revert: app/ → site/ (submodule)

11
fix: add /chat endpoint (submodule)
2026-07-14 22:56:25 +04:00 · 2026-07-14 22:52:21 +04:00 · 2026-07-14 22:33:19 +04:00 · 2026-07-14 22:31:18 +04:00 · 2026-07-14 22:24:32 +04:00 · 2026-07-14 22:19:57 +04:00
176 changed files with 8588 additions and 10 deletions
@@ -1,3 +1,6 @@
-FILES
+FILES/
 contracts-app/
 dogovora/
 testgen/out/
 testgen/out_100files/
 contracts-flask/hz/
@@ -0,0 +1,200 @@
 # Запрос к Опусу — анализ и план развития Contracts App (v1.0.178)
 Дата: 26.06.2025. **Только инструкции, код не менять.**
 ---
 ## 1. Контекст: что за сервис
 Сервис **«Сверка договоров»** — обработка договоров облачного провайдера НУБЕС с контрагентами.
 Пользователь загружает ZIP-архивы с документами (договоры, допсоглашения, спецификации),
 система классифицирует, группирует по номерам договоров и сравнивает
 спецификации услуг — показывает diff (ADD/UPDATE/DELETE/UNRESOLVED).
 **Архитектура:**
 - **Lucee (CFML)** — фронтенд, домен contractor.luceek8s.dev.nubes.ru
 - **Python (VM)** — бэкенд, домен contracts.kube5s.ru, порт 8766
 - **PostgreSQL** — хранение
 - **nginx** — прокси
 - **LLM** — api.aillm.ru, модель gpt-oss-120b, HTTP/2 через httpx
 **Пайплайн:**
 1. Upload (.docx/.pdf/.doc/.zip) → парсинг (python-docx/pdfplumber) → elements_json
 2. Classify — LLM определяет: тип (contract/supplement/specification/other),
   own_number, parent_number, counterparty, doc_date
 3. Group — Python normalize_number() + matching по номеру договора
 4. Compare — SSE, LLM сравнивает спецификации: ADD/UPDATE/DELETE/UNRESOLVED
 ---
 ## 2. Текущий код — ключевые файлы
 ### 2.1. Classify
 **Файл:** `contractor/deploy/services/classify.py`
 - `MAX_WORKERS = 4` — параллельные запросы к LLM
 - `_smart_extract()` — выжимка текста: заголовок ~1500 симв + regex-хиты по маркерам
 - `_call_llm_classify()` — вызов LLM, парсинг JSON из ответа
 - `classify_batch()` — ThreadPoolExecutor, классифицирует все pending документы
 - `_safe_json_parse()` — чинит битый JSON из LLM (markdown, trailing commas)
 **Промпт classify:** `llm_prompt.py` → `build_classify_prompt(header_text)`.
 Запрашивает у LLM:
 ```json
 {"doc_type": "contract|supplement|specification|other",
 "own_number": "XXX001-03700",
 "parent_number": "XXX001-03700",       // для допников/спек
 "doc_date": "2025-01-01",
 "counterparty": "ООО \"Ромашка\""}
 ```
 **Проблема classify:** при 50+ файлах синхронный вызов таймаутился.
 Сейчас: `subprocess.Popen` → classify_worker.py (async, 202 Accepted).
 Но фронтенд (`app.js` `runClassify()`) не полностью синхронизирован с async-ответом.
 ### 2.2. Group
 **Файл:** `contractor/deploy/services/grouping.py`
 - `normalize_number()` — uppercase + только буквы/цифры.
  «МЭС-123/2024» == «МЭС 123/2024» после нормализации.
 - `group_documents()` — иерархический алгоритм:
  1. contract → якорь группы
  2. supplement/spec → matching по parent_number (нормализованный)
  3. Оставшиеся → виртуальные группы по own_number
  4. Без номеров → `__unresolved__`
 - `apply_groups()` — создаёт записи в DB (contracts + supplements)
 **Известные баги normalize_number:**
 - Кириллическая `О` vs цифра `0` — не различаются
 - Латинская `C` vs кириллическая `С` — не различаются
 - `Ё` → выпадает
 ### 2.3. Compare
 **Файлы:** `contractor/deploy/convert_server.py` (SSE endpoint `/process-v2`),
 `contractor/deploy/compare.js` (фронтенд SSE-клиент).
 **Промпты compare:** `llm_prompt.py`
 - `FALLBACK_EXTRACT` — для первого документа (базовый договор/спецификация):
  ADD всех строк.
 - `FALLBACK_DIFF` — для допсоглашений: UPDATE/DELETE/ADD/UNRESOLVED.
  Поддерживает два режима:
  - `"mode": "partial"` — точечные изменения
  - `"mode": "full_replace"` — полная замена спецификации
 **Проблема compare:** оба режима — «ADD всех строк». LLM не всегда корректно
 сопоставляет строки между v1 и v2 спецификации.
 ### 2.4. ZIP handling
 **Файлы:** `contractor/deploy/files.js` (`addZipFile()`),
 `contractor/deploy/convert_server.py` (`_handle_unzip_upload()`).
 Текущая логика:
 1. ZIP загружается через FormData на `/unzip-upload`
 2. Бэкенд распаковывает, возвращает base64 каждого файла
 3. Фронтенд для каждого: base64 → Blob → File → upload (как addRegularFile)
 4. Дубликаты по имени: confirm-диалог, перезапись
 **Чего нет:**
 - `zip_source` — связь файла с родительским ZIP
 - Группировка в таблице по ZIP-источнику
 - ID файла = `zip_source + "/" + filename`
 ### 2.5. Фронтенд
 **Ключевые JS-модули:** `contractor/deploy/` — state.js, files.js, groups.js, compare.js, app.js, app_utils.js
 **Таблица файлов:** `files.js` `renderFiles()` — плоский список, без группировки по ZIP.
 Уже есть `max-height: 50vh; overflow-y: auto` (скролл).
 **Степпер:** `app.js` `renderStepper()` — 4 шага: Загрузка → Классификация → Группировка → Сравнение.
 ---
 ## 3. Что сказал заказчик (26.06.2025)
 > «А что касается вводных — файлы могут быть в зипах. Как правило, по 1 контрагенту,
 > но я считаю, что по контрагенту может быть несколько зипов, и теоретически
 > могу представить ситуацию, когда будет в одном зипе по нескольким как-то
 > связанным контрагентам (какие-то агентские схемы). Наверно, вероятность того,
 > что в одном зипе один контрагент — весьма высокая, но не 100%.»
 Также обсуждалось:
 - Привязка файлов к родительскому ZIP
 - В таблице — ZIP как группирующий заголовок, ниже со сдвигом — вложенные файлы
 - ID файла = имя зипа + "/" + имя файла
 ---
 ## 4. Что обсуждали мы (ключевые выводы)
 1. **НУБЕС — всегда Исполнитель.** Контрагенты — Заказчики.
 2. **Один batch = один контрагент (почти всегда).**
   Хоть 1 зип, хоть 5 зипов — всё по одному контрагенту.
 3. **Агентские схемы — исключение**, не основная логика.
 4. **`zip_source`** — для визуальной группировки в таблице.
   Не влияет на логику classify/group/compare.
 5. **Два сценария UI:**
   - «Точный» (≤100 файлов) — текущий UI с таблицей и ручным контролем
   - «Поток» (100+) — упрощённый UI: прогресс-бар, авто-пайплайн, сводный отчёт
     (без таблицы — 1000 DOM-строк вешают браузер)
 6. **Коллизия одинаковых имён из разных ZIP:**
   - ID = `zip_source + "/" + filename` → разные сущности
   - Compare покажет diff между версиями
 ---
 ## 5. Что нужно от Опуса
 ### 5.1. ПЛАН по zip_source
 Как именно внедрить привязку файлов к родительскому ZIP на ВСЕХ слоях:
 - `unzip.py` → возвращать `zip_source`
 - `db/documents.py` → поле `zip_source`
 - `files.js` `renderFiles()` → группировка + отступ
 - `state.js` → поле `zip_source`
 - `index.cfm` / Lucee → надо ли менять?
 **Варианты отображения:**
 - Вариант А: ZIP как секция-заголовок, под ним файлы с отступом
 - Вариант Б: древовидная структура (раскрывающиеся ZIP'ы)
 - Вариант В: цветовая маркировка по ZIP
 Какой лучше для пользователя и почему?
 ### 5.2. ПЛАН по двум сценариям UI
 Как архитектурно разделить «Точный» и «Поток» режимы:
 - Общий код (classify/group/compare не меняются)
 - Разный UI: что показывать, что скрывать
 - Как переключаться между режимами (авто по кол-ву файлов? ручной выбор?)
 - «Поток» — сводный отчёт: структура, что в нём
 ### 5.3. АНАЛИЗ текущих промптов
 Внимательно изучи `llm_prompt.py`:
 - Есть ли проблемы в классификации (counterparty не определяется)
 - Достаточно ли хорош diff-промпт (compare)
 - Нужны ли разные варианты промптов для разных сценариев:
  - Только НУБЕС-один контрагент (стандартный)
  - Два контрагента (агентские схемы)
  - Мусорные документы (акты сверки, счета)
 - Нужна ли корректировка глоссария, примеров
 ### 5.4. РЕКОМЕНДАЦИИ по улучшению
 Что ещё можно улучшить, исходя из анализа кода и требований заказчика:
 - Приоритеты: что делать в первую очередь
 - Риски: что может сломаться
 - Оценка трудозатрат (грубо: маленькая/средняя/большая задача)
 ---
 ## 6. Ограничения
 - **Код не менять.** Только инструкции и план.
 - Ответ — в чат, подробно, с обоснованием каждого решения.
 - Если есть несколько вариантов — перечислить с плюсами/минусами.
@@ -0,0 +1,52 @@
 # Несколько вопросов по сервису «Сверка договоров»
 Чтобы настроить сервис точнее — пара коротких вопросов. Отвечать подробно не нужно,
 достаточно отметить вариант или написать пару слов.
 Это не финальный список: когда вы поработаете с сервисом, наверняка появятся
 свои пожелания и вопросы — тогда обсудим остальное.
 ---
 ## 1. Объём
 Сколько файлов обычно загружаете за один раз?
 (нужно, чтобы решить — оставить подробную таблицу или сделать упрощённый режим для больших пачек)
 - [ ] A. до 10–20
 - [ ] B. 50–100
 - [ ] C. 100+ (сотни/тысячи)
 ## 2. Как называется НУБЕС в договорах
 В каждом договоре две стороны: вы (Исполнитель) и контрагент (Заказчик).
 Сейчас система иногда путает, кто из них контрагент.
 **Под какими названиями НУБЕС встречается в документах?**
 (например: «ООО НУБЕС», «Облачные технологии», ИНН …)
 > _ваш ответ:_
 ## 3. «Мусорные» документы
 В архивах иногда попадаются не-договорные бумаги. Какие можно игнорировать при сверке?
 - [ ] акты сверки
 - [ ] счета / счета-фактуры / УПД
 - [ ] акты оказанных услуг
 - [ ] платёжные поручения
 - [ ] другое: _______________
 ## 4. ZIP-архивы
 Мы поняли так: обычно **один архив = один контрагент**, но по одному контрагенту
 может быть несколько архивов, а изредка в одном архиве — несколько связанных
 контрагентов (агентские схемы). **Всё верно?** Если есть нюансы — допишите.
 > _ваш ответ:_
 ## 5. Что важнее всего в результате
 На что смотрите в первую очередь, когда сверка готова?
 (например: что изменилось в ценах, какие позиции не сопоставились, итоговая сумма…)
 > _ваш ответ:_
 ---
 Спасибо! Этого пока достаточно — остальное уточним по ходу.
@@ -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.
@@ -12,7 +12,7 @@
 1. **Загрузка** — файлы принимаются через веб-интерфейс. Поддерживаются .docx, .doc (старый Word), .pdf, а также .zip с несколькими файлами.
-2. **Парсинг** — каждый файл автоматически разбирается: извлекаются таблицы и текст. Используется Apache POI (Java) для Word-документов и PDFBox для PDF. Результат — структурированный JSON (elements_json) и текстовое представление.
+2. **Парсинг** — каждый файл автоматически разбирается на ВМ: извлекаются таблицы и текст. Используется pdfplumber для PDF (с сохранением структуры таблиц) и python-docx для Word. Результат — структурированный JSON (elements_json) и текстовое представление.
 3. **Порядок** — файлы можно переставить стрелками ↕. Первый в списке считается базовым договором, остальные — дополнительные документы к нему.
@@ -31,9 +31,9 @@
    │
    ├── загрузка файлов ──→ VM (Python, convert_server.py)
    │                           │
-    │                           ├── /convert-doc ──→ Lucee (parser.cfm)
+    │                           ├── /upload ──→ parse.py (pdfplumber + python-docx)
-    │                           ├── /process-v2 ───→ Lucee (apply_events.cfm)
+    │                           ├── /llm-ops ──→ LLM (api.aillm.ru, gpt-oss-120b)
-    │                           └── LLM (api.aillm.ru, gpt-oss-120b)
+    │                           └── /process-v2 ──→ Lucee (apply_events.cfm)
    │
    └── API ──→ Lucee (CFML на k8s)
                    │
@@ -44,8 +44,8 @@
 |-----------|-----|------------|
 | Веб-интерфейс | Lucee 6.0 (k8s) | CFML + JavaScript |
 | База данных | Внутренний PostgreSQL 15 | JSONB, UUID, advisory locks |
-| Парсинг документов | Lucee | Apache POI (HWPF/XWPF), PDFBox |
+| Парсинг документов | ВМ (5.172.178.213) | pdfplumber (PDF) + python-docx (DOCX) |
-| LLM-анализ | Внешняя VM (5.172.178.213) | Python 3, httpx, SSE-стриминг |
+| LLM-анализ | ВМ (5.172.178.213) | Python 3, httpx, SSE-стриминг |
 | Модель | api.aillm.ru | gpt-oss-120b (бесплатно, 8000 токенов) |
 ## Event Sourcing
@@ -65,7 +65,7 @@
 - **Backend**: Lucee 6.0 (CFML) на Kubernetes
 - **База**: PostgreSQL 15 (JSONB, UUID, window functions)
- **Парсинг**: Apache POI (Java, встроен в Lucee)
+- **Парсинг**: pdfplumber (PDF) + python-docx (DOCX) на ВМ
 - **LLM-прокси**: Python 3 + httpx + threading (SSE)
 - **Модель**: gpt-oss-120b (OpenAI-совместимый API)
 - **Фронтенд**: ванильный JS + Lucide иконки
@@ -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 +1,85 @@
 # Финальный план рефакторинга — store + render
 Согласовано: DeepSeek + Opus. Все открытые вопросы закрыты.
 ## Архитектурное решение
 **Патерн:** единый `state` объект + одна `render(state)` + actions мутируют state.
 ```
 action → мутация state → render(state)
 ```
 - Асинхронные операции (upload, classify, compare-SSE) — actions, пишут в state
 - Синхронные трансформации (group, applyParseResult) — чистые функции
 - DOM — проекция state, никто не читает из DOM
 - `console.log(state)` показывает всё
 ## Структура state
 ```javascript
 state = {
  batchId, contractId,
  files: [{ id, name, size, status: { kind, pct, text, count }, parse, classify, supp_id, detailOpen }],
  groups: [{
    contractNumber, counterparty, documents, unresolved,
    compare: { status, sections: { [suppId]: { header, body, ops } }, totalTime, collapsed }
  }],
  compareAll: { status, sections, totalTime },
  ui: { steps: { upload, classify, groups, compare } },
  _activeCompare: { es, timer }
 }
 ```
 ## Фазы
 ### Фаза 0 — Каркас
 - Ввести `state`, `render(state)` (пока вызывает существующие рендеры)
 - Соглашение: мутировал → `render()`
 ### Фаза 1 — Файлы
 - `fileQueue` → `state.files`
 - `renderTable` → `renderFiles(state)`
 - `fileInput change` разбит:
  - `onFilesSelected(files)` — оркестратор (10-15 строк)
  - `reconcileSelection(newFiles)` — чистая мутация массива
  - `addZipFiles(file)` — async-action
  - `addRegularFile(file)` — async-action
  - `applyParseResult(entry, parsed)` — чистая функция (убирает дубль zip/обычной ветки)
  - `finalizeUpload()` — refreshSupps + stepDone + syncDB + кнопки
 - `status` → структура `{ kind, pct, text, count }`, HTML через `statusToHTML(status)`
 - Убрать `renderTable()` из обработчиков — только `render()` в конце action
 ### Фаза 2 — Группы
 - `loadGroups` → `loadGroupsAction()` (fetch → state.groups) + `renderGroups(state)`
 - `buildGroupCard` → `renderGroupCard(group)` — чистая HTML-функция
 - **`markGroupDone` удалить** — готовность = `state.groups[gi].compare.status === 'done'`
 - Убрать `window._groupsData`
 - `renderGroups` пересобирает ВСЕ карточки целиком
 ### Фаза 3 — Сравнение/SSE
 - Унификация через общие функции:
  - `applyCompareEvent(target, event)` — чистая мутация SSE-события в target
  - `startCompareSSE(url, target, { onDone })` — жизненный цикл SSE
  - `renderCompareSections(sections)` — общий рендер таблиц ops
 - `runCompareForGroup` → тонкая обёртка над `startCompareSSE`
 - `llmBtn` → тонкая обёртка над `startCompareSSE`
 - ~160 строк дублирования → ~60 строк общих + 2 вызова
 ### Фаза 4 — Чистка
 - `contractId`, `batchId` → `state`
 - Степпер → `renderStepper(state)`
 - Промпты, чат, showText — вне scope (отдельная итерация)
 ## Верификация
 1. После каждой правки: `node -c` на app.js + app_utils.js
 2. После Фазы 2: node-тесты на чистые функции (`applyParseResult`, `statusToHTML`, `renderGroupCard`)
 3. Ручной прогон upload→classify→group→compare после git push
 4. Регресс: «Готово» не перезапускается, параллельные сравнения заблокированы, группы не затираются
 ## Релевантные файлы
 - `contractor/deploy/app.js` — все фазы (~1040 строк)
 - `contractor/deploy/app_utils.js` — removeFile/moveUp/moveDown (Фаза 1)
 - `contractor/index.cfm` — DOM-скелет, версия v1.0.177, `?v=` для cache bust
@@ -0,0 +1,32 @@
 # Opus 4.8 Analysis — 2026-06-24 — Auto-classification
 ## Главный вывод
 Текущая модель — «один договор на сессию загрузки». upload.py: первый файл → contracts + supplement initial, остальные → additional к тому же. Связь документ→договор ТОЛЬКО через supplements. Авто-классификация — обратная задача: N файлов → M договоров. Это архитектурное изменение, не промпт.
