100+ файлов = узкое место. |
|
||||
| **«Не отказываться от детерминированного matching»** | ✅ **Согласен.** Воспроизводимость и аудит важнее «бесплатности». |
|
||||
|
||||
### Единственное где я НЕ согласен:
|
||||
|
||||
**Opus говорит «не использовать имя файла для фильтрации».**
|
||||
Я считаю: regex `(сч[её]т|акт|плат[её]ж|УПД|сверк|инвойс|invoice)` по имени файла — ДОСТАТОЧНО надёжен для пред-фильтрации. «Счет-фактура №123.docx» — это всегда мусор. Да, «scan001.pdf» не отфильтруется — но он уйдёт на этап 2 (первые 2KB текста). Риск ложного срабатывания на договоре с именем «счет-фактура» — ноль.
|
||||
|
||||
---
|
||||
|
||||
## Что Opus упустил
|
||||
|
||||
1. **testgen/** — в репо есть `testgen/generate.py`, `testgen/pools.py`, `testgen/templates.py`. Это генератор синтетических тестовых данных. Opus предлагает «тестировать матчинг на синтетике», но не знает что инструмент уже есть.
|
||||
|
||||
2. **convert_server.py роутинг** — Opus не проверил ВСЕ эндпоинты. Например, `/api/batch-progress`, `/api/apply-groups`, `/api/cleanup`, `/api/sync` — они есть, но не проанализированы.
|
||||
|
||||
3. **services/llm.py — расхождение ВМ↔репо** — Opus заметил `verify=False`, но не предложил КАК выяснить какая версия каноническая (репо или ВМ). Я поднимал этот вопрос в `opus-plan-review-2026-06-27.md`.
|
||||
|
||||
4. **LibreOffice — узкое место для .doc** — `/convert-doc` запускает LibreOffice subprocess последовательно с таймаутом 30с. На пачке старых .doc файлов это потенциально медленнее даже LLM. Но на практике .doc — редкость (заказчик говорил про docx/pdf).
|
||||
|
||||
5. **OCR не нужен** — заказчик уточнил: «только текст, сканов не будет». Значит риск «потребуется внешний OCR-сервис» снимается.
|
||||
|
||||
---
|
||||
|
||||
## Дополнения из второго анализа (подтверждения)
|
||||
|
||||
Второй анализ полностью подтвердил выводы Opus. Дополнительно акцентировано:
|
||||
|
||||
- **Дрейф документации** — не только `service-description.md`, но и другие .md могут устареть. Правило: **код > документация**. Всегда проверять.
|
||||
- **base64 в БД** — `upload.py` кладёт файлы как base64 в `documents`. На 100+ многомегабайтных файлах это раздует БД. Риск масштабирования.
|
||||
- **Нет устойчивой очереди** — `classify.py` = `ThreadPoolExecutor` в одном процессе. Падение процесса = потеря прогресса. PG-очередь добавит durability.
|
||||
|
||||
---
|
||||
|
||||
## Итог: что я беру в работу
|
||||
|
||||
### Немедленно (следующий чат, по команде «делай»):
|
||||
|
||||
1. **Заменить PyPDF2 на pdfplumber** в `services/parse.py` — критично для точности
|
||||
2. **Починить chat.cfm** — убрать ключ, `spec_rows` → `spec_current`
|
||||
3. **Включить verify=True** в `services/llm.py`
|
||||
4. **Отвязать llm_prompt.py от Lucee** — `build_prompt` → `db.prompts.get_active()`
|
||||
5. **Поправить service-description.md** — парсинг на ВМ, не через Lucee
|
||||
|
||||
### Вторая очередь:
|
||||
|
||||
6. **Детерминированная проверка `sum == price*qty`** — бесплатный сигнал ошибок
|
||||
7. **Золотой набор** — 30-50 реальных документов с ручной разметкой
|
||||
8. **Метрики** — логировать `_safe_json_parse` срабатывания, UNRESOLVED, латентность
|
||||
|
||||
### Третья очередь (после золотого набора):
|
||||
|
||||
9. **Спроектировать нейтральную CanonicalRow** для CRM↔фискальная
|
||||
10. **Прототип матчинга** на синтетике из testgen/
|
||||
|
||||
---
|
||||
|
||||
## Вывод
|
||||
|
||||
Opus дал **отличный анализ**. Главная ценность — нашёл расхождения кода и документации, которые я пропустил. PyPDF2 — критическая находка. То что кода CRM-сверки нет — меняет приоритеты: не «эволюция», а «новый модуль».
|
||||
|
||||
**Что отсеялось после двух анализов:**
|
||||
- OCR не нужен (только текст, без сканов)
|
||||
- LLM не использовать агрессивнее (бесплатный ≠ быстрый, 5-30s/вызов)
|
||||
- Агенты не нужны (131 тест на pipeline, детерминизм > гибкость)
|
||||
- RabbitMQ не нужен (PG-очередь достаточна)
|
||||
|
||||
**Что осталось в работе (5 немедленных + 3 второй очереди):**
|
||||
1. pdfplumber вместо PyPDF2
|
||||
2. chat.cfm: ключ + таблица
|
||||
3. llm.py: verify=True
|
||||
4. llm_prompt.py: отвязать от Lucee
|
||||
5. service-description.md: поправить
|
||||
6. Проверка sum==price*qty
|
||||
7. Золотой набор 30-50 документов
|
||||
8. Метрики (_safe_json_parse, UNRESOLVED, латентность)
|
||||
|
||||
Следующий шаг: команда «делай» → правлю пункты 1-5.
|
||||
@@ -0,0 +1,209 @@
|
||||
# Задание Opus: Архитектурное исследование — Сверка договоров v2
|
||||
|
||||
Дата: 27.06.2026 | От: DeepSeek V4 Pro (через Крупского) | Кому: Opus
|
||||
|
||||
---
|
||||
|
||||
## ⛔ ЧЕГО НЕ ДЕЛАТЬ
|
||||
|
||||
- **НЕ пиши код.** Ни строчки Python, SQL, JS, ничего. Только концепции.
|
||||
- **НЕ рисуй mermaid-диаграммы.** Только текст. Исполнитель (DeepSeek) сам нарисует если надо.
|
||||
- **НЕ предлагай «переписать с нуля».** Продакшен надо эволюционировать.
|
||||
- **НЕ лезь в файлы за пределами списка ниже.** Экономия токенов.
|
||||
|
||||
## 📋 ЗАЧЕМ ЭТОТ АНАЛИЗ
|
||||
|
||||
Ты — исследователь. Твой отчёт пойдёт **DeepSeek V4 Pro** (мне). Я буду по нему ПИСАТЬ КОД.
|
||||
|
||||
У нас нет промежуточных результатов — неизвестна точность LLM на реальных 100+ документах,
|
||||
неизвестны типичные расхождения CRM↔фискальная. Нужна архитектура, которую можно
|
||||
итеративно улучшать по мере данных.
|
||||
|
||||
Главное — **концептуальные решения**. Не реализации.
|
||||
|
||||
---
|
||||
|
||||
## ⛔ КАКИЕ ФАЙЛЫ СМОТРЕТЬ
|
||||
|
||||
### Код (18 + 18 + 7 = 43 файла):
|
||||
```
|
||||
contractor/index.cfm — HTML/CSS скелет (v1.0.178)
|
||||
contractor/upload.cfm — приём файлов (form/JSON/multipart/iframe)
|
||||
contractor/chunk.cfm — чанковая загрузка
|
||||
contractor/process.cfm — SSE-пайплайн v1 (прямой LLM)
|
||||
contractor/process_v2.cfm — SSE-пайплайн v2 (→ ВМ, event sourcing)
|
||||
contractor/apply_events.cfm — ADD/UPDATE/DELETE → spec_current
|
||||
contractor/extractor.cfm — старый вариант извлечения spec_rows
|
||||
contractor/parser.cfm — парсинг docx/pdf (PDFBox + POI)
|
||||
contractor/differ.cfm — сравнение допников с базовым договором
|
||||
contractor/chat.cfm — Q&A (⚠ сломан: spec_rows вместо spec_current)
|
||||
contractor/api.cfm — создание схемы БД
|
||||
contractor/Application.cfc — конфигурация Lucee + datasource
|
||||
contractor/db.cfc — REST-обёртка БД
|
||||
contractor/view.cfm — просмотр текста документа
|
||||
contractor/prompt.cfm — версионирование промптов
|
||||
contractor/reset_contract.cfm — сброс контракта
|
||||
contractor/test.cfm — тест
|
||||
contractor/jars.cfm — проверка Java-библиотек
|
||||
|
||||
contractor/deploy/convert_server.py — HTTP-роутер (:8766)
|
||||
contractor/deploy/llm_prompt.py — промпты + fallback (⚠ зависит от Lucee)
|
||||
contractor/deploy/classify_worker.py — фоновый процесс (subprocess)
|
||||
contractor/deploy/convert_doc.py — парсинг docx/pdf
|
||||
contractor/deploy/services/upload.py — загрузка
|
||||
contractor/deploy/services/unzip.py — ZIP
|
||||
contractor/deploy/services/classify.py — классификация (LLM: тип/номер/контрагент)
|
||||
contractor/deploy/services/process.py — пайплайн сравнения
|
||||
contractor/deploy/services/llm.py — вызов LLM API (⚠ ВМ↔репо расходятся)
|
||||
contractor/deploy/services/parse.py — PDF (PyPDF2) / DOCX (python-docx)
|
||||
contractor/deploy/services/grouping.py — группировка (гибрид LLM→Python)
|
||||
contractor/deploy/db/connection.py — psycopg2
|
||||
contractor/deploy/db/documents.py — CRUD документов
|
||||
contractor/deploy/db/supplements.py — CRUD дополнений
|
||||
contractor/deploy/db/spec_current.py — CRUD текущей спецификации
|
||||
contractor/deploy/db/spec_events.py — event sourcing (seq, reset)
|
||||
contractor/deploy/db/contracts.py — CRUD контрактов
|
||||
contractor/deploy/db/prompts.py — CRUD промптов (seed defaults)
|
||||
|
||||
contractor/deploy/app.js — фронтенд (VM_API, render, stepper)
|
||||
contractor/deploy/app_utils.js — утилиты
|
||||
contractor/deploy/state.js — центральный state
|
||||
contractor/deploy/files.js — загрузка/рендер файлов
|
||||
contractor/deploy/groups.js — карточки групп
|
||||
contractor/deploy/compare.js — SSE-сравнение
|
||||
contractor/deploy/tests.js — 131 юнит-тест
|
||||
```
|
||||
|
||||
### Документы (6 штук):
|
||||
```
|
||||
History/topics/customer-qa-2026-06-26.md — ответы заказчика (ОБЯЗАТЕЛЬНО)
|
||||
History/architecture/vm-layout.md — ⭐ раскладка ВМ (самый актуальный)
|
||||
History/architecture/service-description.md — описание сервиса
|
||||
History/architecture/two-panel-architecture.md — две панели просмотра
|
||||
History/opus-plan-review-2026-06-27.md — разбор предыдущего плана Opus
|
||||
History/llm-analysis/decoupling-final-plan.md — план размоноличивания JS
|
||||
```
|
||||
|
||||
### ⛔ НЕ ЧИТАТЬ:
|
||||
```
|
||||
History/architecture/architecture.md — ⛔ МЁРТВЫЙ Flask contracts-app/site/
|
||||
History/architecture/block-diagram.md — ⛔ МЁРТВЫЙ Flask
|
||||
History/architecture/pipeline.md — ⛔ МЁРТВЫЙ Flask
|
||||
sim/ testgen/ dogovora/ FILES/ Files/ DOC/ contracts-flask/ contracts-vm/
|
||||
README.md sonnet-v2-request.md
|
||||
History/sessions/ History/features/ History/llm-analysis/*
|
||||
(КРОМЕ decoupling-final-plan.md)
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 📋 КОНТЕКСТ: что уже надумал DeepSeek
|
||||
|
||||
Я (DeepSeek) уже провёл предварительный анализ. Ниже — мои гипотезы.
|
||||
**Твоя задача: подтвердить, опровергнуть или дополнить.** Не просто соглашаться.
|
||||
|
||||
### Гипотеза 1: Гибрид pipeline + агент
|
||||
Pipeline для 95% стандартных случаев (дёшево, предсказуемо).
|
||||
Лёгкий оркестратор-агент — только для краевых случаев (нестандартный формат, ошибка парсинга).
|
||||
Pure agents — дорого: 100 файлов × 500 токенов оркестратора = 50K токенов только на планирование.
|
||||
|
||||
### Гипотеза 2: Трёхэтапный фильтр мусора
|
||||
Этап 1 (0 токенов): regex по имени файла — «счёт», «акт», «платёж» → сразу garbage.
|
||||
Этап 2 (0 токенов): ключевые слова в первых 2KB текста — «СЧЕТ-ФАКТУРА», «АКТ СВЕРКИ» → garbage.
|
||||
Этап 3 (LLM): только оставшиеся → точный тип (contract/supplement/specification).
|
||||
Экономия: ~50% LLM-вызовов при 50% мусора в пачке.
|
||||
|
||||
### Гипотеза 3: Перенос парсинга на ВМ
|
||||
Сейчас: JS → ВМ → Lucee (Java PDFBox/POI) → обратно на ВМ.
|
||||
Предложение: JS → ВМ → pdfplumber + python-docx (без Java, без Lucee).
|
||||
Убирает latency сетевого вызова, упрощает деплой.
|
||||
|
||||
### Гипотеза 4: Трёхуровневый matching CRM↔фискальная
|
||||
Уровень 1 (0 токенов): хеш нормализованного названия.
|
||||
Уровень 2 (0 токенов): fuzzy string matching (difflib).
|
||||
Уровень 3 (LLM): только для 10-20% несопоставленных.
|
||||
80% строк матчатся без LLM.
|
||||
|
||||
### Гипотеза 5: MVP-границы
|
||||
v1: извлечение спецификаций из договоров (без CRM-сверки). Доказать что LLM вообще справляется.
|
||||
v2: сверка CRM↔фискальная (когда качество извлечения подтверждено).
|
||||
v3: красивый UI, чат, автообучение на коррекциях.
|
||||
|
||||
### Гипотеза 6: PostgreSQL-очередь вместо RabbitMQ
|
||||
Для 100+ файлов пару раз в неделю — хватит `documents.classify_status='pending'` + `FOR UPDATE SKIP LOCKED`. RabbitMQ — оверкилл.
|
||||
|
||||
---
|
||||
|
||||
## ❓ ВОПРОСЫ К OPUS (5 блоков)
|
||||
|
||||
### Блок 1: Насколько агрессивно использовать LLM?
|
||||
|
||||
**Контекст:** LLM заказчика — gpt-oss-120b через api.aillm.ru — **БЕСПЛАТНЫЙ**. Никаких затрат на токены.
|
||||
|
||||
Сейчас LLM используется 3 раза за прогон:
|
||||
- Классификация (тип/номер/контрагент)
|
||||
- Извлечение спецификации
|
||||
- Сравнение ДС
|
||||
|
||||
**Вопросы:**
|
||||
1.1. Имеет ли смысл использовать LLM **больше** раз на одном документе? Например:
|
||||
- Два прохода извлечения (второй — верификация первого)?
|
||||
- LLM-as-judge: проверять свой же результат и исправлять ошибки?
|
||||
- LLM для принятия решений по ходу пайплайна (оркестратор)?
|
||||
|
||||
1.2. Где LLM **реально** добавляет ценность, а где детерминированный код справится лучше?
|
||||
(С учётом что LLM медленный: 2-30 секунд на вызов.)
|
||||
|
||||
1.3. Если LLM бесплатный — может **вообще отказаться от детерминированного matching** (Гипотеза 4) и всё гонять через LLM? Плюсы/минусы.
|
||||
|
||||
### Блок 2: Архитектура — pipeline или агент?
|
||||
|
||||
2.1. Критика гибридного подхода (Гипотеза 1). Что я упустил? В каких сценариях чистый pipeline или чистые агенты были бы лучше?
|
||||
|
||||
2.2. Если гибрид — где конкретно проходят границы? Какие решения принимает оркестратор, какие — pipeline?
|
||||
|
||||
2.3. Есть ли смысл в нескольких специализированных агентах (parse-agent, classify-agent, compare-agent) вместо одного оркестратора? Плюсы/минусы.
|
||||
|
||||
### Блок 3: Обработка 100+ файлов и фильтрация
|
||||
|
||||
3.1. Критика трёхэтапного фильтра (Гипотеза 2). Какие документы он пропустит? Ложные срабатывания?
|
||||
|
||||
3.2. Парсинг на ВМ (Гипотеза 3) — правильно ли отказываться от Java PDFBox/POI в пользу pdfplumber/python-docx? Качество парсинга таблиц упадёт или вырастет?