 ## Q1: Поля в documents или staging?
 **Поля в documents.** + batch_id (привязка к сессии загрузки) + parent_number (отдельно от own_number). 7 колонок:
 doc_type, own_number, parent_number, doc_date (TEXT, не DATE), counterparty, classify_status, batch_id.
 ## Q2: classify в upload или отдельно?
 **Отдельно.** Upload быстро (0.5с), классификация async. ThreadPoolExecutor(4-8) внутри /classify-batch. Статусная модель: classify_status='pending' → 'classified'/'failed'.
 ## Q3: header или весь документ?
 **Умная выжимка.** header ~1500 симв + regex-хиты по маркерам (договор, №, от, соглашение) из всего документа + даты. Итого ~3000 симв на вход LLM.
 ## Q4: parent_contract_number — LLM или regex?
 **Двухпроходный гибрид.** Проход 1: LLM извлекает строки per-doc. Проход 2: Python нормализует (regexp uppercase+буквы/цифры) и матчит supplements→contracts по parent_number. LLM не делает fuzzy-match.
 ## Q5: загрузка 2000 файлов
 ZIP через /unzip-upload (переделать: store+parse серверно). Прогресс — polling /api/documents?batch=X, не SSE.
 ## Q6: группировка — фронт или бэк?
 **Бэкенд.** Нормализация требует Python. GET /api/groups?batch=X возвращает готовые группы. apply-groups создаёт contracts+supplements.
 ## Q7: MVP
 6 шагов с новыми файлами, ZIP не нужен. Multi-upload уже работает.
 1. Миграция БД (7 колонок)
 2. Слой данных (db/documents.py + seed classify prompt)
 3. services/classify.py (выжимка + LLM + ThreadPoolExecutor)
 4. services/grouping.py (normalize + group + apply)
 5. Эндпоинты (/classify-batch, /api/groups, /apply-groups)
 6. UI (загрузка → classify → polling → карточки групп → per-group Сравнить)
@@ -0,0 +1,18 @@
 # Opus Analysis — 2026-06-24 — Почему 5/6 и нет договора
 ## Три бага
 ### 1. Договор failed классификацию (корневая причина)
 Самый большой документ (3000 символов выжимки) + max_tokens=500 → LLM обрезает JSON → _safe_json_parse падает → classify_status='failed'.
 Именно он — тот 1 из 6, который не прошёл.
 ### 2. Мёртвый код в grouping.py (failed не видны)
 ```python
 unmatched += [d for d in classified if d.get("classify_status") != "classified"]
 ```
 Итерация по `classified` (уже отфильтрованному), условие всегда ложно.
 Должно быть: `...for d in docs...`
 ### 3. normalize_number ломает сопоставление
 `"03700_1"` → `"037001"`, `"03700"` → `"03700"`. Не совпадают.
 Допники никогда не матчатся к базовому договору из-за суффикса _N.
@@ -0,0 +1,79 @@
 # Запрос для Opus — Рефакторинг фронтенда Contracts
 ## Контекст
 Проект: сверка договоров через LLM (colocation, ЦОД). Фронтенд — ванильный JS (app.js ~51KB + app_utils.js ~4KB). Бэкенд — Python http.server на ВМ. Фронт управляет пайплайном:
 ```
 Загрузка → Парсинг → Классификация → Группировка → Сравнение
 ```
 ## Текущая проблема
 Код эволюционировал organically. Глобальные переменные (`fileQueue`, `contractId`, `batchId`), манипуляции с DOM через `innerHTML`, состояние размазано по DOM и JS-переменным. Последствия:
 - Сложно тестировать (нет изолированных юнитов)
 - Сложно отлаживать (состояние не в одном месте)
 - Баги с гонками, затиранием данных, повторными срабатываниями кнопок
 - Любое изменение ломает что-то в другом месте
 ## Идея заказчика (НЕ догма — оцени и предложи лучшее)
 Разбить на независимые функции-пайплайн:
 ```
 upload(files)       → [{ id, name, parsed }]
 classify(docs)      → [{ id, name, parsed, type, number, date, counterparty }]
 group(classified)   → [{ contract, documents[] }]
 compare(group)      → { contract, documents[], results[], expandable }
 render(state)       → DOM
 ```
 Каждая функция: чистые входные данные → новые выходные, не мутирует, не трогает DOM. Рендеринг — отдельно. Состояние хранится в одном месте.
 ## Что нужно от тебя
 1. **Оценить идею.** Это правильный подход для ванильного JS? Или есть более подходящий паттерн (state machine, pub/sub, flux-like store)? Не изобретай велосипед — бери best practices для проектов такого масштаба (~50KB JS).
 2. **Предложить архитектуру.** Как организовать код чтобы:
   - Каждый этап пайплайна тестируем изолированно
   - Состояние предсказуемо и отлаживаемо (console.log одного объекта показывает всё)
   - DOM-рендеринг отделён от логики
   - Минимальные изменения в текущем коде (не переписывать с нуля)
 3. **План миграции.** Как перейти от текущего состояния к новому постепенно, не ломая работающий функционал.
 ## Релевантные файлы (читать)
 - `contractor/deploy/app.js` — весь фронтенд (~51KB): renderTable, runClassify, loadGroups, runCompareForGroup, buildGroupCard, markGroupDone, syncDB, stepper, toggleClassifyDetail, showText, SSE handlers
 - `contractor/deploy/app_utils.js` — утилиты: removeFile, escHtml, formatSize, formatDate, openAbout
 - `contractor/index.cfm` — HTML-оболочка, DOM-структура
 ## Игнорировать
 - `contractor/deploy/convert_server.py` и все Python-файлы — бэкенд, не рефакторим
 - `contractor/deploy/db/`, `contractor/deploy/services/` — бэкенд
 - `contractor/*.cfm` кроме index.cfm — старый Lucee-код
 - `contracts-app/`, `contracts-vm/`, `History/`, `DOC/`, `FILES/` — не относится
 ## Ключевые функции для анализа
 | Функция | Строки (app.js) | Что делает |
 |---------|-----------------|------------|
 | renderTable | 57-75 | Рендер таблицы файлов |
 | fileInput change | 76-290 | Загрузка + парсинг |
 | runClassify | 308-360 | Классификация |
 | loadGroups | 362-430 | Группировка + рендер карточек |
 | buildGroupCard | 433-442 | Карточка необработанной группы |
 | markGroupDone | 444-478 | Карточка обработанной группы |
 | runCompareForGroup | 483-590 | Сравнение группы (apply → SSE) |
 | toggleClassifyDetail | 91-130 | Раскрытие промежуточных результатов |
 | syncDB | 26-34 | Синхронизация БД с таблицей |
 | stepper | 38-56 | StepDone/StepActive/ResetStepper |
 ## Ограничения
 - Без фреймворков (ванильный JS)
 - Без классов и наследования (не ООП)
 - Минимум зависимостей между модулями
 - Фокус на тестируемость и отлаживаемость
 - Не переписывать с нуля — мигрировать постепенно
@@ -0,0 +1,32 @@
 # Ответ Opus на decoupling — моё мнение
 ## По трём открытым вопросам
 ### 1. Перерисовывать целиком vs точечно?
 **Целиком.** Для ~50KB JS и десятка DOM-элементов перерисовка всей карточки/таблицы — доли миллисекунды. Точечные патчи создают ровно те баги, которые мы сегодня чинили (затирание, рассинхрон). `render(state)` должен тупо пересобрать всё заново.
 ### 2. Промпты/чат/showText в scope?
 **Нет**, отдельная итерация. Они изолированы (модалки), не участвуют в пайплайне. Не добавлять сложности.
 ### 3. Node-тесты на чистые билдеры?
 **Да.** После Фазы 2, когда появятся `buildFileRowHTML(state)` и `buildGroupCardHTML(group)`. Прогнать на фикстурах — уберёт регрессии на рендеринг.
 ## По плану в целом
 **Согласен с порядком фаз.** Фаза 0 (каркас) → Фаза 1 (files) → Фаза 2 (groups) → Фаза 3 (SSE). Это правильный порядок от простого к сложному.
 **Согласен с удалением `markGroupDone`.** Чтение `bodyEl.innerHTML` из DOM — это то самое «состояние размазано по DOM», которое мы лечим. `state.groups[gi].compare.status === 'done'` — правильный источник истины.
 **Дополнение по SSE.** Opus правильно отметил что SSE-события мутируют state + render(). Но есть нюанс: `EventSource` и таймеры нужно привязывать к `state._activeCompare`. При старте нового сравнения проверять `if (state._activeCompare) { state._activeCompare.es.close(); }` — это уберёт гонки на уровне state, а не DOM.
 **Дополнение по рендерингу.** `render(state)` должна быть идемпотентной: повторный вызов с тем же state даёт тот же DOM. Это гарантирует что «лишний render()» не сломает ничего.
 ## Есть ли ещё вопросы к Опусу?
 Три уточнения:
 1. **`fileInput change` handler** — ~200 строк, самая сложная функция. Как разбить на под-actions: `selectFiles`, `removeOrphans`, `uploadOne`, `parseOne`? Или оставить монолитом но внутри state?
 2. **SSE-дублирование.** `runCompareForGroup` и `llmBtn` имеют ~80% одинакового кода (extract_start, llm_done, applied). Унифицировать в `runCompare(state, contractId)` с флагом `scope: 'group' | 'all'`?
 3. **`status` в state.files.** Сейчас это HTML-строка (`'<span class="status-ok">✓ 25 эл. (0.0с)</span>'`). Заменить на структуру `{ ok: true, elements: 25, time: 0.0 }` и рендерить через `renderFileStatus(file)`?
@@ -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 +1,103 @@
 # Запрос для Opus — План: группировка, прогресс, промежуточные результаты
 ## Что сказал заказчик (дословно)
 > Не распознано (8 файлов)
 > [supplement] допник-1-XXX002-01200_3.docx ... — нет базового договора №01219_3
 > ...
 > зачем нам базовый договор? Вся информация есть в допниках и спеках
 > Было бы хорошо пояснить или показать процесс, что в каком порядке происходит. Так видно только текущую операцию
 > наверно я захочу иметь возможность посмотреть любые промежуточные результаты
 ## Что нужно
 Заказчик хочет три улучшения (без фанатизма, главное — устойчивость и понятный UI):
 ### #1 — Группировка без базовых договоров
 **Проблема:** сейчас `group_documents()` требует contract-файл как якорь группы. Без него допники/спеки попадают в unresolved с текстом «нет базового договора №X». Заказчик: «зачем нам базовый договор? Вся информация есть в допниках и спеках».
 **Нужно:** группировать документы по `parent_number` / `own_number`, даже если contract-файл отсутствует в загрузке. Создавать «виртуальную» группу без contract-файла.
 **Вопросы:**
 1. Алгоритм: что приоритетнее — `parent_number` от допника или `own_number` от спеки? Если оба ссылаются на один нормализованный номер — это одна группа?
 2. Если два допника с одним `parent_number`, но разными `counterparty` — одна группа или разные?
 3. Как назвать группу без contract-файла: `"№01300_2 — ЗАО XXX003"` из данных классификации? Достаточно?
 4. Минимальный diff в `group_documents()` — чтобы не сломать текущую логику с contract-файлами?
 ### #2 — Прогресс пайплайна
 **Проблема:** юзер видит только статус текущей операции. Непонятно что уже сделано, что предстоит.
 **Нужно:** визуальная шкала этапов с иконками статуса.
 **Вопросы:**
 1. Достаточно 4 этапов: Загрузка → Классификация → Группировка → Сравнение? (Парсинг — подэтап загрузки, не показывать отдельно)
 2. Где разместить: в топбаре (всегда видно, не скроллится) или в карточке с результатами?
 3. При переклассификации после удаления/добавления файла — сбрасывать всю шкалу или только затрагиваемые этапы?
 ### #3 — Промежуточные результаты
 **Проблема:** юзер хочет видеть что LLM вернула на каждом шаге: сырой ответ, как определился номер/тип/дата.
 **Нужно:** раскрывающийся блок с деталями для каждого файла.
 **Вопросы:**
 1. Что хранить: сырой ответ LLM + распарсенный JSON? Достаточно двух новых полей в `documents`?
 2. Где показывать: раскрывающийся блок под строкой файла в таблице? Или модалка при клике на статус?
 3. Нужно ли для сравнения (process-v2 SSE) или только для классификации?
 ### #4 — Общие ограничения
 Что из трёх самое трудозатратное и что можно упростить без потери юзабилити?
 ---
 ## Релевантные файлы (читать)
 ### Группировка (#1)
 - `contractor/deploy/services/grouping.py` — `group_documents()`, `normalize_number()`, `apply_groups()`
 - `contractor/deploy/db/documents.py` — поля `doc_type`, `own_number`, `parent_number`, `counterparty`, `classify_status`
 - `contractor/deploy/db/contracts.py` — `insert()`, поля `number`, `client`
 - `contractor/deploy/db/supplements.py` — `insert()`, `list_by_contract()`
 ### Прогресс-бар (#2) + Промежуточные результаты (#3)
 - `contractor/index.cfm` — HTML-оболочка, топбар (`.topbar`, `position: sticky`), карточки, модалки
 - `contractor/deploy/app.js` — весь фронтенд: загрузка, `runClassify()`, `loadGroups()`, `runCompareForGroup()`, `showClassifyBtn()`, рендеринг таблицы и групп
 - `contractor/deploy/app_utils.js` — утилиты: `removeFile()`, `renderTable()`
 - `contractor/deploy/convert_server.py` — роутер (`do_GET`, `do_POST`, `do_DELETE`), SSE (`_handle_process_v2`), эндпоинты `/api/classify-batch`, `/api/groups`, `/api/batch-progress`, `/api/sync`
 ### Общий контекст
 - `contractor/deploy/services/classify.py` — `classify_batch()`, `_smart_extract()`, `_call_llm_classify()`, `_safe_json_parse()`
 - `contractor/deploy/services/process.py` — `run_pipeline()` (SSE для сравнения: extract/diff)
 - `contractor/deploy/services/grouping.py` — `group_documents()`, `apply_groups()`
 - `contractor/deploy/llm_prompt.py` — `build_prompt()`, `build_classify_prompt()`
 - `contractor/deploy/db/connection.py` — `query()`, `execute()`, `execute_returning()`
 ---
 ## Игнорировать (не относится к делу)
 - `contracts-app/` — старый Python-бэкенд (Flask), не используется
 - `contracts-vm/` — старые конфиги ВМ
 - `DOC/`, `FILES/` — документация, заметки
 - `dogovora/` — тестовые файлы договоров
 - `history/`, `History/` — старые сессионные заметки (кроме этого файла)
 - `contractor/*.cfm` кроме `index.cfm` — старый Lucee-код, не используется
 - `contractor/deploy/nginx-contracts.conf` — конфиг nginx
 - `contractor/deploy/convert_doc.py` — конвертер .doc → .docx
 - `contractor/deploy/sync.sh` — скрипт деплоя
 - `contractor/upload.cfm`, `contractor/process.cfm`, `contractor/parser.cfm` и т.д. — старый Lucee-код
 ---
 ## Архитектура (кратко)
 - **Фронт:** `index.cfm` (Lucee, только HTML-оболочка) → грузит `app.js` + `app_utils.js` с ВМ (`https://contracts.kube5s.ru/static/`)
 - **Бэкенд:** Python 3.12 `http.server` + `ThreadingMixIn` на ВМ (5.172.178.213), порт 8766, systemd-сервис `contracts`
 - **Все endpoint'ы:** в `convert_server.py` (один файл-роутер, ~400 строк)
 - **БД:** PostgreSQL 16, прямой доступ через `psycopg2`, connection pool
 - **Таблицы:** `documents`, `supplements`, `contracts`, `spec_events`, `spec_current`, `prompts`
 - **LLM:** gpt-oss-120b через `api.aillm.ru`, httpx с http2, `temperature=0.1`, `max_tokens=8000`
@@ -0,0 +1,33 @@
 # Ответ Opus на бриф — моё мнение
 ## Что Opus сделал хорошо
 1. **Сверил бриф с кодом** — подтвердил что группировка матчит по `normalize_number`, что прогресс-данные уже есть в `/api/batch-progress`, что сырой LLM-ответ не хранится. Без этого был риск писать план «в воздух».
 2. **Нашёл дубликат `_handle_cleanup`** — я знал про это но не зафиксировал. Opus заметил сам. Побочная находка, полезно.
 3. **Риск baseline для виртуальных групп** — ключевое. Если первый документ виртуальной группы — допник, а не базовый договор, то `run_pipeline()` может построить baseline из допника, а не из полной спецификации. Opus прав: это надо проверить перед релизом #1.
 4. **Приоритеты** — правильно оценил: #3 тяжелее всего (миграция БД + 3 слоя), #2 легче всего (только UI). Совпадает с моей оценкой.
 ## Где Opus ошибся или недоработал
 1. **Схема БД** — написал «схема `documents` создаётся на ВМ, в репозитории её нет». Это правда, но миграция через ALTER TABLE на лету — хрупко. Лучше через `seed_defaults()` или отдельный `ensure_schema()`, как уже сделано для prompts. Opus не предложил механизм.
 2. **Два допника с одним parent_number, разными counterparty** — Opus рекомендует разделять. Я бы наоборот: группировать по номеру, игнорировать counterparty. Потому что один договор может иметь одного контрагента в базовом договоре, а в допнике он может быть написан иначе (сокращение, другая оргформа). Риск ложного разделения выше чем риск ложного объединения.
 3. **Прогресс-бар в топбаре** — идея ок, но топбар уже содержит лого + заголовок + «О сервисе». 4 этапа + текст займут место. Возможно лучше сделать отдельную строку под топбаром или внутри карточки результатов. Opus не учёл текущую вёрстку.
 4. **classify_raw vs parsed** — Opus предлагает хранить только `classify_raw`. Я бы хранил и то и другое: `classify_raw` (текст) + `classify_json` (jsonb). Потому что сырой ответ может быть невалидным JSON, а для отладки нужны оба. Но это увеличивает трудозатраты — ок, можно только raw для начала.
 ## Что я бы сделал иначе
 1. **Порядок реализации:** #1 → #3 → #2. Потому что #1 (группировка) — самое востребованное заказчиком прямо сейчас. #3 (промежуточные результаты) даст данные для отладки #1 если что-то пойдёт не так. #2 (прогресс-бар) — вишенка, можно последней.
 2. **Для #1:** вместо «виртуальной группы» — просто создавать реальный contract с флагом `is_virtual=true` или `number` из `parent_number`. Тогда `apply_groups()` не нужно менять вообще — contract уже существует, supplement просто привязывается. Меньше спецкейсов.
 3. **Для #3:** вместо ALTER TABLE на лету — добавить колонку в `ensure_schema()` который вызывается при старте. Идемпотентно: `ADD COLUMN IF NOT EXISTS`. Уже есть прецедент с `_ensure_classify_prompt()`.
 ## Вердикт
 План Opus — добротный, можно брать за основу. Три поправки выше (порядок, виртуальный contract через флаг, механизм миграции) — и можно делать.