|
||||
|
||||
3.3. Какие ещё узкие места будут при 100+ файлах, кроме классификации? Память? Сеть? Диск?
|
||||
|
||||
### Блок 4: Сверка CRM ↔ фискальная
|
||||
|
||||
4.1. Критика трёхуровневого matching (Гипотеза 4). В каких случаях fuzzy matching (difflib) даст ложные срабатывания? Примеры.
|
||||
|
||||
4.2. PAYG (суффикс `-m`, нет артикулов): как сопоставлять? Достаточно убирать `-m` и сравнивать названия, или нужна более сложная логика?
|
||||
|
||||
4.3. Если заказчик НЕ даст формат CRM в ближайшее время — как спроектировать модуль чтобы не простаивать? Что можно сделать уже сейчас (без CRM-данных)?
|
||||
|
||||
### Блок 5: Итеративность и метрики
|
||||
|
||||
5.1. Критика MVP-границ (Гипотеза 5). Может что-то из v2 нужно уже в v1? Или наоборот — что-то из v1 отложить?
|
||||
|
||||
5.2. Какие **конкретные метрики** внедрить с первого дня? Не «точность» вообще, а что именно измерять? Как измерять без эталонных данных?
|
||||
|
||||
5.3. Цикл обратной связи: заказчик проверяет → исправляет → система учитывает. Как это делать без дообучения модели (gpt-oss-120b — API, не наша)? Только few-shot в промпте? Или есть другие подходы?
|
||||
|
||||
5.4. **Главный вопрос:** мы не знаем точность LLM. С чего начать? Просто прогнать 100 реальных документов через текущий код и посмотреть? Или сначала улучшить фильтрацию/промпты, а потом прогонять?
|
||||
|
||||
---
|
||||
|
||||
## 📐 ФОРМАТ ОТВЕТА
|
||||
|
||||
1. **Executive Summary** — 3-5 абзацев, главные выводы
|
||||
2. **По каждой гипотезе** — вердикт (✅ подтверждаю / ⚠ частично / ❌ отвергаю) + аргументация
|
||||
3. **Ответы на вопросы** — по блокам, кратко
|
||||
4. **Что я упустил** — твои собственные идеи, которых нет в моих гипотезах
|
||||
5. **MVP-план** — что делать в ближайшие 2 недели (пункты, не код)
|
||||
6. **Риски** — что может пойти не так
|
||||
|
||||
## ⚠️ ОГРАНИЧЕНИЯ
|
||||
|
||||
- Конфиденциальность: никаких S3, только локал / файловая шара
|
||||
- Managed Lucee: не можем ставить pip-пакеты на нём
|
||||
- ВМ: 5.172.178.213, Ubuntu, Python 3.12, PostgreSQL 15
|
||||
- LLM: gpt-oss-120b, 8000 токенов, ~5-30s на вызов, БЕСПЛАТНО
|
||||
@@ -0,0 +1,100 @@
|
||||
# Ответ Опуса — фоновая классификация при 50+ файлах
|
||||
|
||||
Ответ на `History/opus-classify-async-question.md` от 25.06.2026.
|
||||
|
||||
---
|
||||
|
||||
## Диагноз: что рвётся на самом деле
|
||||
|
||||
**nginx НЕ виноват.** `classify-batch` отдаёт `202` мгновенно. `batch-progress` — короткие независимые запросы, укладываются в 30с. Классификация идёт `classify_worker → api.aillm.ru` напрямую, минуя nginx.
|
||||
|
||||
Реальное узкое место — **симулятор сдаётся на 4-й минуте** (120 итераций × 2с), а 69 файлов при 4 воркерах не успевают: 69 / 4 ≈ 18 волн × 10-15с/LLM-вызов = 3-5 минут > лимита симулятора.
|
||||
|
||||
---
|
||||
|
||||
## Ответы
|
||||
|
||||
### Q1. `subprocess.Popen` для прода — норм?
|
||||
|
||||
Для масштаба сотни-тысячи файлов регулярно `Popen`-на-запрос **неадекватен**:
|
||||
- Нет супервизии: упал worker — никто не узнал (stdout/stderr в DEVNULL)
|
||||
- Нет авто-рестарта
|
||||
- Гонки при параллельных батчах с одним `batch_id`
|
||||
|
||||
**Целевая архитектура:** постоянный worker-сервис под отдельным systemd-юнитом + очередь задач на основе БД.
|
||||
|
||||
Почему БД-очередь, а не Redis:
|
||||
- Work items уже в БД (`documents.classify_status='pending'`)
|
||||
- Устойчиво к рестартам ВМ — resumable
|
||||
- Redis не установлен в проде
|
||||
- Для одной ВМ Celery/RQ — оверкилл
|
||||
|
||||
Дополнительно при тысячах файлов:
|
||||
- retry/backoff на 429/5xx от api.aillm.ru
|
||||
- rate-limit к LLM API
|
||||
- Аккуратное повышение параллелизма (не 4 воркера, а 10-15)
|
||||
|
||||
### Q2. nginx при долгих запросах
|
||||
|
||||
nginx НЕ узкое место. classify-batch=202, batch-progress<30s, классификация идёт worker→LLM напрямую. Реальное узкое: throughput (4 воркера) + лимит симулятора. Прогресс durable в БД, UI не зависит от дедлайна.
|
||||
|
||||
### Q3. Два classify подряд — два Popen
|
||||
|
||||
- **Разные `batch_id`** — безопасно. Каждый процесс работает только над своими документами.
|
||||
- **Один и тот же `batch_id` дважды** — гонка! Оба сделают `reset_classify_status` + повторные LLM-вызовы → двойные траты токенов, неконсистентные счётчики.
|
||||
|
||||
**Решение:** НЕ убивать предыдущий процесс (опасно — может испортить БД). Guard через проверку: если для `batch_id` уже есть running-процесс → вернуть `{"ok": false, "error": "already running"}`. Реализация: либо файл-лок (`/tmp/classify_<batch_id>.lock`), либо запись в БД.
|
||||
|
||||
### Q4. Мониторинг/логирование
|
||||
|
||||
DEVNULL недопустим на масштабе — падения невидимы.
|
||||
|
||||
**Минимум сейчас:** лог-файл per batch `/home/naeel/contracts/logs/classify_<batch_id>.log` (Python logging) вместо DEVNULL.
|
||||
|
||||
**Целевое:** job-таблица в БД:
|
||||
```sql
|
||||
CREATE TABLE classify_jobs (
|
||||
batch_id UUID PRIMARY KEY,
|
||||
started_at TIMESTAMP,
|
||||
finished_at TIMESTAMP,
|
||||
total INT, done INT, failed INT,
|
||||
error_text TEXT,
|
||||
pid INT
|
||||
);
|
||||
```
|
||||
Даёт: честный прогресс, видимость падений, per-doc retry, аудит.
|
||||
|
||||
---
|
||||
|
||||
## Целевая архитектура (будущее)
|
||||
|
||||
```
|
||||
systemd: contracts.service (HTTP)
|
||||
systemd: classify-worker.service (фоновая классификация)
|
||||
|
||||
flow:
|
||||
HTTP → 202 + запись в classify_jobs (status='queued')
|
||||
classify-worker (постоянно):
|
||||
SELECT batch_id FROM classify_jobs WHERE status='queued' LIMIT 1
|
||||
→ status='running'
|
||||
→ classify_batch(batch_id)
|
||||
→ status='done' + метрики
|
||||
→ следующий батч
|
||||
|
||||
Прогресс: documents.classify_status (pending/classified/failed)
|
||||
Поллинг: GET /api/batch-progress?batch=X → count by status
|
||||
```
|
||||
|
||||
Преимущества:
|
||||
- Устойчиво к рестартам (состояние в БД)
|
||||
- Один процесс обрабатывает батчи последовательно — нет гонок
|
||||
- systemd мониторит и рестартует при падении
|
||||
- Логи systemd/journald
|
||||
|
||||
---
|
||||
|
||||
## Минимум сейчас (без переписывания архитектуры)
|
||||
|
||||
1. **Лог-файл вместо DEVNULL:** `stdout=open(log_path, 'w')`
|
||||
2. **Лимит симулятора:** увеличить `MAX_WAIT` до 600с (10 мин) для bulk-тестов
|
||||
3. **Guard от двойного classify:** файл-лок `/tmp/classify_<batch_id>.lock` — если существует, вернуть "already running"
|
||||
@@ -0,0 +1,28 @@
|
||||
# Вопрос к Опусу — фоновая классификация при 50+ файлах
|
||||
|
||||
## Что сделано
|
||||
|
||||
`POST /api/classify-batch` получает `{batch_id}`, запускает `classify_worker.py`
|
||||
через `subprocess.Popen` и сразу возвращает `202 {total: N}`.
|
||||
Фронтенд поллит `/api/batch-progress` каждые 2с пока `done >= total`.
|
||||
|
||||
`classify_worker.py` — отдельный питон-процесс, импортирует `services/classify.py`,
|
||||
у которого внутри `ThreadPoolExecutor(max_workers=4)` для параллельных
|
||||
LLM-вызовов (один файл = один LLM-запрос к api.aillm.ru).
|
||||
|
||||
## Проблема
|
||||
|
||||
С 4 файлами полный цикл работает. С 69 файлами:
|
||||
- HTTP-сервер жив, `/health` отвечает
|
||||
- `classify_worker` работает
|
||||
- Симулятор с внешней машины не дожидается конца — на 5+ минутах рвётся сеть/nginx
|
||||
|
||||
## Вопросы
|
||||
|
||||
1. Архитектурно `subprocess.Popen` норм для прода? Или что-то более надёжное (очередь, systemd-таймер, воркер-пул)?
|
||||
|
||||
2. Что делать с nginx при долгих запросах? `batch-progress` — короткий поллинг, он не должен рваться. Но сам classify через фронтенд не идёт — только через воркер. Где узкое место?
|
||||
|
||||
3. При двух быстрых классификациях подряд — второй `Popen` создаст второй процесс. Старый ещё не умер. Надо проверять и убивать предыдущий? Или пусть оба работают (разные batch_id)?
|
||||
|
||||
4. Как правильно мониторить/логировать фоновый процесс? Сейчас stdout/stderr в `/dev/null`.
|
||||
@@ -0,0 +1,87 @@
|
||||
# Разбор плана Opus от 2026-06-27
|
||||
|
||||
## Что произошло
|
||||
|
||||
Opus'у дали задачу: «изучи код и напиши подробный план для DeepSeek V4 Pro по созданию параллельного Flask-стека 1:1 с Lucee↔ВМ, домен check.kube5s.ru».
|
||||
|
||||
Opus изучил репозиторий (без доступа к ВМ), считая `contractor/deploy/` зеркалом продакшена, и выдал план из 6 фаз.
|
||||
|
||||
---
|
||||
|
||||
## Что Opus выяснил правильно
|
||||
|
||||
### Архитектура продакшена
|
||||
- **Lucee — почти пустая морда.** Только `index.cfm` (HTML+CSS-скелет), `chat.cfm` (Q&A), `Application.cfc`. Вся логика — на ВМ.
|
||||
- **JS-файлы** (app.js, files.js, groups.js, state.js, compare.js, app_utils.js) — клиентские, загружаются через `<script src>` из `/static/` на ВМ.
|
||||
- **Бэкенд на ВМ** — `convert_server.py` на порту 8766, импортирует `services/*.py` и `db/*.py`.
|
||||
- **Nginx** маршрутизирует: `/` → Flask :5001 (UI), `/upload`, `/convert-doc`, `/process-v2` и т.д. → Python :8766 (API), `/lucee/` → managed Lucee.
|
||||
|
||||
### Проблемы, которые Opus обнаружил
|
||||
- **`chat.cfm` сломан** — ссылается на таблицу `spec_rows`, которой нет (правильная — `spec_current`).
|
||||
- **`llm_prompt.py` зависит от Lucee** — `_fetch_prompt()` ходит в `contractor.luceek8s.../prompt.cfm`. Для изолированного стека надо переключить на `db.prompts.get_active()`.
|
||||
- **Нет `schema.sql`** — прод-БД `baza` создавалась руками. Для новой БД нужен `pg_dump --schema-only`.
|
||||
- **Рестарт через nohup**, а не systemd (хотя память говорит про `contracts.service`).
|
||||
|
||||
### План Opus (6 фаз)
|
||||
| Фаза | Что |
|
||||
|---|---|
|
||||
| Ф0 | Предпосылки: DNS, дамп схемы БД, managed-домен морды, LLM_KEY |
|
||||
| Ф1 | Бэкенд на ВМ: `~/contracts-flask/`, порт 8777, БД `contracts_flask`, systemd, разрыв связи с Lucee |
|
||||
| Ф2 | Nginx + SSL: новый server-блок `check.kube5s.ru` → :8777, certbot |
|
||||
| Ф3 | JS-фронтенд: копии 6 JS-файлов, `VM_API='https://check.kube5s.ru'`, раздача через `/static/` |
|
||||
| Ф4 | Морда на managed Flask: очистить `contracts-app`, портировать `index.cfm` в Jinja2, Dockerfile |
|
||||
| Ф5 | Чат: перенести на ВМ как `POST /chat` (Python), контекст из `spec_current` |
|
||||
| Ф6 | Проверка изоляции и сквозной тест |
|
||||
|
||||
---
|
||||
|
||||
## Что Opus НЕ знал (выяснили позже)
|
||||
|
||||
### 1. `contractor/deploy/` — ПОБАЙТОВОЕ зеркало ВМ
|
||||
Opus предполагал это, но не знал точно. **Мы проверили md5 всех файлов** — ВСЕ файлы в `db/` и `services/` совпадают с ВМ (кроме `services/llm.py`, который отличается). Корневые `classify.py`, `grouping.py`, `prompts.py`, `unzip.py` на ВМ — мусор, не используются.
|
||||
|
||||
### 2. `contracts-app` — отдельный git-репозиторий
|
||||
Opus предлагал «очистить contracts-app». Мы его случайно удалили вместе с `.git`. Репо: `https://gitea.services.ngcloud.ru/Nail/contracts-app`. Потом Наиль сказал «в ПИЗДУ его» и дал новый пустой репо: `https://gitea.services.ngcloud.ru/Nail/contracts-flask.git`.
|
||||
|
||||
### 3. `check.kube5s.ru` — DNS есть, nginx нет
|
||||
DNS указывает на 5.172.178.213, но nginx не знает про этот домен → проваливается в default-сервер (obdai.ru), показывает чужой LLM-UI.
|
||||
|
||||
### 4. Рестарт — и nohup, и systemd
|
||||
На ВМ реально перезапуск идёт через `pkill -f convert_server.py; nohup python3 ... &` (из sync.sh). Systemd-сервис `contracts.service` упоминается в памяти, но неясно, активен ли он.
|
||||
|
||||
### 5. JS-файлы уже на ВМ
|
||||
6 JS-файлов лежат в `~/contracts/` (корень) и раздаются бэкендом через `/static/`. Для нового стека их надо скопировать в `~/contracts-flask/` и поменять `VM_API`.
|
||||
|
||||
---
|
||||
|
||||
## Моё мнение о плане Opus
|
||||
|
||||
### Что хорошо
|
||||
- **Полная изоляция** — новая папка, новый порт, новая БД, новый systemd-юнит. Прод не заденешь.
|
||||
- **Разрыв связи с Lucee** — правильно замечено, критично.
|
||||
- **schema.sql через pg_dump** — правильно, ручное воссоздание схемы гарантирует ошибки.
|
||||
- **6 фаз с зависимостями** — логичный порядок.
|
||||
|
||||
### Что плохо / упущено
|
||||
1. **Ф4 (Flask-морда) завязана на CI/CD managed-платформы**, которую Opus не знает. План деплоя Flask-морды — «Dockerfile + gitea CI/CD» — слишком общий. Нужны конкретные шаги под Nubes managed Python.
|
||||
2. **Не учтён `services/llm.py`** — единственный файл, который реально расходится между ВМ и репой. При копировании бэкенда надо брать версию из репы (она новее?) или с ВМ — надо выяснить.
|
||||
3. **JS-файлы** — Opus предлагает копировать, но не уточняет что `VM_API` зашит в `app.js` (строка 3). Это единственное место, которое надо менять.
|
||||
4. **Чат (Ф5)** — предлагает перенести на ВМ, но `chat.cfm` в Lucee всё равно сломан. Имеет смысл сделать чат сразу правильно, а не портировать сломанное.
|
||||
5. **Нет упоминания `tests.js`** — на ВМ этого файла нет, но в репе есть. Надо включить в новый стек.