@@ -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 +1,36 @@
 # Sonnet Analysis — 2026-06-23 — app.js bugs
 ## Q1: Что сломано в app.js
 Нужно убрать **ДВЕ** строки из app.js (не только `</script>`):
 - строка 644: `</script>` — SyntaxError
 - строка 845 старого index.cfm = `</body>` — вторая SyntaxError после первой
 Обе попали из-за `sed -n '209,846p'`.
 ## Q2: lucide.createIcons()
 **НЕ потерян.** В старом index.cfm был на строке 845 (перед `</script>`), попал в app.js. Также вызывается ещё в 4 местах внутри JS.
 ## Q3: Дубликаты var
 `var UNZIP_URL` дублируется (стр. 6 и 7 app.js). Значения идентичны. `var` в JS допускает повторное объявление — не проблема.
 `UPLOAD_URL` и `CONVERT_URL` НЕ дублируются — они на строках 207-208 старого cfm, sed начат с 209.
 ## Q4: CORS
 `<script src>` **не требует CORS** — браузер грузит скрипты без проверки Origin.
 fetch/XHR из app.js → contracts.kube5s.ru требуют CORS — Python отвечает `Access-Control-Allow-Origin: *` (OK).
 ## Q5: Скрытый баг — parseInfo в модале
 Строки 484-499 app.js — правая панель "Распарсено" использует UPPERCASE ключи:
 ```javascript
 d.ELEMENT_COUNT, d.PARAGRAPHS, d.TABLES, d.TABLE_ROWS,
 d.PAGES, d.PARSE_TIME_MS, d.TEXT_LENGTH, d.ERRORS
 ```
 Python возвращает lowercase: `element_count`, `elements` (без PARAGRAPHS/TABLES).
 **Все числа в правой панели модала — undefined → 0.** Нужно исправить на lowercase.
 ## Q6: prompt.cfm и chat.cfm
 Ходят на Lucee-домен (relative URL). Ответы ожидаются в uppercase (`d.OK`, `d.BODY` и т.д.) — корректно для CFML. Работает, если prompt.cfm/chat.cfm есть на Lucee.
 ## Приоритеты исправлений
 1. Убрать `</script>` + `</body>` из app.js → JS выполнится
 2. `parseInfo` поля: UPPERCASE → lowercase для корректной работы модала
 3. prompt.cfm/chat.cfm — пока OK, потом перенести на VM
@@ -0,0 +1,258 @@
 # Аудит для Sonnet — пофайловый разбор
 Ты должен прочитать КАЖДЫЙ файл из списка ниже и выдать по нему детальный отчёт.
 ## Формат отчёта ПОФАЙЛОВО
 Для каждого файла:
 ```
 ### convert_server.py
 | Строка | Тип | Серьёзность | Что не так | Как исправить |
 |--------|-----|-------------|------------|---------------|
 | 242    | dead code | low | Дубликат _handle_cleanup | Удалить второй |
 ```
 После пофайлового разбора — СВОДНАЯ ТАБЛИЦА всех проблем по серьёзности: critical → high → medium → low.
 ---
 ## Файл 1: `contractor/deploy/convert_server.py`
 **Что это:** HTTP роутер на http.server + ThreadingMixIn. Все endpoint'ы приложения.
 **Что смотреть:**
 - ВСЕ `do_GET`, `do_POST`, `do_DELETE` — правильная диспетчеризация? Нет мёртвых путей?
 - `_handle_process_v2` — валидация UUID? SSE корректно закрывается при ошибке? Утечка соединений?
 - `_handle_upload` — размер тела? Content-Type проверка? Таумаут?
 - `_handle_cleanup` — ДВА определения (строки ~242 и ~255). Второй перекрывает первый. Dead code. Порядок DELETE правильный?
 - `_handle_api_sync` — читает JSON body. Что если тело пустое/битое? Что если keep_ids содержит 10000 id? Нет лимита.
 - `_handle_api_document` — doc_id из URL без валидации UUID → psycopg2.InvalidTextRepresentation на "fake-id".
 - `_handle_api_document_delete` — cascade порядок: spec_current → spec_events → supplements → document. Правильный?
 - `_handle_classify_batch` — batch_id из JSON без валидации UUID.
 - `_handle_apply_groups` — валидация структуры groups?
 - `_handle_api_prompts_*` — role из query params без валидации.
 - `_json()` — экранирует ли спецсимволы в данных?
 - `_sse()` — f-string с json.dumps. Данные от LLM могут содержать спецсимволы.
 - Импорт `execute` на строке 12 — не конфликтует с другими импортами?
 - `ALTER TABLE ADD COLUMN IF NOT EXISTS` — права на DDL? Идемпотентно?
 - CORS — `_send_cors()` вызывается везде? OPTIONS?
 ---
 ## Файл 2: `contractor/deploy/app.js`
 **Что это:** Весь фронтенд (42KB). Загрузка, классификация, группы, сравнение, промпты.
 **Что смотреть:**
 - `fileQueue`, `contractId`, `batchId` — глобальные. Где расходятся с сервером?
 - `renderTable()` — `innerHTML` из `fileQueue[].name`, `fileQueue[].status`. XSS?
 - `fileInput change` — гонка удаления старых + upload новых?
 - `syncDB()` — fire-and-forget, без await, без проверки ответа.
 - `runClassify()` — утечка таймеров при ошибке?
 - `loadGroups()` — ЕДИНСТВЕННОЕ место где diffBody. Больше никто не должен.
 - `runCompareForGroup()` — compareCard. Все ссылки compareBody/compareStatus?
 - `llmBtn` — compareCard. То же.
 - SSE handler'ы — ДВА почти идентичных. Дублирование.
 - `showText()` — `escHtml(classify_raw)` ок, но `counterparty`, `own_number` — НЕ экранированы! XSS.
 - `escHtml()` — экранирует `<>&"'`?
 - `stepDone/Active/resetStepper` — innerHTML через replace. Спецсимволы в id?
 - `window._groupsData` — устаревает после remove→re-classify. runCompareForGroup использует индекс.
 - `showClassifyBtn()` — идемпотентно?
 - `lucide.createIcons()` — не ломает onclick?
 ---
 ## Файл 3: `contractor/deploy/app_utils.js`
 **Что это:** Утилиты: форматирование, removeFile, escHtml, модалки.
 **Что смотреть:**
 - `removeFile()` — syncDB+resetStepper+showClassifyBtn через typeof. Если нет — молча.
 - `formatDate()`, `formatSize()` — null/undefined safe?
 - `escHtml()` — все опасные символы: `< > & " '`?
 - `moveUp/Down` — не вызывают syncDB (правильно, состав не меняется).
 ---
 ## Файл 4: `contractor/deploy/services/classify.py`
 **Что это:** LLM-классификация. ThreadPoolExecutor, выжимка, вызов LLM.
 **Что смотреть:**
 - `classify_batch()` — reset + list_pending. Гонка между ними?
 - `_classify_one()` — `_smart_extract` может упасть до LLM. Обрабатывается?
 - `_smart_extract()` — неожиданная структура elements_json?
 - `_call_llm_classify()` — httpx `verify=False`. MITM уязвимость.
 - `_safe_json_parse()` — edge cases: Null/None, числа без кавычек, пустой ответ.
 - `MAX_WORKERS=4` — 4 одновременных запроса создают каждый свой пул?
 - `LLM_KEY` из env — если не задан?
 - API key в коде? (берётся из env, ок)
 ---
 ## Файл 5: `contractor/deploy/services/grouping.py`
 **Что это:** Группировка документов по контрактам + виртуальные группы.
 **Что смотреть:**
 - `group_documents()` — виртуальные группы: что если parent_number и own_number оба null?
 - Коллизия normalize_number: разные номера → одинаковый нормализованный.
 - Сортировка по doc_date: None у всех → нестабильный порядок.
 - `apply_groups()` — нет проверки на существующий contract (дубликат при повторе).
 - `supplements_list.remove(s)` внутри цикла for — может пропускать элементы.
 ---
 ## Файл 6: `contractor/deploy/services/process.py`
 **Что это:** SSE пайплайн сравнения.
 **Что смотреть:**
 - `run_pipeline()` — битая ссылка supplement→document? timeout? retry?
 - `call_llm()` — таймаут?
 - SSE события — все ли обрабатываются на фронте?
 ---
 ## Файл 7: `contractor/deploy/services/parse.py`
 **Что это:** Парсинг PDF/DOCX.
 **Что смотреть:**
 - Расширение: .PDF uppercase? Без расширения?
 - PDF: битый/зашифрованный → исключение?
 - DOCX: .doc (OLE) → исключение?
 - Таблицы: пустые, объединённые ячейки?
 - file_data = None?
 ---
 ## Файл 8: `contractor/deploy/services/upload.py`
 **Что это:** Multipart загрузка через cgi.FieldStorage.
 **Что смотреть:**
 - cgi.FieldStorage deprecated. Большие файлы?
 - content_length — отрицательное/огромное → rfile.read?
 - filename — path traversal (`../../etc/passwd`)?
 - 100MB файл → весь в памяти.
 - contract_id без валидации → SQL.
 - `delete_by_document` до создания нового → исключение = потеря старого без создания нового.
 - base64 → +33% размер.
 ---
 ## Файл 9: `contractor/deploy/db/connection.py`
 **Что это:** ThreadedConnectionPool.
 **Что смотреть:**
 - `DB_PASS` из env, пустой → ошибка подключения.
 - `minconn=1, maxconn=10` — достаточно?
 - getconn/putconn всегда в finally?
 - `_connection` глобальная — сервер не стартует без БД.
 ---
 ## Файл 10: `contractor/deploy/db/documents.py`
 **Что это:** CRUD documents + classify_raw.
 **Что смотреть:**
 - `insert()` — все параметры через %s?
 - `set_classification()` — classify_raw=None → NULL.
 - `set_classify_failed()` — не чистит старые поля классификации.
 - `delete()` — без cascade!
 - `get()` — SELECT *, может вернуть base64 original_bytes.
 ---
 ## Файл 11: `contractor/deploy/db/supplements.py`
 **Что это:** CRUD supplements + cascade.
 **Что смотреть:**
 - `delete_by_document()` — spec_current WHERE contract_id удаляет ВСЁ для контракта. Если несколько supplements → остальные теряют spec_current.
 - `list_by_contract()` — orphan supplements игнорируются.
 - `insert()` — нет FK проверки.
 ---
 ## Файл 12: `contractor/deploy/db/contracts.py`
 **Что это:** CRUD contracts.
 **Что смотреть:**
 - `insert()` — нет уникальности, можно дубликат.
 - `delete_orphaned()` — вызывается? Где?
 ---
 ## Файл 13: `contractor/deploy/db/spec_events.py`
 **Что это:** Event Sourcing.
 **Что смотреть:**
 - `get_next_seq()` — `MAX(seq)+1`. Гонка! Два потока → одинаковый seq.
 - `reset()` — необратимо.
 - `apply_ops()` — валидация структуры?
 ---
 ## Файл 14: `contractor/deploy/db/spec_current.py`
 **Что это:** Текущая спецификация.
 **Что смотреть:**
 - Кто обновляет spec_current после удаления spec_events?
 - `get_elements_json()` — где используется?
 ---
 ## Файл 15: `contractor/deploy/db/prompts.py`
 **Что это:** CRUD промптов с версионированием.
 **Что смотреть:**
 - `seed_defaults()` — `if count>0: return` — если есть extract но нет classify → classify не создастся.
 - `_ensure_classify_prompt()` — отдельный механизм, почему?
 - `save_new_version()` — UPDATE+INSERT не атомарно. Гонка.
 - `activate()` — гонка.
 - `delete_prompt()` — проверка is_active потом DELETE. Гонка.
 - `_serialize()` — мутирует словарь.
 ---
 ## Файл 16: `contractor/deploy/llm_prompt.py`
 **Что это:** Билдер промптов.
 **Что смотреть:**
 - `build_prompt()` — f-string с данными парсинга. Безопасно?
 - `_fetch_prompt()` — HTTP к Lucee. Таймаут? Fallback при недоступности?
 - `build_classify_prompt()` — прямой доступ к БД, не через HTTP. Почему?
 - FALLBACK_* хардкод — дублирование с БД.
 ---
 ## Файл 17: `contractor/index.cfm`
 **Что это:** HTML-оболочка.
 **Что смотреть:**
 - `?v=1.0.175` хардкод — менять при каждом обновлении JS.
 - pipelineStepper — ○⏳✓ через replace. Надёжно?
 - XSS через prompt body в textarea/div?
 - Z-index конфликты модалок?
 - inline onclick — ломаются при перезагрузке JS?
 ---
 ## СВОДНАЯ ТАБЛИЦА (выдать после пофайлового разбора)
 | # | Файл:строка | Серьёзность | Тип | Описание | Как исправить |
 |---|-------------|-------------|-----|----------|---------------|
 ## ТОП-5 (срочно)
 5 проблем, которые надо чинить прямо сейчас.
@@ -0,0 +1,45 @@
 # Аудит Sonnet — результаты
 ## Ключевые цифры
 - **48 проблем** найдено
 - **14 CRITICAL**, **15 HIGH**, **19 MEDIUM**
 - 17 файлов проанализировано
 ## ТОП-5 срочных
 1. **upload.py:28** — Path Traversal: `filename` без `os.path.basename()` → `../../etc/passwd`
 2. **app.js:79,495-520,497,703,708** — XSS × 5 мест: `innerHTML` без `escHtml()` на данных от LLM
 3. **grouping.py:76** — `supplements_list.remove(s)` в итерации → пропуск элементов
 4. **spec_events.py:15** — `MAX(seq)+1` без блокировки → race condition на seq
 5. **prompts.py:40,73,86** — 3 race conditions: seed/save/activate без транзакций
 ## Что я понял
 ### Мои косяки (надо чинить)
 1. **XSS в 5 местах** — `escHtml` не везде. `counterparty`, `own_number`, `filename`, `contract_number` — всё от LLM, всё в innerHTML без экранирования. Тупо пропустил.
 2. **`supplements_list.remove(s)` в цикле** — реальный баг в grouping.py:76. При удалении элемента из списка во время итерации for пропускаются элементы. Может ломать группировку.
 3. **`syncDB()` без await** — fire-and-forget. Если сервер не ответил — не узнаем. БД рассинхронится с таблицей.
 4. **`delete_by_document` удаляет spec_current для ВСЕГО контракта** — если у контракта 3 supplements, удаление одного затирает spec_current для двух других. Серьёзный баг в supplements.py.
 5. **`verify=False` в httpx** — отключена проверка SSL. MITM-уязвимость в classify.py и llm_prompt.py.
 ### Что НЕ надо чинить (не критично)
 - Dead code (дубликат `_handle_cleanup`) — не влияет на работу.
 - `_serialize` мутирует словарь — косметика.
 - `v1.0.175` хардкод — пока сойдёт.
 - `.doc` без fallback — формат редкость.
 - `errors="ignore"` в парсинге — мелочь.
 ### Что Sonnet нашёл сверх моего анализа
 - `MAX(seq)+1` race condition — я не подумал про параллельные запросы к spec_events.
 - `apply_groups()` без транзакций — я не проверил атомарность.
 - `_safe_json_parse()` возвращает None для `"null"` — edge case который я упустил.
 - DoS через `keep_ids` без лимита — не подумал про O(N²).
 - `get()` возвращает base64 original_bytes (133MB) — утечка памяти.
@@ -0,0 +1,38 @@
 # Sonnet Analysis — 2026-06-24 — Auto-classification
 ## 1. Архитектура: отдельный /api/classify
 Не встраивать в upload. Отдельный эндпоинт → фоновая классификация → SSE прогресс → UI подтверждение.
 ## 2. Промпт classify
 Только header (первые 50 элементов / 2000 символов). Экономия токенов в 5-10 раз.
 Поля: doc_type, contract_number, doc_date, counterparty, parent_contract_number.
 ## 3. Группировка
 Новая таблица doc_classifications (staging). Группировка по (contract_number, counterparty) + fuzzy match.
 Существующих contracts + supplements достаточно для хранения итога.
 ## 4. Схема БД
 - ALTER supplements ADD sort_order
 - CREATE TABLE doc_classifications (staging)
 ## 5. UI
 Карточки групп (contract), внутри — сортированный список документов.
 Действия: перенести, изменить тип, подтвердить, запустить сравнение.
 ## 6. Массовая загрузка
 ZIP → batch upload → 5 параллельных воркеров (threading.Thread + queue.Queue).
 2000 файлов × 6s / 5 воркеров ≈ 40 минут.
 Память: BYTEA в PG для пилота ОК, для прода нужен S3.
 ## 7. Приоритеты
 1. doc_classifications + промпт classify — низкая сложность, критично
 2. /api/classify (один doc_id) — низкая, критично
 3. Batch ZIP + workers + SSE — высокая, критично
 4. Алгоритм группировки — средняя, критично
 5. UI review — средняя, важно
 6. /process-v2 per group — низкая, важно
 7. Артикул→каталог — высокая, отложить
 ## Риски
 - threading в http.server: на пилоте ОК, для прода нужен gunicorn
 - Промпт classify надо обкатать на реальных документах ДО реализации
@@ -0,0 +1,610 @@
 # План миграции: ВМ → Flask (полный перенос, без ВМ)
 **Дата:** 2026-07-14
 **Цель:** Убрать `deploy/convert_server.py` и весь ВМ-слой. Вся логика — во Flask.
 **Принцип:** НИКАКОГО монолита. Каждый слой — отдельный модуль/blueprint.
 ---
 ## 0. Аудит: насколько код уже decoupled
 ### ✅ УЖЕ ГОТОВО (можно брать как есть)
 | Модуль | Строк | Статус | Почему |
 |--------|-------|--------|--------|
 | `db/connection.py` | ~60 | ✅ Идеально | Connection pool, ноль зависимостей |
 | `db/documents.py` | ~100 | ✅ Идеально | Чистый CRUD, только `query()/execute()` |
 | `db/contracts.py` | ~25 | ✅ Идеально | Чистый CRUD |
 | `db/supplements.py` | ~60 | ✅ Идеально | Чистый CRUD |
 | `db/spec_current.py` | ~20 | ✅ Идеально | Чистые запросы |
 | `db/spec_events.py` | ~30 | ✅ Идеально | Чистый CRUD |
 | `db/prompts.py` | ~80 | ✅ Идеально | Чистый CRUD + seed |
 | `compare/parse.py` | ~100 | ✅ Идеально | Чистая функция: `(filename, bytes) → dict` |
 | `compare/llm_client.py` | ~80 | ✅ Идеально | Protocol + Httpx + Fake, DI-ready |
 | `compare/grouping.py` | ~160 | ✅ Идеально | Чистая логика: `batch_id → groups`, нет HTTP |
 | `compare/llm.py` | ~40 | ✅ Хорошо | Уже принимает `llm_client` опционально (DI) |
 | `llm_prompt.py` | ~80 | ✅ Идеально | Чистые функции сборки промптов |
 | `repository.py` | ~120 | ✅ Хорошо | Protocol есть, PgRepository частично реализован |
 ### 🔧 НУЖНА АДАПТАЦИЯ (логика готова, интерфейс — нет)
 | Модуль | Проблема | Что сделать |
 |--------|----------|-------------|
 | `compare/upload.py` | Использует `cgi.FieldStorage` | Заменить на `request.files` из Flask |
 | `compare/unzip.py` | Читает `rfile.read()` сырые байты | Заменить на `request.files` / `request.data` |
 | `compare/classify.py` | `ThreadPoolExecutor` ок, но запускается из HTTP-метода | Обернуть в Flask background task (см. ниже) |
 | `compare/process.py` | SSE через `self.wfile.write()` | Заменить на `Response(stream_with_context(...))` |
 ### ❌ НУЖНО ПЕРЕПИСАТЬ
 | Модуль | Проблема | Что сделать |
 |--------|----------|-------------|
 | `convert_server.py` | Монолит ~500 строк, все роуты в одном классе | Разобрать на Flask blueprints |
 | `classify_worker.py` | subprocess.Popen — не нужно во Flask | Убрать, classify в отдельном потоке/процессе через `@app.route` |
 ---
 ## 1. Целевая архитектура Flask
 ```
 contracts-flask/
 ├── site/
 │   ├── app.py                  # create_app(), регистрация blueprints
 │   ├── config.py               # Настройки (DB, LLM, лимиты)
 │   ├── routes/
 │   │   ├── __init__.py          # register_routes(app)
 │   │   ├── upload_bp.py         # POST /upload, /convert-doc, /unzip-upload
 │   │   ├── pipeline_bp.py       # GET /process-v2 (SSE), POST /classify-batch
 │   │   ├── api_bp.py            # GET/POST /api/* (groups, documents, supplements, sync, cleanup)
 │   │   ├── prompts_bp.py        # GET/POST /api/prompts/*
 │   │   ├── health_bp.py         # GET /health
 │   │   └── pages_bp.py          # GET /, /architect (HTML-страницы)
 │   ├── services/                # Бизнес-логика (перенос из deploy/compare/)
 │   │   ├── __init__.py
 │   │   ├── parse.py             # ← deploy/compare/parse.py
 │   │   ├── classify.py          # ← deploy/compare/classify.py
 │   │   ├── grouping.py          # ← deploy/compare/grouping.py
 │   │   ├── llm.py               # ← deploy/compare/llm.py
 │   │   ├── llm_client.py        # ← deploy/compare/llm_client.py
 │   │   └── metrics.py           # ← deploy/compare/metrics.py
 │   ├── db/                      # Перенос из deploy/db/
 │   │   ├── __init__.py
 │   │   ├── connection.py        # ← deploy/db/connection.py
 │   │   ├── documents.py         # ← deploy/db/documents.py
 │   │   ├── contracts.py         # ← deploy/db/contracts.py
 │   │   ├── supplements.py       # ← deploy/db/supplements.py
 │   │   ├── spec_current.py      # ← deploy/db/spec_current.py
 │   │   ├── spec_events.py       # ← deploy/db/spec_events.py
 │   │   └── prompts.py           # ← deploy/db/prompts.py
 │   ├── repository.py            # ← deploy/repository.py (расширить)
 │   ├── llm_prompt.py            # ← deploy/llm_prompt.py
 │   ├── templates/
 │   │   └── index.html           # УЖЕ ЕСТЬ, почти не меняется
 │   └── static/                  # JS-файлы: state.js, app_utils.js, files.js, groups.js, compare.js, app.js
 ├── requirements.txt             # Flask + psycopg2 + httpx + pdfplumber + python-docx
 ├── Dockerfile
 └── deploy/                      # ОСТАЁТСЯ только:
    ├── nginx-contracts.conf
    ├── sync.sh
    └── convert_doc.py           # libreoffice-конвертер (stdin→stdout, НЕ HTTP)
 ```
 ### Ключевое правило: ZERO монолита
 - **Blueprints** — каждый на ≤100 строк, одна ответственность
 - **services/** — чистые функции, никакого `request`/`Response`
 - **db/** — чистый CRUD, никакого Flask
 - **repository.py** — единая точка доступа к данным (DI во все services)
 ---
 ## 2. Пошаговый план (8 шагов)
 ### Шаг 1: Перенести `db/` как есть
 **Файлы:** `deploy/db/*.py` → `site/db/*.py`
 **Что делать:** Копировать. Менять НИЧЕГО не надо.
 - `connection.py` уже использует `psycopg2.pool.ThreadedConnectionPool` — идеально для Flask (каждый request — своё соединение из пула)
 - Все модули зависят только от `connection.query()` и `connection.execute()`
 **Проверка:** `python3 -c "from site.db import documents; print(documents.list_by_batch('test'))"`
 ---
 ### Шаг 2: Перенести `services/` (бывший `compare/`)
 **Файлы:** `deploy/compare/{parse,classify,grouping,llm,llm_client,metrics}.py` → `site/services/`
 **Что делать:** Копировать, исправить импорты:
 - `from db import ...` → `from site.db import ...`
 - `from .parse import ...` → `from site.services.parse import ...`
 - `from llm_prompt import ...` → `from site.llm_prompt import ...`
 **НЕ переносить:** `upload.py`, `unzip.py`, `process.py` — они привязаны к HTTP и будут переписаны в blueprints.
 **Проверка:** `python3 -c "from site.services.classify import classify_batch; print('ok')"`
 ---
 ### Шаг 3: Создать `config.py`
 ```python
 # site/config.py
 import os
 DB_CONFIG = {
    "host": os.getenv("DB_HOST", "127.0.0.1"),
    "port": int(os.getenv("DB_PORT", "5432")),
    "dbname": os.getenv("DB_NAME", "baza"),
    "user": os.getenv("DB_USER", "super"),
    "password": os.getenv("DB_PASS", ""),
 }
 LLM_URL = os.getenv("LLM_API_URL", "https://api.aillm.ru/v1/chat/completions")
 LLM_KEY = os.getenv("LLM_API_KEY", "")
 LLM_MODEL = os.getenv("LLM_MODEL", "gpt-oss-120b")
 MAX_CONTENT_LENGTH = 200 * 1024 * 1024  # 200 MB
 VERSION = "2.0.0"
 ```
 ---
 ### Шаг 4: Blueprint `upload_bp.py` — загрузка файлов
 Самый критичный blueprint. Замена `deploy/compare/upload.py` + `deploy/compare/unzip.py`.
 ```python
 # site/routes/upload_bp.py
 from flask import Blueprint, request, jsonify
 from site.services.parse import parse_file
 from site.db import documents, contracts
 from site.config import MAX_CONTENT_LENGTH
 import hashlib, base64, zipfile, io, os
 upload_bp = Blueprint("upload", __name__)
 ALLOWED = {"pdf", "docx", "doc", "zip"}
@upload_bp.route("/upload", methods=["POST"])
 def upload():
    """Загрузка одного файла → парсинг → БД."""
    f = request.files.get("files")
    if not f:
        return jsonify(ok=False, error="no file"), 400
    ext = f.filename.rsplit(".", 1)[-1].lower() if "." in f.filename else ""
    if ext not in ALLOWED:
        return jsonify(ok=False, error=f"unsupported: .{ext}"), 400
    data = f.read()
    content_hash = hashlib.sha256(data).hexdigest()[:16]
    batch_id = request.form.get("batch_id")
    zip_source = request.form.get("zip_source")
    # Проверка дубликата по хешу
    if batch_id:
        existing = documents.get_by_hash(batch_id, content_hash)
        if existing:
            return jsonify(ok=False, error="duplicate", doc_id=existing["id"])
    doc = documents.insert(
        filename=f.filename,
        mime_type=f.content_type or "application/octet-stream",
        original_bytes=base64.b64encode(data).decode(),
        batch_id=batch_id,
        zip_source=zip_source,
        content_hash=content_hash,
    )
    # Парсинг
    try:
        result = parse_file(f.filename, data)
        if result["status"] == "parsed":
            documents.set_parsed(doc["id"], result["elements"])
        else:
            documents.set_error(doc["id"], result.get("error", "parse failed"))
    except Exception as e:
        documents.set_error(doc["id"], str(e))
        result = {"status": "error", "error": str(e)}
    contract_id = request.form.get("contract_id")
    return jsonify(ok=True, doc_id=doc["id"], contract_id=contract_id,
                   parsed={"status": result["status"], "element_count": result.get("element_count", 0)})
@upload_bp.route("/convert-doc", methods=["POST"])
 def convert_doc():
    """.doc → .docx через libreoffice."""
    import subprocess, tempfile
    f = request.files.get("files")
    if not f:
        return jsonify(ok=False, error="no file"), 400
    data = f.read()
    with tempfile.NamedTemporaryFile(suffix=".doc", delete=False) as tmp:
        tmp.write(data)
        doc_path = tmp.name
    tmpdir = tempfile.mkdtemp()
    try:
        subprocess.run(["libreoffice", "--headless", "--convert-to", "docx", "--outdir", tmpdir, doc_path],
                       timeout=30, capture_output=True)
        docx_files = [x for x in os.listdir(tmpdir) if x.endswith(".docx")]
        if docx_files:
            with open(os.path.join(tmpdir, docx_files[0]), "rb") as out:
                from flask import send_file
                return send_file(io.BytesIO(out.read()), mimetype="application/vnd.openxmlformats-officedocument.wordprocessingml.document")
        return jsonify(ok=False, error="conversion produced no output"), 500
    finally:
        os.unlink(doc_path)
        for x in os.listdir(tmpdir):
            os.unlink(os.path.join(tmpdir, x))
        os.rmdir(tmpdir)
@upload_bp.route("/unzip-upload", methods=["POST"])
 def unzip_upload():
    """Распаковать ZIP → список файлов (base64)."""
    f = request.files.get("files")
    if not f:
        return jsonify(ok=False, error="no file"), 400
    data = f.read()
    MAX_FILES = 500
    MAX_UNCOMPRESSED = 500 * 1024 * 1024
    files = []
    total = 0
    with zipfile.ZipFile(io.BytesIO(data)) as zf:
        if len(zf.namelist()) > MAX_FILES:
            return jsonify(ok=False, error=f"too many files (max {MAX_FILES})"), 400
        for info in zf.infolist():
            if info.is_dir():
                continue
            name = os.path.basename(info.filename)
            if not name or ".." in name:
                continue
            raw = zf.read(info)
            total += len(raw)
            if total > MAX_UNCOMPRESSED:
                return jsonify(ok=False, error="total uncompressed > 500MB"), 400
            ext = name.rsplit(".", 1)[-1].lower() if "." in name else ""
            files.append({
                "filename": name,
                "ext": ext,
                "size": len(raw),
                "data_b64": base64.b64encode(raw).decode(),
            })
    return jsonify(ok=True, files=files)
 ```
 **Критично:**
 - `request.files` вместо `cgi.FieldStorage` — файл уже в памяти
 - `base64` всё ещё нужен (JS на фронте делает `atob()`)
 - Таймауты: Flask не режет сам — поставить `timeout` на libreoffice
 ---
 ### Шаг 5: Blueprint `pipeline_bp.py` — SSE + classify
 ```python
 # site/routes/pipeline_bp.py
 from flask import Blueprint, request, jsonify, Response, stream_with_context
 from site.services.process import run_pipeline  # адаптированный process.py
 from site.services.classify import classify_batch
 from site.llm_prompt import build_prompt
 from site.db import documents
 import json, re, os, threading, sys
 pipeline_bp = Blueprint("pipeline", __name__)
@pipeline_bp.route("/process-v2", methods=["GET"])
 def process_v2():
    """SSE-стриминг сравнения."""
    cid = request.args.get("contract_id")
    if not cid or not re.fullmatch(r'[0-9a-f]{8}-[0-9a-f]{4}-[0-9a-f]{4}-[0-9a-f]{4}-[0-9a-f]{12}', cid, re.I):
        return jsonify(ok=False, error="invalid contract_id"), 400
    order_ids = request.args.get("order", "")
    def generate():
        yield ": ok\n\n"
        try:
            for event in run_pipeline(cid, order_ids, build_prompt):
                yield f"data: {json.dumps(event, ensure_ascii=False)}\n\n"
        except GeneratorExit:
            return
        except Exception as e:
            yield f"data: {json.dumps({'type': 'error', 'message': str(e)}, ensure_ascii=False)}\n\n"
    return Response(
        stream_with_context(generate()),
        content_type="text/event-stream; charset=utf-8",
        headers={
            "Cache-Control": "no-cache",
            "X-Accel-Buffering": "no",  # ← nginx не буферизует
        }
    )
@pipeline_bp.route("/api/classify-batch", methods=["POST"])
 def classify_batch_route():
    """Запустить классификацию. Синхронно для малых батчей, 202 для больших."""
    body = request.get_json()
    batch_id = body.get("batch_id")
    if not batch_id:
        return jsonify(ok=False, error="batch_id required"), 400
    pending = documents.list_pending(batch_id)
    total = len(pending)
    if total == 0:
        return jsonify(ok=False, error="no pending documents"), 400
    # Для ≤10 файлов — синхронно (быстрее, проще)
    if total <= 10:
        result = classify_batch(batch_id)
        return jsonify(result)
    # Для >10 файлов — в отдельном потоке, сразу 202
    lock_path = f"/tmp/classify_{batch_id}.lock"
    if os.path.exists(lock_path):
        return jsonify(ok=False, error="classify already running"), 409
    with open(lock_path, "w") as lf:
        lf.write(str(os.getpid()))
    def _run():
        try:
            classify_batch(batch_id)
        finally:
            if os.path.exists(lock_path):
                os.remove(lock_path)
    threading.Thread(target=_run, daemon=True).start()
    return jsonify(ok=True, total=total), 202
 ```
 **Критично:**
 - `compare/process.py` нужно адаптировать: `run_pipeline` должен стать **генератором** (yield события), а не принимать `sse_send` callback
 - `GeneratorExit` в генераторе — обязательно
 - `X-Accel-Buffering: no` — иначе nginx буферизует SSE
 - classify: синхронно для ≤10 файлов, Thread для >10 (вместо subprocess)
 ---
 ### Шаг 6: Blueprint `api_bp.py` — всё остальное API
 ```python
 # site/routes/api_bp.py
 from flask import Blueprint, request, jsonify
 from site.db import documents, supplements, contracts, spec_current
 from site.services.grouping import group_documents, apply_groups
 from site.db.connection import execute, query
 api_bp = Blueprint("api", __name__)
@api_bp.route("/api/supplements")
 def api_supplements():
    cid = request.args.get("contract_id")
    if not cid:
        return jsonify(ok=False, error="contract_id required"), 400
    rows = supplements.list_by_contract(cid)
    return jsonify(ok=True, supplements=rows)
@api_bp.route("/api/documents/<doc_id>")
 def api_document(doc_id):
    doc = documents.get(doc_id)
    if not doc:
        return jsonify(ok=False, error="not found"), 404
    return jsonify(ok=True, **{k: doc.get(k) for k in [
        "id", "filename", "status", "elements_json", "doc_type",
        "own_number", "parent_number", "doc_date", "counterparty",
        "classify_status", "classify_raw", "classify_input"
    ]})
@api_bp.route("/api/documents/<doc_id>", methods=["DELETE"])
 def api_document_delete(doc_id):
    supps = query("SELECT id, contract_id FROM supplements WHERE document_id = %s", (doc_id,))
    for s in (supps or []):
        execute("DELETE FROM spec_current WHERE contract_id = %s AND last_event_id IN (SELECT id FROM spec_events WHERE supplement_id = %s)", (s["contract_id"], s["id"]))
        execute("DELETE FROM spec_events WHERE supplement_id = %s", (s["id"],))
        execute("DELETE FROM supplements WHERE id = %s", (s["id"],))
    execute("DELETE FROM documents WHERE id = %s", (doc_id,))
    return jsonify(ok=True)
@api_bp.route("/api/sync", methods=["POST"])
 def api_sync():
    body = request.get_json()
    keep_ids = set(body.get("keep_ids", []))
    if len(keep_ids) > 1000:
        return jsonify(ok=False, error="too many keep_ids"), 400
    docs = query("SELECT id FROM documents", ())
    deleted = 0
    for d in (docs or []):
        if d["id"] in keep_ids:
            continue
        supps = query("SELECT id, contract_id FROM supplements WHERE document_id = %s", (d["id"],))
        for s in (supps or []):
            execute("DELETE FROM spec_current WHERE contract_id = %s AND last_event_id IN (SELECT id FROM spec_events WHERE supplement_id = %s)", (s["contract_id"], s["id"]))
            execute("DELETE FROM spec_events WHERE supplement_id = %s", (s["id"],))
            execute("DELETE FROM supplements WHERE id = %s", (s["id"],))
        execute("DELETE FROM documents WHERE id = %s", (d["id"],))
        deleted += 1
    execute("DELETE FROM contracts WHERE id NOT IN (SELECT DISTINCT contract_id FROM supplements)")
    return jsonify(ok=True, deleted=deleted)
@api_bp.route("/api/groups")
 def api_groups():
    batch_id = request.args.get("batch")
    if not batch_id:
        return jsonify(ok=False, error="batch required"), 400
    result = group_documents(batch_id)
    return jsonify(result)
@api_bp.route("/api/batch-progress")
 def api_batch_progress():
    batch_id = request.args.get("batch")
    if not batch_id:
        return jsonify(ok=False, error="batch required"), 400
    counts = documents.count_by_status(batch_id)
    docs = documents.list_by_batch(batch_id)
    return jsonify(ok=True, counts=counts, total=len(docs))
@api_bp.route("/api/apply-groups", methods=["POST"])
 def api_apply_groups():
    body = request.get_json()
    batch_id = body.get("batch_id")
    groups = body.get("groups", [])
    if not batch_id:
        return jsonify(ok=False, error="batch_id required"), 400
    result = apply_groups(batch_id, groups)
    return jsonify(result)
@api_bp.route("/api/spec-current")
 def api_spec_current():
    cid = request.args.get("contract_id")
    if not cid:
        return jsonify(ok=False, error="contract_id required"), 400
    rows = spec_current.list_by_contract(cid)
    return jsonify(ok=True, rows=rows)
@api_bp.route("/api/cleanup", methods=["POST"])
 def api_cleanup():
    execute("DELETE FROM spec_current")
    execute("DELETE FROM spec_events")
    execute("DELETE FROM supplements")
    execute("DELETE FROM upload_chunks")
    execute("DELETE FROM documents")
    execute("DELETE FROM contracts")
    return jsonify(ok=True, message="all data cleaned")
 ```
 ---
 ### Шаг 7: `app.py` — точка входа
 ```python
 # site/app.py
 from flask import Flask, render_template
 from site.config import VERSION, MAX_CONTENT_LENGTH
 def create_app():
    app = Flask(__name__)
    app.config["VERSION"] = VERSION
    app.config["MAX_CONTENT_LENGTH"] = MAX_CONTENT_LENGTH
    # Blueprints
    from site.routes.upload_bp import upload_bp
    from site.routes.pipeline_bp import pipeline_bp
    from site.routes.api_bp import api_bp
    from site.routes.prompts_bp import prompts_bp
    from site.routes.health_bp import health_bp
    from site.routes.pages_bp import pages_bp
    app.register_blueprint(upload_bp)
    app.register_blueprint(pipeline_bp)
    app.register_blueprint(api_bp)
    app.register_blueprint(prompts_bp)
    app.register_blueprint(health_bp)
    app.register_blueprint(pages_bp)
    @app.after_request
    def no_cache(response):
        response.headers["Cache-Control"] = "no-cache, no-store, must-revalidate"
        response.headers["Pragma"] = "no-cache"
        response.headers["Expires"] = "0"
        return response
    return app
 app = create_app()
 ```
 ---
 ### Шаг 8: Адаптировать `compare/process.py` в генератор
 Текущий `run_pipeline(cid, order_ids, sse_send, build_prompt_fn)` принимает callback `sse_send`. Нужно сделать генератором:
 ```python
 # site/services/process.py
 def run_pipeline(contract_id, order_ids, build_prompt_fn):
    """Generator: yield SSE events."""