|
||||
|
||||
### Вердикт
|
||||
План **рабочий, но требует уточнений** по пунктам выше. Главная ценность — Opus правильно понял архитектуру и предложил изоляцию. Детали (managed-деплой, `llm.py`, чат) надо доработать.
|
||||
|
||||
---
|
||||
|
||||
## Текущее состояние (на 2026-06-27)
|
||||
|
||||
- ✅ DNS `check.kube5s.ru` → 5.172.178.213
|
||||
- ✅ Пустой репо `contracts-flask` (`.gitignore` создан)
|
||||
- ✅ `contractor/deploy/` подтверждён как зеркало ВМ
|
||||
- ✅ Мусорные файлы на ВМ помечены
|
||||
- ✅ Документация `vm-layout.md` создана
|
||||
- ❌ Nginx для `check.kube5s.ru` не настроен
|
||||
- ❌ Нет дампа схемы БД
|
||||
- ❌ Не выбран managed-домен для Flask-морды
|
||||
- ❌ Не выяснено, какая версия `services/llm.py` правильная (ВМ или репа)
|
||||
@@ -0,0 +1,285 @@
|
||||
# Ответ Опуса — 30 прицельных тестовых кейсов
|
||||
|
||||
Ответ на `History/opus-testcases-request.md` от 25.06.2026.
|
||||
|
||||
Опус изучил реальный код пайплайна (classify → group → compare) и дал 30 кейсов,
|
||||
заточенных под конкретные уязвимости реализации.
|
||||
|
||||
---
|
||||
|
||||
## Моя оценка
|
||||
|
||||
### Сильные стороны
|
||||
|
||||
1. **Опус реально читал код.** Он нашёл `_smart_extract` (первые 1500 символов + regex-маркеры),
|
||||
`normalize_number` (диапазон `А-Я` не включает `Ё`), `new_values` содержит ТОЛЬКО изменённые поля.
|
||||
Это не общие рекомендации — это точечные удары по слабым местам.
|
||||
|
||||
2. **Кейсы 13-14 — золото.** Кириллическая `О` vs ноль `0`, латинская `C` vs кириллическая `С` —
|
||||
это реально ломает группировку. Опус предлагает их как «баг-детекторы»: не исправлять,
|
||||
а задокументировать текущее поведение и ждать fuzzy-нормализации.
|
||||
|
||||
3. **Кейс 15 (Ё)** — я даже не знал про диапазон `А-Я`. Опус нашёл.
|
||||
|
||||
4. **Приоритет:** Блок B (group) → Блок C (compare) → Блок A (classify). Правильно —
|
||||
group ломается детерминированно без LLM, баги воспроизводимы.
|
||||
|
||||
5. **Кейс 9 (слепая зона)** — 1500 символов выжимки. Практически важный кейс,
|
||||
может объяснить почему некоторые файлы не классифицируются.
|
||||
|
||||
### Что можно добавить
|
||||
|
||||
- **Кейс на batch-progress при падении воркера:** если `classify_worker` упал на середине,
|
||||
progress застревает на N/69 и никогда не достигнет total. Фронт висит вечно.
|
||||
|
||||
- **Кейс на два classify подряд с одним batch_id:** наш lock-файл должен вернуть 409.
|
||||
Стоит проверить что второй запрос действительно отклоняется.
|
||||
|
||||
### Итого
|
||||
|
||||
30 кейсов покрывают все три шага пайплайна. ~40% кейсов — group (самый хрупкий),
|
||||
~30% — compare (LLM-зависимый), ~30% — classify.
|
||||
Можно брать в реализацию. Я генерирую docx по этим шаблонам.
|
||||
|
||||
---
|
||||
|
||||
## Исходный ответ Опуса
|
||||
|
||||
*Далее — полный текст ответа Опуса без сокращений.*
|
||||
|
||||
|
||||
### Кейс 1: Эталонный договор (baseline)
|
||||
**Что проверяем:** базовое извлечение всех 6 полей из чистого договора.
|
||||
**Почему может сломаться:** если падает даже это — проблема не в данных, а в промпте/парсинге.
|
||||
**Файлы:** договор-XXX001-03700.docx
|
||||
**Ключевой текст договора:** "Договор № XXX001-03700 на оказание технологических услуг от 15 марта 2025 г. ООО «Облако-Сервис» (Исполнитель)…"
|
||||
**Ожидаем:** doc_type=contract, own_number="XXX001-03700", parent_number=null, doc_date="2025-03-15", counterparty="ООО «Облако-Сервис»", confidence=ok
|
||||
|
||||
### Кейс 2: Номер кириллицей
|
||||
**Что проверяем:** own_number с кириллическим префиксом и слешем.
|
||||
**Почему может сломаться:** LLM может «перевести» кириллицу в латиницу или отбросить год после слеша.
|
||||
**Файлы:** договор-МЭС.docx
|
||||
**Ключевой текст договора:** "Договор № МЭС-123/2024 от 10.01.2024 г."
|
||||
**Ожидаем:** own_number="МЭС-123/2024" дословно (важно для парного group-кейса 12).
|
||||
|
||||
### Кейс 3: Нестандартный заголовок (не слово «Договор»)
|
||||
**Что проверяем:** определение doc_type=contract, когда документ называется иначе.
|
||||
**Почему может сломаться:** LLM привязывается к слову «Договор»; «Соглашение об оказании услуг» может уехать в other.
|
||||
**Файлы:** договор-нестандарт.docx
|
||||
**Ключевой текст договора:** "СОГЛАШЕНИЕ об оказании услуг связи № SVC-77 от 01.02.2025"
|
||||
**Ожидаем:** doc_type=contract (а не other).
|
||||
|
||||
### Кейс 4: Допник с явным родителем
|
||||
**Что проверяем:** разделение own_number и parent_number.
|
||||
**Почему может сломаться:** LLM путает «свой» номер ДС и номер базового договора местами.
|
||||
**Файлы:** допник-1-XXX003-01300_2.docx
|
||||
**Ключевой текст договора:** "Дополнительное соглашение № 1 к Договору № XXX003-01300 от 05.06.2024"
|
||||
**Ожидаем:** doc_type=supplement, own_number="1", parent_number="XXX003-01300".
|
||||
|
||||
### Кейс 5: Спецификация как отдельный файл
|
||||
**Что проверяем:** doc_type=specification и привязка parent_number.
|
||||
**Почему может сломаться:** спека без слова «договор» в шапке → other; parent потеряется.
|
||||
**Файлы:** спецификация-XXX001-03700.docx
|
||||
**Ключевой текст договора:** "Спецификация № 1 к Договору № XXX001-03700"
|
||||
**Таблица спеки:** № / Наименование / Цена / Объём / Сумма / Дата.
|
||||
**Ожидаем:** doc_type=specification, parent_number="XXX001-03700".
|
||||
|
||||
### Кейс 6: Договор БЕЗ контрагента в шапке
|
||||
**Что проверяем:** поведение, когда counterparty не извлекается.
|
||||
**Почему может сломаться:** LLM «галлюцинирует» контрагента или ставит реквизиты вместо названия.
|
||||
**Файлы:** договор-без-стороны.docx
|
||||
**Ключевой текст договора:** "Договор № NC-09 от 03.03.2025 на оказание услуг" (стороны — только в конце документа, см. кейс 9).
|
||||
**Ожидаем:** counterparty=null/"" , confidence=low (а не выдуманное ООО).
|
||||
|
||||
### Кейс 7: Дата прописью и в нестандартном формате
|
||||
**Что проверяем:** нормализацию doc_date → YYYY-MM-DD.
|
||||
**Почему может сломаться:** «пятнадцатое марта две тысячи двадцать пятого года» или «15.03.25» (двузначный год).
|
||||
**Файлы:** договор-дата-прописью.docx
|
||||
**Ключевой текст договора:** "Договор № DT-15 от «пятнадцатого» марта 2025 года"
|
||||
**Ожидаем:** doc_date="2025-03-15".
|
||||
|
||||
### Кейс 8: Несколько дат в шапке (дата vs срок действия)
|
||||
**Что проверяем:** выбор ПРАВИЛЬНОЙ даты (дата заключения, а не «действует до»).
|
||||
**Почему может сломаться:** LLM хватает первую попавшуюся дату.
|
||||
**Файлы:** договор-две-даты.docx
|
||||
**Ключевой текст договора:** "Договор № TD-21 от 01.04.2025, действует до 31.12.2026"
|
||||
**Ожидаем:** doc_date="2025-04-01".
|
||||
|
||||
### Кейс 9: Реквизиты за пределами первых 1500 символов
|
||||
**Что проверяем:** «слепую зону» _smart_extract.
|
||||
**Почему может сломаться:** номер/контрагент стоят после длинной преамбулы (>1500 симв.) и далеко от regex-маркеров → в выжимку не попадут.