    # ... та же логика, но вместо sse_send(event) → yield event
    # ... GeneratorExit уже обрабатывается во view
 ```
 ---
 ## 3. Что НЕ трогаем (остаётся как есть)
 | Что | Почему |
 |-----|--------|
 | `templates/index.html` | Уже работает, меняются только URL (с ВМ на свои) |
 | `static/*.js` (6 файлов) | Меняется только `VM_API` → `""` (свои же endpoints) |
 | `convert_doc.py` | Остаётся как утилита (libreoffice), вызывается из upload_bp |
 | CSS, иконки, модалки | Без изменений |
 ---
 ## 4. Изменения во фронтенде (минимальные)
 В `deploy/app.js` (статика) поменять ОДНУ строку:
 ```javascript
 // Было:
 var VM_API = 'https://contracts.kube5s.ru';
 // Стало:
 var VM_API = '';  // все API на том же домене
 ```
 ВСЁ. Больше ничего не меняется — XHR, SSE, fetch работают с теми же путями.
 ---
 ## 5. Последовательность выполнения
 | # | Шаг | Сложность | Риск |
 |---|-----|-----------|------|
 | 1 | `db/` → `site/db/` | Низкая | Низкий — просто копирование |
 | 2 | `compare/` → `site/services/` | Низкая | Низкий — правим импорты |
 | 3 | `config.py` | Низкая | Низкий |
 | 4 | `upload_bp.py` | Средняя | **Высокий** — ключевой функционал |
 | 5 | `pipeline_bp.py` + адаптация `process.py` | Высокая | **Высокий** — SSE критичен |
 | 6 | `api_bp.py` | Средняя | Средний — много ручек |
 | 7 | `prompts_bp.py`, `health_bp.py`, `pages_bp.py` | Низкая | Низкий |
 | 8 | `app.py` + тесты | Средняя | Средний |
 ---
 ## 6. Чек-лист перед деплоем
 - [ ] `python3 -c "from site.app import app"` — приложение создаётся без ошибок
 - [ ] `/health` → `{"ok": true}`
 - [ ] `POST /upload` с реальным PDF → `{"ok": true, "doc_id": "..."}`
 - [ ] `POST /unzip-upload` с ZIP → список файлов
 - [ ] `GET /process-v2?contract_id=...` → SSE-поток (curl test)
 - [ ] `POST /api/classify-batch` → классификация работает
 - [ ] `GET /api/groups?batch=...` → группы
 - [ ] `POST /api/apply-groups` → создаются supplements
 - [ ] `GET /api/spec-current?contract_id=...` → спецификация
 - [ ] `GET /` → HTML с таблицей файлов
 - [ ] `no_cache` after_request — есть
 - [ ] `X-Accel-Buffering: no` на SSE
 - [ ] `GeneratorExit` в SSE-генераторе
 - [ ] `stream_with_context` на SSE
 - [ ] `MAX_CONTENT_LENGTH = 200 MB`
 - [ ] `VM_API = ''` в app.js (фронтенд)
 - [ ] Все старые тесты проходят
 ---
 ## 7. Риски и mitigation
 | Риск | Mitigation |
 |------|-----------|
 | SSE зависает под нагрузкой | `stream_with_context` + `X-Accel-Buffering: no` |
 | classify блокирует HTTP | Thread для >10 файлов, sync для ≤10 |
 | libreoffice падает | timeout=30, отдельный процесс |
 | Коннекты к БД исчерпываются | ThreadedConnectionPool уже есть, minconn=1, maxconn=10 |
 | ZIP-бомба | Проверка MAX_UNCOMPRESSED = 500MB, MAX_RATIO |
 | Загрузка больших PDF (>100MB) | MAX_CONTENT_LENGTH = 200MB, XHR timeout = 180s |
@@ -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 +1,43 @@
 # DrHider — ревью Opus'а и исправления (2026-06-29)
 ## Контекст
 DrHider — сервис обфускации документов. Изначально впихнут в convert_server.py (общий сервер сверки договоров). Сервер падал из-за отсутствия БД → 502. Вынесен в standalone drhider_server.py на порту 8767.
 ## Найденные баги (Opus)
 ### CRITICAL
 | # | Что | Где | Исправлено |
 |---|-----|-----|-----------|
 | C1 | Path traversal: `/static/../etc/passwd` читает любой файл на ВМ | `convert_server.py:_handle_app_js` | ✅ `os.path.realpath` + проверка `startswith(base)` + whitelist `.js`/`.svg` |
 ### HIGH
 | # | Что | Где | Исправлено |
 |---|-----|-----|-----------|
 | H1 | Нет лимита размера тела → memory DoS → OOM-kill | `drhider_server.py:_handle_drhider` | ✅ `MAX_BODY = 200MB`, 413 при превышении |
 | H2 | DrHider дублирован в convert_server.py (БД-зависимом) | `convert_server.py` | ✅ Удалён роут `/api/drhider` и метод `_handle_drhider` |
 ### MEDIUM
 | # | Что | Где | Исправлено |
 |---|-----|-----|-----------|
 | M1 | `generate_passport`: `re.match().group(0)` → AttributeError если LLM вернёт не «паспорт» | `drhider.py` | ✅ `m.group(0) if m else ""` |
 | M2 | Замена по подстроке без границ слова | `drhider.py` | ⬜ отложено |
 | M3 | Три разных версии: 1.0, 1.2, v1.3 | все файлы | ✅ везде 1.3 |
 ### LOW
 | # | Что | Где | Исправлено |
 |---|-----|-----|-----------|
 | L1 | Мусорные импорты: `io as io_mod`, `hashlib`, дубль `import cgi` | все файлы | ✅ удалены |
 | L2 | `sorted_keys` пересчитывается на каждый абзац docx | `drhider.py` | ⬜ отложено |
 | L3 | CORS `*` на эндпоинте обфускации | оба сервера | ⬜ отложено |
 | L4 | Утечка временных файлов в `_handle_convert_doc` | `convert_server.py` | ⬜ отложено |
 ## Версии после исправлений
 - `DRHIDER_VERSION = "1.3"` (drhider.py)
 - `DRHIDER_SERVER_VERSION = "1.3"` (drhider_server.py)
 - `v1.3` (drhider.html)
 ## Архитектура (после исправлений)
 - `:8766` — convert_server.py (сверка договоров, с БД или без)
 - `:8767` — drhider_server.py (только обфускация, БД не нужна)
 - nginx: `/api/drhider` → `:8767`, остальные `/api/*` → `:8766`
 - systemd: `contracts.service` + `contracts-drhider.service`
@@ -0,0 +1,92 @@
 # Запрос к Opus — генератор тестовых документов + симулятор
 ## Что за сервис
 Сервис для сверки договоров колокейшн/ЦОД через LLM.
 Pipeline: загрузка → парсинг → классификация → группировка → сравнение.
 Одна HTML-страница, бэкенд Python/PostgreSQL.
 ## Реальные файлы (проанализированы)
 ### Договор: `договор-XXX001-03700.docx`
 Заголовок: "Договор на оказание технологических услуг"
 Номер: № 03700_1
 Стороны: ЗАО "XXX001" + ООО "НУБЕС", г. Москва, 01.02.2026
 Секции: Термины, Предмет, Права/Обязанности, Стоимость, Оплата, ...
 Таблица реквизитов (Заказчик | Исполнитель)
 ### Допсоглашение: `допник-1-XXX003-01300_2.docx`
 Заголовок: "Дополнительное Соглашение №1"
 Привязка: "к Договору № 01300_2 от 20.12.2025"
 Стороны: АО "XXX003" + ООО "НУБЕС"
 Таблица инсталляционных услуг (6 колонок):
 ```
 № | Наименование услуг                           | Цена      | Объем | Сумма     | Дата начала
 1  | Организация L2 канала без резерва, 1 Гбит/с | 8 283,80  | 1     | 8 283,80  | 26.03.2026
   | Итого инсталляционный платеж                 |           |       | 8 283,80  | -
 ```
 Таблица абонентских услуг (7 колонок, +дата окончания):
 ```
 № | Наименование услуг                     | Цена      | Объем | Сумма      | Дата начала | Дата оконч.
 1  | Аренда порта без резерва, 1 Гбит/с    | 1 525,00  | 1     | 1 525,00   | 26.03.2026  |
 2  | Аренда публичной подсети /30           | 589,66    | 1     | 589,66     | 26.03.2026  |
 3  | Интернет без защиты от DDoS, 100 Мбит  | 7 015,00  | 1     | 7 015,00   | 26.03.2026  |
 4  | Next Generation Cloud (AMD 4.0 ГГц)    | 123 823,00| 1     | 123 823,00 | 26.03.2026  |
 5  | Next Generation Cloud (AMD 4.0 ГГц)    | 4 928,30  | 1     | 4 928,30   | 29.01.2026  |
   | Итого абонентский платеж               |           |       | 137 880,96 | -           |
 ```
 ### Спецификация: `спецификация-XXX001-03700.docx`
 Заголовок: "Приложение № 1 к Договору № 03700_1 от 01.02.2026"
 Секция: "Абонентские услуги с 01.04.2026 – 24.04.2026"
 Общая стоимость: 769 279,53 руб.
 Таблица (6 колонок, 9 строк):
 ```
 № | Наименование услуг                         | Цена        | Объем | Сумма       | Дата начала
 1  | Аренда стойко-места                       | 213 905,44  | 3     | 641 716,32  | 01.04.2026
 2  | Аренда PDU: 3Ф 32А вертикальный           | 2 511,17    | 3     | 7 533,51    | 01.04.2026
 3  | Организация L2 канала без резерва, 1 Гбит | 11 016,36   | 2     | 22 032,72   | 01.04.2026
 4  | Next Generation Cloud (Intel 3.0 ГГц)     | 76 704,00   | 1     | 76 704,00   | 01.04.2026
 5  | Аренда IPv4 адреса /32                    | 157,28      | 5     | 786,40      | 01.04.2026
 6  | Аренда IPv4 подсети /30                   | 629,10      | 2     | 1 258,20    | 01.04.2026
 7  | Организация cross-connect: ВОЛС, 2×SMF    | 4 192,40    | 3     | 12 577,20   | 06.04.2026
 8  | Организация cross-connect: UTP            | 840,94      | 1     | 840,94      | 06.04.2026
 9  | Next Generation Cloud (Intel 3.0 ГГц)     | 5 830,24    | 1     | 5 830,24    | 06.04.2026
 ```
 ### Имена файлов (паттерн)
 ```
 договор-{КОМПАНИЯ}-{НОМЕР}.docx          КОМПАНИЯ=XXX001..XXX010, НОМЕР=03700
 допник-{N}-{КОМПАНИЯ}-{НОМЕР}.docx       N=1,2,3...
 спецификация-{КОМПАНИЯ}-{НОМЕР}.docx      привязана к договору по НОМЕРу
 ```
 Иерархия: спецификация/допник ссылаются на договор через НОМЕР и дату.
 ---
 ## Что нужно от Опуса
 ### 1. СХЕМА генерации ~100 файлов (не код!)
 - Сколько контрактов (3-5?), сколько файлов каждого типа
 - Вариативность: компании XXX001-XXX010, номера, даты ±месяцы, цены ±20%
 - Типы услуг из пула: Аренда стойко-места, PDU, L2 канал, IPv4, cross-connect, Cloud, Интернет
 - **Ошибочные:** без номера, битый XML, пустой, только таблицы, .doc формат, дубликаты имён
 - Как генерировать python-docx: структура шаблонов
 ### 2. СТРАТЕГИЯ симулятора (не код!)
 - Сценарии: хэппи-путь, зигзаги (удалил→добавил), тупые действия (дубликаты OK/Отмена, всё удалить)
 - Тайминги между действиями
 - ZIP с дубликатами
 - Верификация после каждого шага: число файлов, статусы, группы
 Код напишу я сам.
@@ -0,0 +1,122 @@
 # Схема Опуса — генератор + симулятор (v1.0)
 Ответ Опуса от 25.06.2026 на запрос `History/opus-generator-request.md`.
 ---
 ## Оценка схемы
 ### Сильные стороны
 1. **v1→v2 diff-пары** — ключевая идея. Генератор закладывает конкретные изменения между версиями спецификаций (цена, объём, ADD/DELETE/UPDATE), и верификатор проверяет что compare нашёл именно их. Это даёт детерминированную проверку самой важной функции сервиса.
 2. **manifest.json как ground truth** — каждая проверка сверяется с эталоном, а не с «примерно ожидаемым». Никакой неоднозначности.
 3. **Пул услуг из реальных данных** — стойко-место, PDU, L2-канал, cross-connect, Cloud, IPv4. Не выдуманные, а те что в реальных файлах.
 4. **17 ошибочных кейсов** — покрытие крайне широкое: от битого XML до сиротских спецификаций.
 5. **Структура папок** — `testgen/` + `sim/` с чётким разделением генерации и симуляции.
 ### Что нужно уточнить/доработать
 1. **Симулятор: API или браузер?** Опус описывает «реальное приложение (API/UI)». Два варианта:
   - **curl-симулятор** (только API): дёргаем `/upload`, `/api/classify-batch`, `/api/groups`, `/process-v2`. Быстро, дёшево, но не проверяет фронтенд (duplicate confirm, renderFiles, SSE в UI).
   - **Playwright** (полный UI): открывает браузер, кликает кнопки, читает DOM. Медленно, но проверяет ВСЁ включая confirm-диалоги.
   - **Рекомендация**: curl для генерации/классификации/групп + выборочно Playwright для UI-специфичных сценариев (дубликаты, confirm, удаление).
 2. **.doc файлы** — парсинг `допник-1-XXX002-01200_3.doc` не удался (старый формат). Нужен LibreOffice для конвертации, либо исключить .doc из генерации и использовать только .docx.
 3. **Стресс-сценарий F** — rapid-fire загрузки во время classify. Это может быть сложно воспроизвести и проверить. Вероятно, отложить на потом.
 4. **Количество файлов** — раскладка даёт ~92 файла + edge cases. Можно докрутить до ровно 100 добавив ещё дубликатов или мусора.
 ---
 ## Исходная схема Опуса
 ### Часть 1 — Генерация ~100 файлов
 **Базовая структура:** 10 компаний × 10 договоров × (спецификация v1 + v2 + 1-3 допника)
 **Раскладка:**
 | Категория | Кол-во | Зачем |
 |---|---|---|
 | Договоры (валидные) | 10 | по 1 на компанию |
 | Спецификации v1 | 10 | базовая версия |
 | Спецификации v2 (ревизия) | 10 | diff для сравнения |
 | Допники | 18 | 1–3 на договор |
 | Битые/edge .docx | 15 | ошибки парсинга/классификации |
 | Форматы .doc/.pdf | 12 | ветка конвертера |
 | ZIP-архивы | 5 | внутри — наборы файлов |
 | Дубликаты (имя/контент) | 10 | upload-логика |
 | Мусор (не договор) | 10 | негативная классификация |
 | **Итого** | **~100** | |
 **Оси вариативности:**
 - Компания: ЗАО/ООО/АО/ПАО/ИП, латиница/кириллица
 - Номер: 5 цифр, опц. суффикс `_N`, edge — буквы/длинный/пустой
 - Дата: 12.2025–06.2026, форматы `01.02.2026` и «01 февраля 2026»
 - Цены: базовые ±20%, разрядность с пробелом
 - Услуги (пул): стойко-место, PDU, L2-канал, IPv4 /30 и /32, cross-connect ВОЛС/UTP, Cloud Intel/AMD, Интернет, порт, подсеть
 - Таблица: 3–12 строк, 6 или 7 колонок
 **Различия v1→v2 (для компаратора):** изменение цены, изменение объёма, добавленная услуга, удалённая услуга, переименование, сдвиг даты, пересчёт итога.
 **Ошибочные кейсы (17 шт):** нет номера, нестандартный заголовок, битый XML, пустой файл, только таблицы, только текст, .doc формат, битый PDF, дубликат имени, дубликат контента, гигант (500 строк), не-договор, сирота (спека без договора), рассинхрон (имя файла ≠ номер в тексте).
 **Parent-child:** ключ — НОМЕР. Генератор связывает договор→спеку/допник по НОМЕРу.
 **Шаблоны python-docx:**
 - Билдеры: `build_contract(ctx)`, `build_spec(ctx)`, `build_addendum(ctx)`
 - ctx = {company, number, date, parties, services[], totals}
 - Хелперы: `add_title`, `add_section`, `add_services_table`
 - Битый XML: валидный docx → распаковать zip → испортить document.xml → запаковать
 - .doc: docx → libreoffice --convert-to doc
 - Битый PDF: docx → pdf → обрезать байты
 ### Часть 2 — Симулятор
 **Словарь действий:** upload, delete, classify, groups, compare (SSE), confirm/cancel, reset.
 **Сценарии:**
 - **A. Хэппи-путь:** договор + спека v1 + v2 → classify → группа → compare → diff совпал
 - **B. Зигзаг:** загрузил 3 → удалил 1 → добавил 2 → classify → проверить консистентность
 - **C. Bulk:** все ~100 разом → classify → число групп, битые ✗
 - **D. Тупые действия:** дубликат (OK/Отмена), удалить всё, смешать форматы, classify на нуле, compare с одной версией
 - **E. ZIP:** валидный, с дубликатами, с битым файлом внутри
 - **F. Стресс:** случайные паузы, rapid-fire, загрузка во время classify
 **Тайминги:** think-time (random 0.1-3с), classify — поллинг, compare — SSE до done/таймаут.
 ### Часть 3 — Верификация
 После каждого шага:
 - `state.files` count == ожидаемого
 - Статусы ✓/✗ соответствуют (битые → ✗)
 - После classify: группы есть, состав по НОМЕРу верный
 - Сироты без краша
 - Compare: diff == заложенному (ground truth из manifest.json)
 - Дубликаты: счётчик после OK ≠ после Отмена
 - Нет 500-х, нет необработанных исключений
 - Идемпотентность classify
 **Ground truth:** `manifest.json` — что сгенерировано + ожидаемые группы и diff-ы.
 ### Структура папок
 ```
 testgen/
  pools.py        # услуги, компании, цены
  templates.py    # build_contract / build_spec / build_addendum
  corrupt.py      # порча docx/pdf, конвертация .doc
  generate.py     # оркестратор → out/ + manifest.json
  out/{valid,errors,formats,zips,duplicates}/
  manifest.json   # ground truth
 sim/
  actions.py      # обёртки над API
  scenarios.py    # A..F
  verify.py       # чек-лист
  run.py
 ```
@@ -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 +1,57 @@
 # Резюме сессии — v1.0.177
 ## Текущее состояние
 Проект: **contracts** — сверка договоров через LLM. Домен: colocation, ЦОД, аренда стоек.