|
||||
**Файлы:** договор-длинная-преамбула.docx
|
||||
**Ключевой текст договора:** первые 2 страницы — общие положения без слова «№»; и только потом "Договор № LATE-99 … ООО «Поздний Контрагент»".
|
||||
**Ожидаем:** документ должен классифицироваться (маркер №/договор рядом с данными). Если падает — это сигнал расширить окно выжимки.
|
||||
|
||||
### Кейс 10: «Шумный» документ — несколько номеров на странице
|
||||
**Что проверяем:** выбор own_number среди нескольких «№».
|
||||
**Почему может сломаться:** в шапке есть «Исх. № 456», «Лиц. № 789» и сам «Договор № MN-01» → LLM берёт чужой номер.
|
||||
**Файлы:** договор-много-номеров.docx
|
||||
**Ключевой текст договора:** "Исх. № 456 от 12.05.2025 … Лицензия № 789 … ДОГОВОР № MN-01 от 12.05.2025"
|
||||
**Ожидаем:** own_number="MN-01".
|
||||
|
||||
### Кейс 11: doc_type=other (мусорный файл)
|
||||
**Что проверяем:** что не-договор уходит в other, а не натягивается на contract.
|
||||
**Почему может сломаться:** LLM «обязательно» хочет найти договор.
|
||||
**Файлы:** акт-сверки.docx
|
||||
**Ключевой текст договора:** "Акт сверки взаимных расчётов за 1 квартал 2025"
|
||||
**Ожидаем:** doc_type=other, confidence=low.
|
||||
|
||||
### Кейс 12: Разделители — нормализуются (позитив)
|
||||
**Что проверяем:** «МЭС-123/2024» и «МЭС 123/2024» → одна группа.
|
||||
**Почему может сломаться:** baseline нормализации; обе дают МЭС1232024.
|
||||
**Файлы:** договор-МЭС.docx (own="МЭС-123/2024") + допник-МЭС.docx (parent="МЭС 123/2024")
|
||||
**Ожидаем:** документы в ОДНОЙ группе.
|
||||
|
||||
### Кейс 13: Кириллическая «О» против нуля «0» (классическая опечатка)
|
||||
**Что проверяем:** «O3700» с кириллической О против «03700» с нулём.
|
||||
**Почему может сломаться:** код НЕ приравнивает кириллицу к цифрам → О3700 ≠ 03700 → допник осиротеет в __unresolved__.
|
||||
**Файлы:** договор.docx (own="XXX001-03700", цифра ноль) + допник.docx (parent="XXX001-О3700", кириллическая О)
|
||||
**Ожидаем (как баг-детектор):** сейчас попадут в РАЗНЫЕ группы. Кейс фиксирует поведение и проверяет, появится ли fuzzy-нормализация.
|
||||
|
||||
### Кейс 14: Латинская «C» против кириллической «С»
|
||||
**Что проверяем:** визуально одинаковые префиксы из разных алфавитов.
|
||||
**Почему может сломаться:** normalize_number сохраняет оба алфавита → CBC-10 (лат) ≠ СВС-10 (кир).
|
||||
**Файлы:** договор.docx (own="CBC-10", латиница) + допник.docx (parent="СВС-10", кириллица)
|
||||
**Ожидаем (баг-детектор):** разные группы. Маркер необходимости юникод-конфьюзабл нормализации.
|
||||
|
||||
### Кейс 15: Буква «Ё» в номере
|
||||
**Что проверяем:** диапазон А-Я не включает Ё.
|
||||
**Почему может сломаться:** normalize_number("ЁЖ-5")="Ж5" — буква Ё выпадает. Если в одном документе «ЁЖ-5», в другом «ЖЕ-5» — рассинхрон.
|
||||
**Файлы:** договор.docx (own="ЁЖ-5") + допник.docx (parent="ЁЖ-5")
|
||||
**Ожидаем:** оба теряют Ё одинаково → совпадут как Ж5 (позитив, но по «неправильной» причине — кейс это документирует).
|
||||
|
||||
### Кейс 16: parent_number отсутствует у допника
|
||||
**Что проверяем:** ветку «осиротевших» документов.
|
||||
**Почему может сломаться:** допник без parent и без own-номера уходит в __unresolved__.
|
||||
**Файлы:** допник-без-родителя.docx
|
||||
**Ключевой текст договора:** "Дополнительное соглашение к договору оказания услуг" (без номеров вообще)
|
||||
**Ожидаем:** документ в группе __unresolved__, не приклеен к случайному договору.
|
||||
|
||||
### Кейс 17: Допник ссылается на own_number, а не parent
|
||||
**Что проверяем:** ветку матчинга «parent==c_norm ИЛИ own==c_norm».
|
||||
**Почему может сломаться:** если LLM записал номер базового договора в own_number допника (а parent=null), группировка всё равно должна склеить.
|
||||
**Файлы:** договор.docx (own="GR-50") + допник.docx (own="GR-50", parent=null)
|
||||
**Ожидаем:** одна группа (срабатывает ветка own==own).
|
||||
|
||||
### Кейс 18: Два РАЗНЫХ договора с одинаковым нормализованным номером
|
||||
**Что проверяем:** коллизию якорей групп.
|
||||
**Почему может сломаться:** «AB-12» и «A-B12» → оба AB12; допник приклеится не к тому/к обоим.
|
||||
**Файлы:** договор-A.docx (own="AB-12") + договор-B.docx (own="A-B12") + допник.docx (parent="AB12")
|
||||
**Ожидаем:** видно недетерминированность/двойную привязку — кейс ловит коллизии нормализации.
|
||||
|
||||
### Кейс 19: Семья из 4 документов, разный порядок дат
|
||||
**Что проверяем:** сортировку внутри группы по doc_date и метку initial/additional.
|
||||
**Почему может сломаться:** если даты парсятся криво, «initial» может стать не самый ранний документ.
|
||||
**Файлы:** договор(2025-01-10) + допник-2(2025-05-01) + спека(2025-02-01) + допник-1(2025-03-01)
|
||||
**Ожидаем:** порядок initial=договор, далее по возрастанию даты; type первого = initial.
|
||||
|
||||
### Кейс 20: Допник с лишним суффиксом-копией в имени файла
|
||||
**Что проверяем:** что нормализуется НОМЕР, а не имя файла.
|
||||
**Почему может сломаться:** имя «допник-1-XXX003-01300_2.docx» содержит _2 (копия), это не должно влиять на own_number/parent.
|
||||
**Файлы:** допник-1-XXX003-01300_2.docx
|
||||
**Ключевой текст договора:** "Дополнительное соглашение № 1 к Договору № XXX003-01300"
|
||||
**Ожидаем:** own_number="1", parent_number="XXX003-01300"; _2 игнорируется.
|
||||
|
||||
### Кейс 21: Цена изменилась на 1 копейку
|
||||
**Что проверяем:** чувствительность UPDATE к микроизменению.
|
||||
**Почему может сломаться:** LLM сочтёт разницу «несущественной» и не выдаст UPDATE; или округлит.
|
||||
**Файлы:** спека-v1.docx + допник-цена.docx
|
||||
**Таблица спеки (current):** Аренда стойко-места | 50000.00 | 1 | 50000.00 | 2025-01-01
|
||||
**Текст допника:** "С 01.03.2025 стоимость аренды устанавливается 50 000,01 руб."
|
||||
**Ожидаем:** UPDATE r1 new_values={price:50000.01, sum:50000.01, date_start:"2025-03-01"}.
|
||||
|
||||
### Кейс 22: Объём с 3 на 0 — это UPDATE или DELETE?
|
||||
**Что проверяем:** трактовку «количество стало нулём».
|
||||
**Почему может сломаться:** граница UPDATE(qty=0) vs DELETE; разные модели решают по-разному.
|
||||
**Файлы:** спека-v1.docx + допник-обнуление.docx
|
||||
**Таблица спеки (current):** IP-адрес IPv4 | 300 | 3 | 900 | 2025-01-01
|
||||
**Текст допника:** "С 01.04.2025 услуга предоставления IP-адресов исключается (количество — 0)."
|
||||
**Ожидаем (фиксируем решение):** один из {DELETE r1} ИЛИ {UPDATE r1 qty=0,sum=0}. Кейс закрепляет ожидаемую трактовку и ловит непостоянство.