 - **Фронт:** index.cfm (Lucee, ручной деплой) + app.js (~50KB) + app_utils.js (~4KB) с ВМ (contracts.kube5s.ru)
 - **Бэкенд:** Python http.server на ВМ (5.172.178.213:8766), systemd-сервис `contracts`
 - **БД:** PostgreSQL, прямой доступ psycopg2
 - **LLM:** gpt-oss-120b через api.aillm.ru
 ## Что сделано за сессию
 ### Аудит безопасности (Sonnet) — все CRITICAL/HIGH исправлены
 - XSS ×5: escHtml на все данные от LLM
 - Path traversal: os.path.basename(), лимит 100MB
 - UUID валидация: contract_id, batch_id, doc_id
 - FK cascade: spec_current точечно, не весь контракт
 - Race conditions: seq (FOR UPDATE + транзакция), prompts (seed per-role)
 - MITM: verify=False убран
 ### Функционал
 - **Виртуальные группы:** группировка без базового договора (по parent_number/own_number)
 - **Промежуточные результаты:** клик на имя файла → 📤 текст в LLM, 📥 ответ, 📄 распарсенный JSON
 - **Сравнение в карточке:** раскрывается внутри группы, не в конце страницы
 - **Два состояния групп:** необработанная (кнопка) vs обработанная (✓ Готово, только сворачивание)
 - **Одно сравнение одновременно:** все кнопки блокируются, предыдущий ES закрывается
 - **Stepper:** ○ Загрузка → ○ Классификация → ○ Группировка → ○ Сравнение в топбаре
 - **«О сервисе»:** полная инструкция
 ### Организация
 - `history/` + `History/` → `History/{sessions,llm-analysis,architecture,features,topics}`
 - Ветка `v1.0.177-stable` сохранена
 ## Ключевые файлы для контекста
 - `contractor/deploy/app.js` — фронтенд (~1040 строк)
 - `contractor/deploy/app_utils.js` — утилиты
 - `contractor/index.cfm` — HTML (v1.0.177, ?v=1.0.177 для cache bust)
 - `contractor/deploy/convert_server.py` — бэкенд-роутер
 - `contractor/deploy/db/*.py` — CRUD
 - `contractor/deploy/services/*.py` — логика
 ## План на следующий чат
 **Рефакторинг: store + render.** Файл: `History/llm-analysis/decoupling-final-plan.md`
 Фаза 0 (ближайшая): ввести `state`, `render(state)`, соглашение «мутировал → render()». Без смены поведения.
 ## Правила (из памяти)
 - ⛔ Без «делай» — ничего не делать
 - ⛔ После каждого изменения — проверка (node -c / py_compile)
 - ⛔ После каждой правки — коммит
 - ⛔ Lucee — ручной деплой (не автоматический)
 - ⛔ JS + Python — деплой через scp на ВМ
 - ⛔ Оба репо коммитить: contracts (родительский) + contractor (подмодуль)
@@ -0,0 +1,36 @@
 # Session 13 — 2026-06-24 — Auto-classification planning
 ## Требование Мищука (из Telegram, 23.06.2026)
 > «Должна быть массовая загрузка, система сама должна разбираться, кто к кому (там в документе вся эта инфа есть)»
 > «Я не должен распознавать ничего. Система должна сделать все.»
 > «я ей дам 2000 документов»
 ## Текущее состояние (v1.0.161)
 - Загрузка по одному файлу
 - Ручная сортировка стрелками ↕
 - Первый в списке = базовый договор (жёстко)
 - LLM-сравнение: каждый следующий против spec_current
 - Нет автоопределения типа, нет группировки
 ## Что нужно
 1. Массовая загрузка (папка, 2000+ файлов)
 2. LLM-классификация каждого файла: тип, номер, дата, контрагент
 3. Автогруппировка по контрактам
 4. Автопорядок внутри группы (хронология)
 5. UI подтверждения
 6. Пайплайн сравнения по группам
 ## Куда смотреть Соннету
 - `contractor/deploy/convert_server.py` — роутер
 - `contractor/deploy/db/` — PostgreSQL CRUD
 - `contractor/deploy/services/` — бизнес-логика
 - `contractor/deploy/app.js` — фронтенд JS
 - `contractor/index.cfm` — Lucee HTML (191 строка)
 - VM: `/home/naeel/contracts/` — рабочий код
 - VM: `/etc/nginx/sites-enabled/nginx-contracts.conf`
 - VM: `/etc/systemd/system/contracts.service`
 - БД: VM `127.0.0.1:5432/baza`, схема в `db/*.py`
@@ -0,0 +1,132 @@
 # Sonnet Review: план миграции ВМ → Flask — анализ и ответ
 **Дата:** 2026-07-14
 **Источник:** Sonnet (Claude) — ревью `History/migration-vm-to-flask-plan-2026-07-14.md`
 ---
 ## Резюме Соннета
 План **одобрен архитектурно**. Критичных блокеров — 2, важных дополнений — 3, улучшений — 5.
 ---
 ## Критичные проблемы (Соннет)
 ### 1. `site/` — конфликт с Python stdlib ⛔
 > `from site.db import ...` — `site` это встроенный модуль Python. При запуске не из корня Python найдёт встроенный `site`, а не локальный.
 **Моё мнение:** ✅ **Согласен полностью.** Это реальная проблема. `site` — built-in модуль Python, импортируется при старте интерпретатора. Если `PYTHONPATH` или `sys.path` поставит корень раньше чем `site-packages` — получим наш пакет. Если наоборот — stdlib. Нестабильно.
 **Решение:** переименовать `site/` → `app/` или `contracts_app/`. Я за `app/` — короче, семантически понятно (Flask application factory), не конфликтует ни с чем.
 ### 2. `/api/cleanup` — нулевая аутентификация ⛔
 > Любой может POST /api/cleanup → потеря всех данных.
 **Моё мнение:** ✅ **Согласен.** Но с нюансом. Текущий `convert_server.py` тоже имеет этот эндпоинт без auth — и он на внешнем домене `contracts.kube5s.ru`. Так что это не регресс, а существующая дыра.
 **Решение:** 
 - Минимум: `X-Api-Key` в заголовке, сверка с `os.environ["API_KEY"]`
 - Средний: nginx `allow 127.0.0.1; deny all;` на этот location (если cleanup вызывается только с самого Flask-контейнера)
 - Правильный: убрать cleanup вообще, заменить на автоочистку по TTL (cron/APScheduler)
 Но это **отдельная задача**, не часть миграции. В рамках миграции — просто не ухудшить ситуацию.
 ---
 ## Важные дополнения (Соннет)
 ### 3. Файловый lock для classify — хрупкий
 > `/tmp/classify_{batch_id}.lock` — если Flask упадёт, lock остаётся навсегда.
 **Моё мнение:** ✅ **Согласен.** Lock-файл — антипаттерн в stateless-приложении. Сейчас в `convert_server.py` та же схема (subprocess + lock-файл), и она работает только потому что ВМ не рестартит.
 **Решение:** in-memory `dict[batch_id] → thread` + проверка `thread.is_alive()`. При старте Flask никаких lock-файлов нет. Лучше: store `classify_status='processing'` в БД и сбрасывать `processing → pending` при старте приложения.
 ### 4. SSE — нет heartbeat
 > При медленном LLM nginx и браузеры режут соединение.
 **Моё мнение:** ✅ **Согласен.** Добавить `yield ": heartbeat\n\n"` раз в 15 секунд. SSE-комментарий (строка начинается с `:`) игнорируется EventSource, но сбрасывает таймауты nginx/браузера.
 ### 5. Старые proxy-роуты — явно не сказано удалить
 > В плане написано «создать новый app.py», но не сказано явно «удалить старые /api/* proxy-роуты».
 **Моё мнение:** ✅ **Согласен, но это очевидно.** Новый `app.py` полностью заменяет старый — старых роутов `/chat`, `/api/prompts` (proxy на ВМ) не будет, потому что логика теперь локальная. Но в плане стоит написать явно: «удалить ВСЕ proxy-роуты, они больше не нужны».
 ---
 ## Улучшения (Соннет)
 ### 6. `prompts_bp.py` и `pages_bp.py` — не раскрыты
 **Моё мнение:** ✅ **Справедливо.** Но они тривиальны: `prompts_bp.py` = CRUD по таблице `prompts` (4 ручки), `pages_bp.py` = `render_template("index.html")` + `render_template("architect.html")`. Не расписывал детально потому что там нечего расписывать. Можно добавить один абзац для полноты.
 ### 7. `drhider/` — не упоминается
 **Моё мнение:** ⚠️ **Справедливо, но осознанно.** `drhider/` — это отдельный сервис (обфускация персональных данных), не часть пайплайна сверки договоров. Он уже работает на Flask в `site/services/drhider.py` и `site/routes/drhider_bp.py`. В план миграции сверки он не входит — это другой сервис на том же хосте. Но стоит упомянуть это явно: «drhider не трогаем, он уже на Flask».
 ### 8. `repository.py` — не объяснено как расширить
 **Моё мнение:** ⚠️ **Справедливо, но слишком рано.** Protocol-паттерн в `repository.py` уже есть, `PgRepository` частично реализован. Полное внедрение DI через репозиторий во все services — это Фаза 2, после того как базовая миграция заработает. Сейчас services используют `from site.db import documents` напрямую, и это ОК для первого шага. Переписывать всё на DI сразу = риск сломать работающий код.
 **План:** после миграции — отдельная задача «внедрить Repository DI во все services».
 ### 9. Graceful shutdown — in-flight classify потоки
 **Моё мнение:** ✅ **Справедливо.** При `docker stop` daemon-потоки убиваются, документы застревают в `classify_status='processing'`.
 **Решение (уже в коде ВМ!):** `db/documents.reset_classify_status(batch_id)` сбрасывает `processing → pending`. Добавить вызов в `app.py` при старте:
 ```python
 # При старте: сбросить все застрявшие processing → pending
 from site.db.connection import execute
 execute("UPDATE documents SET classify_status='pending', error_message=NULL WHERE classify_status='processing'")
 ```
 ### 10. Тесты — только curl, нет pytest
 **Моё мнение:** ✅ **Справедливо.** В репо уже есть `tests/` с `conftest.py`. Нужен шаг «адаптировать тесты под `app.test_client()`». Но это **не блокер для миграции** — тесты можно дописать после.
 ---
 ## Моя итоговая оценка
 | Категория | Пунктов | Критичность |
 |-----------|---------|-------------|
 | Критичные (надо исправить ДО миграции) | 2 | `site/` → `app/`, auth на cleanup |
 | Важные (надо добавить в план) | 3 | lock→in-memory, heartbeat, явное удаление proxy |
 | Улучшения (можно после миграции) | 5 | prompts/pages детали, drhider, repository DI, graceful, тесты |
 ### Что делаем ДО начала миграции:
 1. **Переименовать `site/` → `app/`** — везде в плане, во всех импортах
 2. **Добавить auth на `/api/cleanup`** — `X-Api-Key` или `require_local`
 ### Что добавляем в план:
 3. **in-memory lock** для classify вместо файлового
 4. **SSE heartbeat** раз в 15 сек
 5. **Упомянуть явно:** старые proxy-роуты удалить, drhider не трогать
 6. **Graceful shutdown:** сброс `processing → pending` при старте
 7. **prompts_bp / pages_bp** — один абзац что там
 8. **repository DI** — отложить на пост-миграцию
 ### Что НЕ блокер:
 - `drhider` — уже на Flask, не часть миграции
 - Repository DI — Фаза 2
 - pytest — после миграции
 - prompts/pages — тривиальны
 ---
 ## Вердикт
 План **рабочий**. Соннет подтвердил архитектурные решения (blueprints, разделение db/services/routes, генератор для SSE, DI). Критичные замечания — реальные и требуют правки плана. Остальное — улучшения надёжности, которые можно добавить в план сейчас или отложить.
 **Готовность к миграции:** 90%. После правки 2 критичных пунктов → можно начинать.
@@ -0,0 +1,18 @@
 # Step 0: Критические фиксы перед миграцией
 **Ветка:** `feature/flask-migration`
 **Дата:** 2026-07-14
 ## Фикс 1: `site/` → `app/` (конфликт с Python stdlib)
 `site` — встроенный модуль Python. `from site.db import ...` нестабильно.
 Решение: `git mv contracts-flask/site contracts-flask/app`.
 Импортов `from site ...` в коде НЕТ (проверено grep), только комментарий в app.js.
 ## Фикс 2: auth на `/api/cleanup`
 Добавить `X-Api-Key` проверку. Значение из `os.environ["API_KEY"]`.
 Оба фикса — ДО начала переноса кода.
@@ -0,0 +1,25 @@
 # Step 1: Перенос db/ → app/db/
 **Ветка:** `feature/flask-migration` (submodule + parent)
 **Дата:** 2026-07-14
 ## Что делаем
 Копируем `deploy/db/*.py` → `app/db/`. Менять НИЧЕГО не надо — чистый CRUD.
 ## Файлы
 - `deploy/db/connection.py` → `app/db/connection.py` — connection pool
 - `deploy/db/documents.py` → `app/db/documents.py` — documents CRUD
 - `deploy/db/contracts.py` → `app/db/contracts.py` — contracts CRUD
 - `deploy/db/supplements.py` → `app/db/supplements.py` — supplements CRUD
 - `deploy/db/spec_current.py` → `app/db/spec_current.py` — spec queries
 - `deploy/db/spec_events.py` → `app/db/spec_events.py` — events CRUD
 - `deploy/db/prompts.py` → `app/db/prompts.py` — prompts CRUD
 ## Проверка
 ```bash
 cd contracts-flask
 python3 -c "from app.db import documents; print('ok')"
 ```
@@ -0,0 +1,32 @@
 # Step 2: Перенос compare/ → app/services/
 **Ветка:** `feature/flask-migration`
 **Дата:** 2026-07-14
 ## Что делаем
 Копируем бизнес-логику из `deploy/compare/*.py` → `app/services/`.
 ## Переносим (чистая логика, без HTTP)
 - `parse.py` — парсинг PDF/DOCX
 - `classify.py` — LLM-классификация
 - `grouping.py` — группировка документов
 - `llm.py` — вызов LLM для сравнения
 - `llm_client.py` — протокол + httpx + fake
 - `metrics.py` — проверка арифметики
 ## НЕ переносим (привязаны к HTTP, будут переписаны в blueprints)
 - `upload.py` — использует cgi.FieldStorage
 - `unzip.py` — читает rfile.read()
 - `process.py` — SSE через callback
 ## Правки импортов
 Было → стало:
 - `from db import documents` → `from app.db import documents`
 - `from .parse import parse_file` → `from app.services.parse import parse_file`
 - `from llm_prompt import ...` → `from app.llm_prompt import ...`
 - `from .llm_client import ...` → `from app.services.llm_client import ...`
 - `from .metrics import ...` → `from app.services.metrics import ...`
@@ -0,0 +1,17 @@
 # Step 3: config.py + все blueprints + новый app.py
 **Ветка:** `feature/flask-migration`
 **Дата:** 2026-07-14
 ## Создаваемые файлы
 - `app/config.py` — настройки
 - `app/routes/__init__.py` — register_routes()
 - `app/routes/upload_bp.py` — /upload, /convert-doc, /unzip-upload
 - `app/routes/pipeline_bp.py` — /process-v2 (SSE), /classify-batch
 - `app/routes/api_bp.py` — /api/* (groups, documents, supplements, sync, cleanup, spec-current)
 - `app/routes/prompts_bp.py` — /api/prompts/*
 - `app/routes/health_bp.py` — /health
 - `app/routes/pages_bp.py` — /, /architect
 - `app/services/process.py` — адаптированный process.py (callback → generator)
 - `app/app.py` — новый (замена старого, без VM-прокси)
@@ -0,0 +1,208 @@
 # Результаты тестирования — v1.0.178
 Дата: 25.06.2026
 ## Сводка
 | Уровень | Тестов | Результат |
 |---------|--------|-----------|
 | Юнит-тесты (Node.js) | **131** | **✅ 131/131 PASS** |
 | `node -c` синтаксис | 6 файлов | ✅ чистый |
 | API smoke (curl) | 8 эндпоинтов | ✅ HTTP 200 |
 | Аудит кода | — | ✅ 4 бага исправлено |
 ## Запуск тестов
 ```bash
 cd contractor/deploy && node tests.js
 ```
 Тесты не требуют браузера — все зависимости замоканы (document, window, lucide, crypto, XMLHttpRequest).