|
||||
|
||||
### Кейс 23: Услуга переименована, суть та же
|
||||
**Что проверяем:** семантический матч UPDATE по смыслу, а не по символам.
|
||||
**Почему может сломаться:** LLM не свяжет «Аренда стойко-места» и «Размещение оборудования в стойке» → выдаст ADD+DELETE вместо UPDATE.
|
||||
**Файлы:** спека-v1.docx + допник-переименование.docx
|
||||
**Таблица спеки (current):** Аренда стойко-места | 50000 | 1 | 50000 | 2025-01-01
|
||||
**Текст допника:** "Услугу «Размещение оборудования в стойке» с 01.05.2025 — 52 000 руб."
|
||||
**Ожидаем:** UPDATE r1 (а не ADD новой + DELETE старой).
|
||||
|
||||
### Кейс 24: Полная замена приложения (full_replace)
|
||||
**Что проверяем:** триггер mode=full_replace по фразе «изложить в следующей редакции».
|
||||
**Почему может сломаться:** LLM попытается diff'ить построчно (partial) вместо того, чтобы выдать все строки как ADD.
|
||||
**Файлы:** спека-v1.docx + допник-новая-редакция.docx
|
||||
**Таблица спеки (current):** r1 Аренда | 50000 | 1 | 50000; r2 IP | 300 | 8 | 2400
|
||||
**Текст допника:** "Приложение № 1 изложить в следующей редакции:" + новая таблица (Аренда 55000; IP 12 шт; +Резервное копирование 4000).
|
||||
**Ожидаем:** mode=full_replace, ВСЕ строки новой редакции как ADD, без UPDATE/DELETE.
|
||||
|
||||
### Кейс 25: Добавление новой услуги (чистый ADD)
|
||||
**Что проверяем:** распознавание строки, которой не было.
|
||||
**Почему может сломаться:** LLM попробует «прицепить» к похожей существующей через UPDATE.
|
||||
**Файлы:** спека-v1.docx + допник-добавление.docx
|
||||
**Таблица спеки (current):** Аренда | 50000 | 1 | 50000
|
||||
**Текст допника:** "С 01.06.2025 добавить услугу «Резервное копирование 1 ТБ» — 4 000 руб./мес., 1 шт."
|
||||
**Ожидаем:** ADD new_row={name:"Резервное копирование 1 ТБ", price:4000, qty:1, sum:4000, date_start:"2025-06-01"}.
|
||||
|
||||
### Кейс 26: Удаление услуги (чистый DELETE)
|
||||
**Что проверяем:** корректный target_id при удалении.
|
||||
**Почему может сломаться:** LLM удалит не ту строку (перепутает r1/r2) или выдаст UNRESOLVED.
|
||||
**Файлы:** спека-v1.docx + допник-удаление.docx
|
||||
**Таблица спеки (current):** r1 Аренда | 50000 | 1 | 50000; r2 Мониторинг | 2000 | 1 | 2000
|
||||
**Текст допника:** "С 01.07.2025 услуга «Мониторинг 24/7» исключается из спецификации."
|
||||
**Ожидаем:** DELETE r2 (именно r2).
|
||||
|
||||
### Кейс 27: Изменение только суммы при тех же цене×объёме (ловушка консистентности)
|
||||
**Что проверяем:** что LLM не «досчитывает» поля, которых нет в допнике.
|
||||
**Почему может сломаться:** допник меняет только qty, а LLM забывает пересчитать sum (или наоборот, лезет в price).
|
||||
**Файлы:** спека-v1.docx + допник-объём.docx
|
||||
**Таблица спеки (current):** IP-адрес | 300 | 8 | 2400 | 2025-01-01
|
||||
**Текст допника:** "Увеличить количество IP-адресов до 12 (с 01.08.2025)."
|
||||
**Ожидаем:** UPDATE r1 new_values={qty:12, sum:3600, date_start:"2025-08-01"} — price НЕ в new_values.
|
||||
|
||||
### Кейс 28: Допник меняет услугу, которой нет в спеке (UNRESOLVED)
|
||||
**Что проверяем:** ветку UNRESOLVED.
|
||||
**Почему может сломаться:** LLM «придумает» ADD вместо честного UNRESOLVED.
|
||||
**Файлы:** спека-v1.docx + допник-призрак.docx
|
||||
**Таблица спеки (current):** Аренда | 50000 | 1 | 50000
|
||||
**Текст допника:** "Стоимость услуги «Услуга миграции данных» снизить на 10%." (такой услуги в спеке нет)
|
||||
**Ожидаем:** UNRESOLVED reason="услуги нет в текущей спецификации".
|
||||
|
||||
### Кейс 29: Числа с пробелами-разделителями и запятой-десятичной
|
||||
**Что проверяем:** парсинг «55 000,00» → 55000.0.
|
||||
**Почему может сломаться:** LLM вернёт строку «55 000,00» или 55.0 (обрежет по запятой).
|
||||
**Файлы:** спека-v1.docx + допник-формат-чисел.docx
|
||||
**Таблица спеки (current):** Аренда | 50000 | 1 | 50000
|
||||
**Текст допника:** "Цена аренды с 01.09.2025 — 55 000,00 руб."
|
||||
**Ожидаем:** UPDATE r1 price=55000.0 (число, не строка).
|
||||
|
||||
### Кейс 30: Болтливый LLM-ответ / JSON в markdown (робастность парсера)
|
||||
**Что проверяем:** устойчивость парсинга на стороне Python (compare и classify).
|
||||
**Почему может сломаться:** ответ обёрнут в ```json ```, есть текст «Вот результат:», висячая запятая.
|
||||
**Файлы:** любой простой допник (UPDATE одной цены) — суть в форме ответа, не в данных.
|
||||
**Текст допника:** "Цена аренды — 51 000 руб. с 01.10.2025."
|
||||
**Ожидаем:** парсер извлекает JSON из markdown-блока и применяет UPDATE r1.
|
||||
|
||||
### Матрица покрытия
|
||||
|
||||
| Аспект | Кейсы |
|
||||
|---|---|
|
||||
| classify: все поля / baseline | 1, 5 |
|
||||
| classify: тип документа (contract/spec/other) | 3, 5, 11 |
|
||||
| classify: own vs parent | 4, 17 |
|
||||
| classify: дата | 7, 8 |
|
||||
| classify: контрагент | 1, 6 |
|
||||
| classify: слепая зона выжимки | 9, 10 |
|
||||
| group: нормализация разделителей | 12, 15 |
|
||||
| group: кириллица/латиница/цифры | 13, 14, 15 |
|
||||
| group: сироты / unresolved | 16 |
|
||||
| group: ветки матча и коллизии | 17, 18 |
|
||||
| group: сортировка/порядок | 19, 20 |
|
||||
| compare: UPDATE | 21, 23, 27, 29 |
|
||||
| compare: ADD / DELETE | 22, 25, 26 |
|
||||
| compare: full_replace | 24 |
|
||||
| compare: UNRESOLVED | 22, 28 |
|
||||
| robustness: JSON-парсинг | 30 |
|
||||
|
||||
**Рекомендация по приоритету:** сначала Блок B (кейсы 13–18) — там код ломается детерминированно и без LLM, баги воспроизводимы на 100%. Потом Блок C (LLM-логика), затем Блок A.
|
||||
@@ -0,0 +1,41 @@
|
||||
|
||||
Ты — Claude Opus. Тебе пишет разработчик.
|
||||
|
||||
**ВАЖНО:** Твой ответ — ТОЛЬКО текст в чат. Ты НЕ должен ничего редактировать, создавать файлы, писать код. Просто текстовый ответ с принципами и шаблонами. Файлы создам я сам.
|
||||
|
||||
У нас сервис сверки договоров. Pipeline: загрузка → LLM-классификация → группировка → LLM-сравнение.
|
||||
Бэкенд: Python http.server + PostgreSQL. LLM: gpt-oss-120b через api.aillm.ru.
|
||||
|
||||
Реальные файлы лежат в `dogovora/примеры_договоров_для_ИИ/`:
|
||||
- договор-XXX001-03700.docx — Договор на оказание технологических услуг
|
||||
- допник-1-XXX003-01300_2.docx — Допсоглашение с таблицей услуг (6-7 колонок: №, Наименование, Цена, Объем, Сумма, Дата)
|
||||
- спецификация-XXX001-03700.docx — Спецификация (таблица услуг)
|
||||
|
||||
Мне не нужны сгенерированные ТОБОЙ docx-файлы — это дорого.