 ---
 ## Юнит-тесты (131 шт.)
 ### statusToHTML (21 тест)
 Чистая функция: `{ kind, pct?, text?, count?, elapsed? }` → HTML.
 | Группа | Тесты |
 |--------|-------|
 | Граничные | `null`, `undefined`, `{}`, `{ kind: '' }`, `{ kind: 'unknown' }` → пусто |
 | `uploading` | pct=0, 75, 100, -5, без pct (→0%) |
 | `uploaded` | базовая проверка |
 | `unzipping` / `parsing` | текстовые статусы |
 | `parsed` | count=5, 0; elapsed='2.3', '0', без elapsed |
 | `error` | с текстом, без текста (→дефолт), с пустым текстом (→дефолт) |
 ### applyParseResult (13 тестов)
 Чистая функция: применяет `{ status, element_count, error }` к entry.
 | Группа | Тесты |
 |--------|-------|
 | `parsed` | с elapsed, без elapsed, element_count=0, без element_count |
 | `error` | с текстом, без текста (→дефолт "ошибка парсинга") |
 | `null` parsed | → `{ kind: 'error', text: 'Неизвестная ошибка' }` |
 | Иммутабельность | старые поля entry не затираются |
 ### reconcileSelection (7 тестов)
 Чистая функция: фильтрует `files` по именам из `newFiles`.
 | Группа | Тесты |
 |--------|-------|
 | Норма | 3 файла → 2 осталось, порядок сохранён |
 | Пустые | оба массива пусты → `[]` |
 | Все совпадают | 1→1 |
 | Ни один | 2→0 |
 | Дубликаты | Set корректно обрабатывает повторы |
 | Иммутабельность | исходный массив не мутирован |
 ### renderGroupCard (10 тестов)
 Чистая HTML-функция: карточка необработанной группы.
 | Группа | Тесты |
 |--------|-------|
 | Базовая | номер, контрагент, типы документов, дата, data-gi, кнопка «Сравнить» |
 | Нет «✓ Готово» | для необработанной группы |
 | `compare.status === 'running'` | кнопка disabled |
 | Без контрагента | заглушка «контрагент не определён» |
 | Неизвестный doc_type | выводится как есть |
 | Пустые документы | карточка рендерится, кнопка есть |
 | Типы | contract→договор, supplement→допсоглашение, specification→спецификация |
 ### renderGroupCardDone (5 тестов)
 Чистая HTML-функция: карточка обработанной группы.
 | Группа | Тесты |
 |--------|-------|
 | Заголовок | ✓ Готово (12.5с), стрелка сворачивания |
 | bodyHTML | вставлен в карточку |
 | data-gi | на заголовке для обработчика клика |
 | Типы | specification→спецификация |
 ### renderUnresolvedCard (3 теста)
 Чистая HTML-функция: карточка нераспознанных файлов.
 | Группа | Тесты |
 |--------|-------|
 | Заголовок | «Не распознано» |
 | Причина 1 | «нет базового договора №999» (есть parent_number) |
 | Причина 2 | «ошибка классификации: LLM error» (classify_status=failed) |
 ### applyCompareEvent (14 тестов)
 Чистая функция: мутирует `sections` по SSE-событиям.
 | Группа | Тесты |
 |--------|-------|
 | `extract_start` | создаёт секцию с filename, status='extracting' |
 | `llm_done` | обновляет status, ops_count, mode, time_s |
 | `applied` | сохраняет summary, ops |
 | `extract_error` | на существующей секции → status='error' |
 | `extract_error` | на НЕсуществующей → создаёт новую с ошибкой |
 | `apply_error` | аналогично extract_error |
 | `applied` без summary | не падает |
 | `applied` с пустыми ops | не падает |
 | Неизвестный тип | секция НЕ создаётся (не падает) |
 | `llm_done` на несуществующей | не падает |
 ### renderCompareSectionHeader (5 тестов)
 Чистая функция: заголовок секции сравнения.
 | Статус | Проверка |
 |--------|----------|
 | `extracting` | ⏳ + filename |
 | `llm_done` | ✓ + filename + ops_count + mode + time_s |
 | `error` | ✗ + filename + текст ошибки |
 ### renderCompareOpsTable (6 тестов)
 Чистая функция: HTML-таблица операций.
 | Группа | Тесты |
 |--------|-------|
 | ADD/DELETE | правильные CSS-классы (diff-added, diff-deleted) |
 | Данные | имя услуги, цена, количество, сумма, дата |
 | Пустые ops | таблица рендерится с пустым tbody |
 | null new_row | пустые ячейки (не падает) |
 | MERGE (неизв.) | без классов diff-* |
 ### renderCompareSectionBody (7 тестов)
 Чистая функция: тело секции (summary + таблица).
 | Группа | Тесты |
 |--------|-------|
 | Граничные | null, {}, status='llm_done' → пусто |
 | applied | +3 ~1 -0 ?2, UPDATE → diff-changed |
 | Без unresolved | нет знака ? |
 | Отрицательные summary | рендерится без ошибок |
 | Частичный new_row | нет undefined в выводе |
 ### escHtml (7 тестов)
 | Вход | Выход |
 |------|-------|
 | `null`, `undefined` | `''` |
 | `'hello'` | `'hello'` |
 | `'<script>'` | `'&lt;script&gt;'` |
 | `'a&b'` | `'a&amp;b'` |
 | `'"quote"'` | `'&quot;quote&quot;'` |
 | `123` | `'123'` |
 ---
 ## API Smoke Tests (curl)
 | Эндпоинт | Код | 
 |----------|-----|
 | `GET /` | 200 |
 | `POST /api/cleanup` | 200 |
 | `GET /static/state.js` | 200 |
 | `GET /static/app_utils.js` | 200 |
 | `GET /static/files.js` | 200 |
 | `GET /static/groups.js` | 200 |
 | `GET /static/compare.js` | 200 |
 | `GET /static/app.js` | 200 |
 ---
 ## Баги, найденные и исправленные при аудите
 | # | Баг | Файл | Исправление |
 |---|-----|------|-------------|
 | 1 | `SITE_URL` — неиспользуемая переменная | app.js:8 | Удалена |
 | 2 | `UNZIP_URL` — двойное объявление | app.js:6-7 | Удалён дубль |
 | 3 | `promptEditor` — двойное объявление | app.js:467,470 | Удалён дубль |
 | 4 | `llmStart` — неиспользуемая после Фазы 3 | app.js:301 | Удалена |
 ---
 ## Структура модулей (финальная)
 ```
 contractor/deploy/
 ├── state.js        (70 строк)   Центральное состояние
 ├── app_utils.js    (120 строк)  escHtml, formatSize, removeFile, ...
 ├── files.js        (480 строк)  upload, parse, ZIP, renderFiles, syncDB
 ├── groups.js       (230 строк)  loadGroupsAction, renderGroups, renderGroupCard
 ├── compare.js      (230 строк)  startCompareSSE, applyCompareEvent, renderCompareOpsTable
 ├── app.js          (450 строк)  Оркестратор: render, classify, compare, prompts, chat
 └── tests.js        (400 строк)  131 юнит-тест
 ```
 Загрузка в `index.cfm`: state → app_utils → files → groups → compare → app.
 ---
 ## Команды для регресса
 ```bash
 # Синтаксис всех модулей
 cd contractor/deploy && for f in state.js app_utils.js files.js groups.js compare.js app.js; do node -c "$f" || echo "FAIL: $f"; done
 # Юнит-тесты
 node tests.js
 # Деплой JS на ВМ
 scp -i ~/.ssh/naeel_vm_id_ed25519 *.js naeel@5.172.178.213:/home/naeel/contracts/
 # Дым API
 curl -s --max-time 5 -o /dev/null -w "%{http_code}\n" https://contracts.kube5s.ru/static/state.js
 ```
@@ -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).
@@ -0,0 +1,28 @@
 # MVP Auto-classification — план реализации
 ## Итоговый план (Опус + мои правки)
 ### Фаза 1: БД + данные
 1. ALTER documents — 7 колонок (doc_type, own_number, parent_number, doc_date TEXT, counterparty, classify_status, batch_id)
 2. db/documents.py — set_classification(), list_pending(batch), list_by_batch(batch)
 3. db/prompts.py — seed classify prompt
 ### Фаза 2: Классификация
 4. llm_prompt.py — build_classify_prompt (строгий JSON)
 5. services/classify.py — умная выжимка + LLM + ThreadPoolExecutor(4)
 ### Фаза 3: Группировка
 6. services/grouping.py — normalize_number + group_documents + apply_groups
 ### Фаза 4: Эндпоинты
 7. convert_server.py — POST /classify-batch, GET /api/groups, POST /apply-groups
 ### Фаза 5: UI
 8. app.js — batch_id, classify button, polling progress, group cards, per-group compare
 9. index.cfm — version bump only (HTML не меняем)
 ## Мои корректировки к плану Опуса
 - batch_id генерируется на клиенте (crypto.randomUUID()), передаётся в upload
 - ZIP — фаза 2, сначала multi-upload (уже работает)
 - doc_date TEXT (не DATE) — LLM нормализует в ISO, при провале null
 - parent_number отдельно от own_number
@@ -0,0 +1,253 @@
 # Инструкция: перенос UI и загрузки файлов с ВМ на Flask (Штурвал)
 **Дата:** 2026-07-14
 **Основано на:** drhider v0.0.26 — проверено в бою
 ---
 ## Архитектура загрузки (drhider как образец)
 ```
 Браузер (index.html)
    │  JS: uploadFiles() — цикл по файлам
    │  XHR POST /api/upload (FormData, по одному файлу)
    ▼
 Flask (api_bp.py)
    │  upload(): сохраняет в сессию → {session_id}
    │  process_stream(): SSE — обработка с прогрессом
    ▼
 Python (drhider/*.py)
    │  obfuscate_files() — основная логика
    ▼
 Flask → ZIP + CSV → браузеру
 ```
 ## Файлы, отвечающие за UI и загрузку
 ### 1. `site/templates/index.html` — весь фронтенд
 **Ключевые элементы:**
 ```html
 <!-- Файловый инпут — множественный выбор -->
 <input type="file" id="fileInput" multiple accept=".docx,.pdf,.txt,.zip">
 <!-- Таблица выбранных файлов -->
 <table>
  <tbody id="fileList"></tbody>
 </table>
 <!-- Статус-бар -->
 <div class="status" id="status"></div>
 <!-- Кнопки скачивания (скрыты до готовности) -->
 <div class="dl-btns" id="dlBtns">
  <button onclick="downloadZip()">📦 Скачать ZIP</button>
  <button onclick="downloadCsv()">📋 Скачать CSV</button>
 </div>
 ```
 **Ключевые JS-функции:**
 | Функция | Что делает |
 |---------|------------|
 | `resetAll()` | Сброс всего состояния (F5, между загрузками) |
 | `rr()` | Перерисовка таблицы файлов |
 | `uploadFiles()` | **Главная** — цикл загрузки + SSE-обработка |
 | `ss(idx, html)` | Обновление ячейки статуса в таблице |
 | `downloadZip()` / `downloadCsv()` | Скачивание результатов |
 **Критичные исправления (v0.0.26):**
 ```javascript
 // 1. Прогрев upstream при загрузке страницы — обязательно!
 window.addEventListener('load', () => {
  sf = []; fi.value = ''; rr();
  fetch('/health').catch(() => {});  // ← вот это
 });
 // 2. Abort предыдущих запросов перед новым
 let activeES = null;   // активный EventSource
 let activeXHR = null;  // активный XHR
 // 3. Защита от F5 во время загрузки
 window.addEventListener('beforeunload', () => resetAll());
 // 4. Сохранение списка файлов до очистки
 const files = sf.slice();  // копия перед resetAll()
 // 5. Цикл загрузки (по одному файлу)
 for (let i = 0; i < total; i++) {
  const fd = new FormData();
  fd.append('files', f, f.name);
  if (currentSid) fd.append('session', currentSid);
  const resp = await fetch('/api/upload?_=' + Date.now(), {
    method: 'POST', body: fd
  });
  const data = await resp.json();
  currentSid = data.session;
 }
 // 6. SSE-обработка
 activeES = new EventSource('/api/process_stream/' + currentSid);
 activeES.addEventListener('start', ...);  // файл начат
 activeES.addEventListener('done', ...);   // файл готов
 activeES.addEventListener('complete', ...); // всё готово
 ```
 ### 2. `site/routes/api_bp.py` — API эндпоинты
 ```
 POST /api/upload              — загрузка одного файла → {session_id}
 GET  /api/process_stream/<sid> — SSE: обработка с прогрессом
 POST /api/process/<sid>       — обработка без SSE (legacy)
 GET  /api/download/<sid>      — скачать ZIP
 GET  /api/csv/<sid>           — скачать CSV отдельно
 ```
 **Критичные заголовки для SSE:**
 ```python
 return Response(
    stream_with_context(generate()),
    content_type="text/event-stream",
    headers={
        "Cache-Control": "no-cache",
        "X-Accel-Buffering": "no"   # ← без этого nginx буферизует SSE
    }
 )
 ```
 **Критично: GeneratorExit в SSE-генераторе:**
 ```python
 def generate():
    for idx, (fname, content) in enumerate(files):
        try:
            yield f"event: start\ndata: ...\n\n"
        except GeneratorExit:
            return  # клиент отключился — не обрабатываем дальше
        # ... обработка файла ...
        try:
            yield f"event: done\ndata: ...\n\n"
        except GeneratorExit:
            return
 ```
 ### 3. `site/routes/health_bp.py` — liveness probe
 ```python
@health_bp.route("/health")
 def health():
    return jsonify({"ok": True, "version": "0.0.1"})
 ```
 **Обязательно для Штурвала.**
 ### 4. `site/app.py` — точка входа
 **Критичные настройки:**
 ```python
 VERSION = "0.0.1"
 def create_app():
    app = Flask(__name__)
    app.config["VERSION"] = VERSION
    app.config["MAX_CONTENT_LENGTH"] = 200 * 1024 * 1024  # 200 MB
    from routes import register_routes
    register_routes(app)
    @app.after_request
    def no_cache(response):
        response.headers["Cache-Control"] = "no-cache, no-store, must-revalidate"
        response.headers["Pragma"] = "no-cache"
        response.headers["Expires"] = "0"
        return response
    return app
 app = create_app()
 ```
 ---
 ## Пошаговая инструкция миграции
 ### Шаг 1: Скопировать скелет UI
 Скопировать `site/templates/index.html` из drhider как основу.
 Заменить:
 - Заголовок (`<title>`, `.title`, `.card-header`)
 - Текст описания
 - `accept` в `<input type="file">` если другие форматы
 - Логику в `uploadFiles()` — вызов своего API вместо `obfuscate_files`
 ### Шаг 2: Адаптировать API
 Скопировать `site/routes/api_bp.py`, заменить:
 - Название blueprint'а
 - Логику в `process_stream()` — вызов своей функции вместо `obfuscate_files()`
 - Формат SSE-событий если нужен другой
 ### Шаг 3: Health endpoint
 Скопировать `site/routes/health_bp.py` как есть. Только версию поменять.
 ### Шаг 4: app.py
 Скопировать `site/app.py`, заменить:
 - `VERSION`
 - `MAX_CONTENT_LENGTH` если нужен другой лимит
 - Импорт своих blueprint'ов
 ### Шаг 5: session.py
 Скопировать `site/session.py` как есть. Это in-memory хранилище загруженных файлов и результатов.
 ### Шаг 6: Интеграция бизнес-логики
 Твоя функция обработки должна принимать тот же интерфейс что и `obfuscate_files`:
 ```python
 def твоя_функция(files, **kwargs):
    """
    Args:
        files: list of (filename: str, content: bytes, mimetype: str)
    Returns:
        zip_bytes: bytes  — ZIP-архив с результатами
        csv_str: str      — CSV с маппингом (или "")
    """
 ```
 ---
 ## Чек-лист перед деплоем
 - [ ] `/health` возвращает `{"ok": true}`
 - [ ] `MAX_CONTENT_LENGTH` достаточен для файлов
 - [ ] `no_cache` after_request есть
 - [ ] `X-Accel-Buffering: no` на SSE-эндпоинте
 - [ ] `GeneratorExit` в каждом `yield` SSE-генератора
 - [ ] `stream_with_context` оборачивает генератор
 - [ ] `fetch('/health')` при загрузке страницы
 - [ ] `beforeunload` → `resetAll()`
 - [ ] `activeXHR` и `activeES` очищаются перед новым запуском
 - [ ] `Connection: close` — **НЕ ставить** (Waitress/PEP 3333 запрещает hop-by-hop)
 ---
 ## Ссылки на файлы-образцы
 | Что | Где в drhider |
 |-----|---------------|
 | HTML/JS/CSS фронтенд | `site/templates/index.html` |
 | API (upload + SSE + download) | `site/routes/api_bp.py` |
 | Health probe | `site/routes/health_bp.py` |
 | Точка входа Flask | `site/app.py` |
 | In-memory сессии | `site/session.py` |
 | Полная архитектура | `docs/ARCHITECTURE.md` |
 | Решённые проблемы кластера | `PROBLEM-AND-SOLUTION.md` |
@@ -0,0 +1,130 @@
 # VM — contracts.kube5s.ru (5.172.178.213)
 ## SSH
 ```bash
 ssh -i ~/.ssh/naeel_vm_id_ed25519 naeel@5.172.178.213
 ```
 ## Сервисы
 | Сервис | Порт | systemd unit | Назначение |
 |---|---|---|---|
 | gunicorn (Flask UI) | 5001 | — (start.sh) | Веб-интерфейс |
 | convert_server.py | 8766 | `contracts` | API: upload, classify, compare, /static |
 | drhider_server.py | 8767 | `contracts-drhider` | Обфускация документов |
 | nginx | 443 | `nginx` | Прокси + SSL (Certbot) |
 | PostgreSQL | 5432 | — | БД `baza`, пользователь `super` |
 | act_runner | — | `act_runner` | Gitea CI runner |
 ## Деплой
 ```bash
 # Из папки contracts-flask/:
 bash deploy/sync.sh
 ```
 Скрипт копирует `deploy/compare/`, `deploy/drhider/`, `deploy/db/`, `deploy/convert_*.py` → `/home/naeel/contracts/` на ВМ, затем делает `sudo systemctl restart contracts contracts-drhider`.
 Nginx-конфиг — вручную:
 ```bash
 scp -i ~/.ssh/naeel_vm_id_ed25519 deploy/nginx-contracts.conf naeel@5.172.178.213:/tmp/
 ssh -i ~/.ssh/naeel_vm_id_ed25519 naeel@5.172.178.213 sudo cp /tmp/nginx-contracts.conf /etc/nginx/sites-enabled/
 ssh -i ~/.ssh/naeel_vm_id_ed25519 naeel@5.172.178.213 'sudo nginx -t && sudo systemctl reload nginx'
 ```
 ## Команды на ВМ
 ```bash
 # Статус сервисов
 systemctl status contracts contracts-drhider
 # Логи
 journalctl -u contracts -f
 journalctl -u contracts-drhider -f
 # Перезапуск
 sudo systemctl restart contracts
 sudo systemctl restart contracts-drhider
 # Nginx
 sudo nginx -t && sudo systemctl reload nginx
 # БД
 psql -U super -d baza
 # Порты
 ss -tlnp | grep -E '5001|8766|8767|5432'
 ```
 ## .env
 Файл на ВМ: `/home/naeel/contracts/.env`
 ```env
 DB_HOST=127.0.0.1
 DB_PORT=5432
 DB_NAME=baza
 DB_USER=super
 DB_PASS=
 LLM_API_URL=https://api.aillm.ru/v1/chat/completions
 LLM_API_KEY=...
 LLM_MODEL=gpt-oss-120b
 ```
 Flask (`site/app.py`) читает `VM_API` (по умолчанию `https://contracts.kube5s.ru`).