|
||||
|
||||
Мне нужны ПРИНЦИПЫ + ТЕКСТОВЫЕ ШАБЛОНЫ для 25-30 тестовых кейсов. Каждый кейс проверяет один конкретный аспект:
|
||||
- classify (как LLM извлекает тип/номер/дату/контрагента/родителя)
|
||||
- group (как Python нормализует номера и группирует)
|
||||
- compare (как LLM находит ADD/DELETE/UPDATE между версиями спеки)
|
||||
|
||||
Формат ответа — для каждого кейса:
|
||||
```
|
||||
### Кейс N: Название
|
||||
**Что проверяем:** ...
|
||||
**Почему может сломаться:** ...
|
||||
**Файлы:** договор-X.docx + спека-X.docx
|
||||
**Ключевой текст договора:** "Договор № ... от ..."
|
||||
**Таблица спеки:** <структура с ценами/объёмами>
|
||||
```
|
||||
|
||||
Файлы создам я сам через python-docx. Ты даёшь принципы и текст — я генерирую.
|
||||
|
||||
Примеры того ЧТО может пойти не так и что надо проверить:
|
||||
- Номер договора кириллицей: "МЭС-123/2024"
|
||||
- Два допника ссылаются на номер с опечаткой: "03700" vs "О3700"
|
||||
- Спека без даты
|
||||
- Договор без контрагента
|
||||
- Нестандартный заголовок: "Соглашение об услугах" вместо "Договор"
|
||||
- Compare: цена изменилась на 1 копейку, объём с 3 на 0, услуга переименована
|
||||
|
||||
Думай как тестировщик: что МОЖЕТ сломаться и как это поймать.
|
||||
@@ -0,0 +1,97 @@
|
||||
# Ответы заказчика — опросник «Сверка договоров»
|
||||
|
||||
Дата: 26.06.2026 | Сергей Мищук ↔ Владимир Крупский
|
||||
|
||||
---
|
||||
|
||||
## 1. Объём
|
||||
|
||||
**Вопрос:** Сколько файлов обычно загружаете за один раз?
|
||||
- A. до 10–20
|
||||
- B. 50–100
|
||||
- C. 100+ (сотни/тысячи)
|
||||
|
||||
**Ответ:** ✅ **C. 100+ (сотни/тысячи)**
|
||||
|
||||
---
|
||||
|
||||
## 2. Названия НУБЕС в договорах
|
||||
|
||||
**Вопрос:** Под какими названиями НУБЕС встречается в документах?
|
||||
|
||||
**Ответ:** Есть официальное название. Во всех интересующих нас договорах — Исполнитель.
|
||||
|
||||
---
|
||||
|
||||
## 3. «Мусорные» документы
|
||||
|
||||
**Вопрос:** Какие можно игнорировать при сверке?
|
||||
|
||||
**Ответ:** Все, кроме перечисленных (спецификация и дополнительное соглашение, возможно договор).
|
||||
|
||||
Т.е. игнорировать: акты сверки, счета/счета-фактуры/УПД, акты оказанных услуг, платёжные поручения. Оставлять: договоры, доп. соглашения, спецификации.
|
||||
|
||||
---
|
||||
|
||||
## 4. ZIP-архивы
|
||||
|
||||
**Вопрос:** Обычно один архив = один контрагент?
|
||||
|
||||
**Ответ:** Чаще всего 1 архив = 1 контрагент, но гарантировать не могу.
|
||||
|
||||
Размеры ZIP-файлов: не громадные.
|
||||
|
||||
---
|
||||
|
||||
## 5. Что важнее всего в результате
|
||||
|
||||
**Ответ:** Разобранный результат. Окончательная задача — **построчное сравнение данных из CRM с данными из фискальной системы**. Разница может быть:
|
||||
- в количестве или ценах (ошибки ввода, ошибки процесса)
|
||||
- особенно в **разных датах начала оказания услуг**
|
||||
- услуги PAYG (суффикс `-m`), но кодов артикулов, вероятно, нет в счетах
|
||||
|
||||
**Сверку с CRM тоже можно делегировать AI.**
|
||||
|
||||
---
|
||||
|
||||
## Уточняющие вопросы (после опросника)
|
||||
|
||||
| Время | Вопрос (Крупский) | Ответ (Мищук) |
|
||||
|---|---|---|
|
||||
| 15:34 | Размеры документов не громадные? ZIP-файлов вернее. | Нет. |
|
||||
| 15:36 | Это за месяц, квартал? | Могут быть разные потребности. Сверить по контрагенту, сверить за год, за месяц. |
|
||||
| 15:37 | ZIP'ы — ввод из локали или например S3? | Не знаю. Спокойнее из локали, но может быть долго. |
|
||||
| 15:37 | Т.е. по ссылке. | *(Крупский)* Пусть пока из локали, но сделаю с возможностью расширения. |
|
||||
| 15:39 | — | Можно из файловой шары или облачного диска. Как работать с файлами — часть проекта, а не ТЗ. В ТЗ ограничение на строгую конфиденциальность → не хочется класть на публичный S3, мало ли кто ошибётся. |
|
||||
| 15:40 | Модуль ввода сделаю типа API. | — |
|
||||
| 15:41 | — | **Нас пока интересует не удобство загрузки, а точность анализа.** Скорее всего будем выявлять точечные ошибки и всё равно проверять глазами. Но пока не знаем масштаба расхождений и точности AI. |
|
||||
| 15:42 | Ну да... трудно прогнозировать. Поэтому хардкодить логику не надо. | — |
|
||||
| 15:42 | — | Удобство интерфейса пока — только для отладки. Сейчас оснастка выглядит полезной. |
|
||||
| 15:43 | — | **Надо сначала отработать базовую функцию — разбор, сверка.** Если подход и точность устраивают — можно допилить для юзабельности. |
|
||||
| 15:43 | — | Сейчас и с подходом всё неясно: что в контекст, что в RAG, что в базу, какая архитектура агентов... можно по-разному. |
|
||||
| 15:44 | Посмотрю ещё по best practices. | — |
|
||||
| 15:44 | — | Если интервью всё — пожелаю успехов и пойду к другим задачам? |
|
||||
| 15:45 | ОК 😊 | — |
|
||||
| 15:45 | — | Да, я бы хотел **картинок с вариантами архитектуры**. Видел, как AI сама такие рисует. |
|
||||
| 15:45 | Дам задачу. | — |
|
||||
| 15:46 | Для себя делал, но некрасиво и коротко. | — |
|
||||
| 15:49 | — | Надо сначала посмотреть, может без красот обойдёмся. Это всё ради понимания. |
|
||||
| 16:42 | Если файлов много — может их не надо все списком в таблице выводить? Показывать только статистику — количество по типам, размеры, что невозможно распарсить и т.д. | — |
|
||||
| 17:11 | — | Зависит от того, что будем делать в интерфейсе. Например, посмотреть чего напарсили — нужен список. Если пока без этого — можно без списка. Но со списком будет удобнее отлаживать. |
|
||||
| 17:12 | Либо по умолчанию список свёрнут. | — |
|
||||
| 17:13 | Но это детали, там скроллинг. | — |
|
||||
|
||||
---
|
||||
|
||||
## Ключевые выводы
|
||||
|
||||
1. **Объём: 100+ файлов** → нужен пакетный режим, не поштучная загрузка.
|
||||
2. **НУБЕС = Исполнитель** во всех целевых договорах.
|
||||
3. **Оставлять только договоры/ДС/спецификации**, остальное игнорировать.
|
||||
4. **1 архив ≈ 1 контрагент**, но не гарантировано.
|
||||
5. **Главное — точность разбора**, а не удобство интерфейса. Сначала базовая функция, потом юзабельность.
|
||||
6. **Конечная цель — сравнение CRM ↔ фискальная система**, с фокусом на даты начала услуг.
|
||||
7. **PAYG** (суффикс `-m`) — особый случай.
|
||||
8. **Сверку с CRM тоже можно делегировать AI.**
|
||||
9. **Загрузка из локали** (файловая шара / облачный диск), не S3 (конфиденциальность).
|
||||
10. **Архитектура неясна** — нужно исследовать подходы (контекст, RAG, база, агенты).
|
||||
Reference in New Issue
Block a user