 ## Nginx-роутинг
 ```
 contracts.kube5s.ru :443
  /               → 127.0.0.1:5001   Flask UI
  /api/drhider    → 127.0.0.1:8767   DrHider обфускация
  /api/*          → 127.0.0.1:8766   convert_server
  /static/        → 127.0.0.1:8766
  /upload         → 127.0.0.1:8766
  /lucee/*        → contractor.luceek8s.dev.nubes.ru  (legacy)
 ```
 ## Структура БД (PostgreSQL `baza`)
 | Таблица | Назначение |
 |---|---|
 | `documents` | Загруженные документы |
 | `contracts` | Договоры |
 | `supplements` | Допсоглашения к договорам |
 | `spec_current` | Текущая спецификация услуг |
 | `spec_events` | История изменений спецификации |
 | `prompts` | LLM-промпты (extract/diff) |
 | `upload_chunks` | Чанки загрузки |
 ## Файлы на ВМ
 ```
 /home/naeel/contracts/
 ├── .env
 ├── convert_server.py        # API-сервер :8766
 ├── convert_doc.py           # Конвертер .doc → .docx
 ├── drhider/
 │   ├── drhider.py           # Ядро обфускации
 │   └── drhider_server.py   # HTTP-сервер :8767
 ├── compare/
 │   ├── process.py, llm.py, classify.py, ...
 │   └── parse.py, grouping.py, upload.py
 ├── db/
 │   ├── connection.py        # Пул коннектов
 │   ├── documents.py, contracts.py, supplements.py
 │   └── spec_current.py, spec_events.py, prompts.py
 ├── files/                   # Загруженные документы
 └── llm_prompt.py            # Шаблоны промптов extract/diff
 ```
 ## Пути в проекте
 ```
 contracts-flask/
 ├── deploy/          → копируется на ВМ (sync.sh)
 ├── site/            → Flask UI (gunicorn на ВМ :5001)
 ├── Dockerfile       → контейнеризация (не используется на ВМ)
 └── .gitea/workflows/deploy.yaml  → CI (act_runner)
 ```
@@ -0,0 +1,93 @@
 этот проект - имеет какую то коммерческую ценность ? как универсальный продукт для подобных документов
 Список задач обновлен
 Честная оценка, на основе того, что я видел в коде и архитектуре.
 ## Что это по сути
 Движок **сверки спецификаций по цепочке «договор + допсоглашения»**: парсинг → извлечение строк (услуга/цена/кол-во/сумма/дата) → LLM-диф (ADD/UPDATE/DELETE) → event-sourced актуальное состояние с привязкой каждого изменения к документу-источнику. Плюс классификация документов и группировка. Это не «ещё один чат с PDF», а конкретная боль с понятной ценностью.
 ## Где реальная ценность
 - **Боль настоящая и дорогая.** Ручная сверка договора с десятком допников в закупках/финансах/юридическом — медленно и с ошибками в деньгах. Автоматизация с аудит-следом — это то, за что платят.
 - **Ядро обобщаемо.** Паттерн «базовый документ + поток изменений к таблице позиций» покрывает не только договоры: прайс-листы и их обновления, тарифы, страховые полисы + эндорсменты, аренда + доп.соглашения, SLA. Движок event-sourcing под это годится почти как есть.
 - **Сильные стороны архитектуры под продукт уже заложены:** аудит изменений (`source_document_id`), `UNRESOLVED` как human-in-the-loop, арифметические проверки, генератор тест-кейсов (testgen/), симулятор (sim/). Это редко делают на ранней стадии — хороший знак зрелости.
 ## Что мешает быть «универсальным продуктом» прямо сейчас
 - **Захардкожено под РФ-спецификацию услуг:** промпты, поля классификации (`own_number`/`parent_number`), понятие «спецификация». Для универсальности нужна **конфигурируемая схема документа + промпты под тип** (договор / прайс / полис), а не один зашитый сценарий.
 - **Точность = главный риск.** Одна неверная сумма/строка → потеря доверия, в финансах это критично. Нужны: обязательный человеческий контроль спорных строк (основа есть), метрики качества на эталонном датасете (заготовка в testgen есть — надо довести до бенчмарка с цифрами «точность X%»).
 - **Робастность и контроль затрат** — ровно то, что обсуждали (тихие провалы парсинга, дубли, лимиты, стоимость LLM на документ). Для внутреннего инструмента терпимо, для продукта — обязательно.
 - **Интеграции:** экспорт в 1С/ERP/учётные системы. Без этого результат сверки «висит в вебе» и ценность ниже.
 ## Рынок и позиционирование
 - Большие CLM/contract-analytics (Ironclad, Evisort, Luminance, Kira) — это про весь жизненный цикл и поиск рисков, а **узкую задачу «сверка позиций по допникам» они толком не закрывают**. Здесь есть незанятая ниша.
 - На РФ-рынке (СБИС/Контур и т.п.) — локальная специфика и язык как преимущество.
 - **Реалистичное позиционирование:** не «платформа», а **вертикальный SaaS / модуль** для закупок и финансов SMB/mid-market: «загрузи договор и допники — получи актуальную спецификацию с аудитом изменений». Либо как встраиваемый компонент в чужой CLM/документооборот.
 ## Вердикт
 Да, коммерческая ценность правдоподобна — как **сфокусированный нишевый продукт**, а не платформа. Ядро обобщается на класс «базовый документ + изменения к таблице», но для «универсальности» нужны три вещи по порядку: **(1) конфигурируемые схемы/промпты под тип документа, (2) доказанная точность с метриками + обязательный ревью спорных строк, (3) интеграции/экспорт**. Архитектурно фундамент под это уже правильный — event sourcing с аудитом и заготовки под тестирование/симуляцию дают серьёзное преимущество перед «обёрткой над LLM».
 Главный нерешённый вопрос продукта — **не технологии, а доверие к цифрам**: кто несёт ответственность за ошибку в сумме и как это показать клиенту. Кто решит это через прозрачный аудит + ревью — тот и продаёт.
 может не именно универсальный, запустил и работает
 а с возможностью перестройки ядра под запросы конкретного заказчика
 Список задач обновлен
 Хорошо — это другая модель: «настраиваемое ядро + кастомизация под заказчика». Проверю, насколько ядро уже готово к перенастройке (промпты в БД, версионирование). 
 Read [](file:///home/naeel/nubes/contracts/contracts-flask/deploy/db/prompts.py#1-1), lines 1 to 80
 Подтвердилось важное: **промпты уже вынесены в БД и версионируются** (prompts.py, таблица `prompts` с ролями `extract`/`diff`, `is_active`, выбор активного), а `prompt_version` пишется в каждое событие. То есть значительная часть «перестройки ядра» уже делается **данными, а не кодом**. Это сильно меняет оценку в плюс.
 ## Почему эта модель — правильная (и лучше «универсальной»)
 «Универсальный, запустил и работает» в B2B-документах почти не существует — у каждого заказчика свои формы, поля, правила. **«Конфигурируемое ядро + настройка под заказчика»** — это проверенная и доминирующая модель корпоративного софта (весь экосистема 1С построена ровно на ней). Заказчик такого ждёт и за это платит. Так что вы целитесь в реалистичную нишу, а не в утопию.
 ## Что уже играет на вас
 - **Промпты = данные, с версиями.** Перенастроить извлечение/диф под клиента — это правка записи в `prompts`, не релиз. Огромный задел.
 - **Воспроизводимость/аудит:** `prompt_version` и `raw_llm_response` пишутся в события → можно объяснить клиенту любое решение и откатить промпт. Это и тюнинг, и доверие.
 - **Заготовка под качество:** testgen/ + метрики → можно собирать **эталонный датасет под каждого заказчика** и мерить точность его конфигурации.
 - Event sourcing с привязкой к источнику — ядро не зависит от доменной специфики, оно про «база + поток изменений к таблице».
 ## Где сейчас «настройка = код» (это надо вынести в конфиг)
 - **Схема позиции захардкожена:** поля `name/price/qty/sum/date_start` — в колонках `spec_current` и в spec_events.py. У другого заказчика будут иные поля (артикул, НДС, период, ед.изм.). Сейчас это правка кода/миграции.
 - **Таксономия классификации** (`own_number`/`parent_number`/`counterparty`) — зашита.
 - **Валидаторы** (арифметика `sum=price·qty`) и **экспорт** — под конкретный домен.
 Пока это код — каждый новый заказчик тянет за собой разработку. Цель — сделать вариативные точки **конфигурацией («доменный пакет»: схема + промпты + правила + маппинг экспорта)**, чтобы новый клиент = настройка, а не форк.
 ## Экономика модели — честно
 - **Плюсы:** выше средний чек, выше «прилипчивость» (настроенное ядро не выкинут), естественный апсейл на новые типы документов.
 - **Минусы:** services-heavy — внедрение/настройка тянут маржу вниз и хуже масштабируются, чем чистый SaaS. В РФ-энтерпрайзе это норма (интеграторы на этом и живут).
 - **Ключевая метрика бизнеса:** «время вывода нового заказчика». Если настройка — это **дни конфигурации**, экономика продуктовая. Если **месяцы разработки** — вы консалтинг с кодовой базой, а не продукт.
 ## Главный риск и как его держать
 **Не плодить ветки под заказчиков.** Один core + набор «доменных пакетов»-конфигов. Как только появляется `if customer == X` в коде ядра — модель сломалась. Дисциплина: всё клиентское — в данные/конфиг, ядро остаётся общим. И второе — **качество промптов под клиента нужно мерить** (testgen как first-class инструмент онбординга), иначе «настройка» превратится в бесконечный ручной тюнинг.
 ## Вердикт
 Да, **эта модель коммерчески прочнее «универсального продукта»** и реалистичнее. Вы уже на полпути: промпты вынесены и версионируются, аудит и заготовка под тесты есть. Чтобы превратить это в продаваемый «настраиваемый продукт», ключевая инженерная инвестиция одна — **сделать доменную часть (схема позиции, классификация, правила, экспорт) конфигурацией, а не кодом**. Сделаете — получите продукт с услугой внедрения; не сделаете — останетесь разработкой под каждого клиента.
 Создано задач: 5
 есть ли подобные фреймворки или системы
 Список задач обновлен
 Кратко, по категориям:
 **Contract analytics / CLM (готовые продукты):**
 - Evisort, Ironclad, ContractPodAi, Luminance, Kira Systems, DocuSign CLM, Icertis — извлечение полей и рисков из договоров. Но **сверку позиций по цепочке допсоглашений с event-sourcing они напрямую не делают** — это про метаданные и риски, не про «актуальная спецификация после N изменений».
 **Document AI / IDP (извлечение таблиц/полей):**
 - AWS Textract, Google Document AI, Azure Document Intelligence, ABBYY FlexiCapture/Vantage, Rossum, Docsumo — парсинг и извлечение структурированных данных. Это «слой парсинга», без вашей логики диффа/состояния.
 **LLM-фреймворки «собери сам» (то, на чём строят такое):**
 - LangChain / LlamaIndex, Unstructured.io (парсинг документов), Instructor / Outlines (structured JSON от LLM). Дают кирпичи, но не доменное ядро.
 **Российский рынок:**
 - Контур, СБИС, Directum, ЭОС — документооборот/ЭДО с элементами анализа. Локальная специфика, но узкой «сверки спецификаций» как продукта нет.
 **Diff / редлайн:**
 - Litera Compare, Draftable, Workshare — сравнение версий документов **текстуально**, не семантически по строкам спецификации.
 **Вывод:** компонентов-аналогов много (парсинг, извлечение, CLM, structured-LLM), но **именно вашей связки** — «базовый документ + поток допников → event-sourced актуальная таблица позиций с аудитом» как готового продукта/фреймворка я не знаю. Это и есть незанятая ниша: вы не конкурируете с CLM, а закрываете то, что они оставляют ручным.
@@ -5,3 +5,6 @@ sk-ucI5YvOticoOQ9Kuj5K9mQ
 Deepseek flash
 sk-78ec529c1eba4ba69995091046c9fa33
 cicd
 eyJhbGciOiJSUzI1NiIsInR5cCI6IkpXVCJ9.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-0LLQsNGPINGD0YfQtdGC0LrQsCIsImxhc3RuYW1lIjoi0KLQsNC30LXRgtC00LjQvdC-0LIiLCJncm91cHMiOm51bGwsInByZWZlcnJlZF91c2VybmFtZSI6IiIsImdpdmVuX25hbWUiOiIiLCJmYW1pbHlfbmFtZSI6IiIsImVtYWlsIjoidGF6ZXRAbmFyb2QucnUifQ.T2cSkKGlorUTr_ICpInwrZZ2Sqk_D-RHpibrj1VI-7Bg7CPvIKJ7n1QF9bJc9uqWH9cwQczrNsA8sROU3lnqUaa88hl_rMfP7UM_u8X_iG-_pKYD8tsckmmcos6keh2I9muSZ9Viy9LvLCZv3fY6nzMp2YT-KCQh-EDGZPgHSAToWs1uqiaKi99K-OcqckvaFNUsYbpLPVfnD_6UnDDKUmPjP4Ib24R4Z5qlmwUAxmgC6BfUcuqgk-2Mdj37ulWvdlBLd9ZoJv4jAvRffzclv2w-Qa8p3BEooC8wlZjTC3PU-ULR-Cd_N61Y31lkd953kkKE3_yGIQCbwCPYus1TiA
@@ -0,0 +1,2 @@
 __pycache__/
 *.pyc
@@ -0,0 +1,163 @@
 """
 actions.py — API-обёртки для симулятора.
 Все запросы к contracts.kube5s.ru с таймаутами.
 Эмулирует действия пользователя через UI (загрузка, classify, groups, compare).
 """
 import requests, json, time, sys, os, uuid
 BASE = "https://contracts.kube5s.ru"
 TIMEOUT = 120
 # Убрать warnings
 import urllib3
 urllib3.disable_warnings(urllib3.exceptions.InsecureRequestWarning)
 def _post(url, **kw):
    return requests.post(url, timeout=TIMEOUT, verify=False, **kw)
 def _get(url, **kw):
    return requests.get(url, timeout=TIMEOUT, verify=False, **kw)
 # ═══════════════════════════════════════════════════════════════
 # Действия
 # ═══════════════════════════════════════════════════════════════
 class Session:
    """Состояние сессии: batch_id, contract_id, files."""
    def __init__(self):
        self.batch_id = str(uuid.uuid4())
        self.contract_id = None
        self.files = []  # {name, doc_id, status}
    def upload_file(self, path):
        """Загрузить один файл. Возвращает ответ API."""
        fname = os.path.basename(path)
        with open(path, 'rb') as f:
            data = {'batch_id': self.batch_id}
            if self.contract_id:
                data['contract_id'] = self.contract_id
            r = _post(f"{BASE}/upload", files={'files': (fname, f)}, data=data)
        result = r.json()
        if result.get('ok'):
            doc_id = result.get('doc_id')
            parsed = result.get('parsed', {})
            self.files.append({
                'name': fname, 'doc_id': doc_id,
                'status': parsed.get('status', 'uploaded'),
                'element_count': parsed.get('element_count', 0)
            })
            if result.get('contract_id'):
                self.contract_id = result['contract_id']
        return result
    def upload_files(self, paths, delay=0.2):
        """Загрузить несколько файлов последовательно."""
        for p in paths:
            r = self.upload_file(p)
            status = r.get('parsed', {}).get('status', r.get('ok', '?'))
            print(f"  ↑ {os.path.basename(p)}: {status}")
            time.sleep(delay)
    def classify(self):
        """Запустить классификацию, ждать завершения."""
        r = _post(f"{BASE}/api/classify-batch", json={'batch_id': self.batch_id})
        result = r.json()
        if not result.get('ok'):
            print(f"  ✗ classify failed: {result}")
            return result
        # Поллить прогресс
        total = result.get('total', 0)
        print(f"  ⏳ classify {total} файлов...")
        for _ in range(300):  # макс 10 минут (300 × 2с)
            time.sleep(2)
            pr = _get(f"{BASE}/api/batch-progress?batch={self.batch_id}").json()
            done = pr.get('counts', {}).get('classified', 0) + pr.get('counts', {}).get('failed', 0)
            if done >= total and total > 0:
                print(f"  ✓ classify done: {pr.get('counts')}")
                return pr
        return {"ok": False, "error": "timeout"}
    def get_groups(self):
        """Получить группы после классификации."""
        r = _get(f"{BASE}/api/groups?batch={self.batch_id}")
        data = r.json()
        groups = data.get('groups', [])
        real = [g for g in groups if g.get('contract_number') != '__unresolved__']
        unres = [g for g in groups if g.get('contract_number') == '__unresolved__']
        print(f"  📋 группы: {len(real)} (+ {len(unres)} нераспознано)")
        for g in real:
            print(f"     №{g.get('contract_number')} — {g.get('counterparty','?')} ({len(g.get('documents',[]))} док.)")
        return data
    def apply_and_compare(self, group_index=0):
        """Применить группу и запустить сравнение через SSE."""
        r = _get(f"{BASE}/api/groups?batch={self.batch_id}")
        groups = r.json().get('groups', [])
        real = [g for g in groups if g.get('contract_number') != '__unresolved__']
        if not real:
            print("  ✗ нет групп для сравнения")
            return None
        group = real[group_index]
        print(f"  ⚖ compare группы №{group.get('contract_number')}...")
        # Применить группу
        ar = _post(f"{BASE}/api/apply-groups", json={'batch_id': self.batch_id, 'groups': [group]})
        ad = ar.json()
        if not ad.get('ok') or not ad.get('contract_ids'):
            print(f"  ✗ apply failed: {ad}")
            return None
        cid = ad['contract_ids'][0]
        # SSE compare
        import sseclient  # pip install sseclient-py
        url = f"{BASE}/process-v2?contract_id={cid}"
        response = requests.get(url, stream=True, timeout=300, verify=False)
        client = sseclient.SSEClient(response)
        sections = {}
        total_ops = 0
        for event in client.events():
            d = json.loads(event.data)
            t = d.get('type')
            if t == 'extract_start':
                sections[d['supplement_id']] = d['filename']
            elif t == 'llm_done':
                print(f"     ✓ {sections.get(d['supplement_id'],'?')}: {d.get('ops_count',0)} оп. {d.get('mode','?')} ({d.get('time_s',0)}с)")
            elif t == 'applied':
                ops = d.get('ops', [])
                total_ops += len(ops)
                s = d.get('summary', {})
                print(f"     📊 +{s.get('added',0)} ~{s.get('updated',0)} -{s.get('deleted',0)}")
            elif t == 'done':
                print(f"  ✓ compare done: {d.get('total_time_s',0)}с, всего {total_ops} оп.")
                return d
            elif t == 'error':
                print(f"  ✗ compare error: {d.get('message','?')}")
                return None
        return None
    def cleanup(self):
        """Очистить БД после теста."""
        try:
            _post(f"{BASE}/api/cleanup")
        except Exception:
            pass
 def upload_files_from_dir(session, dir_path, pattern="*", delay=0.2):
    """Загрузить все файлы из папки."""
    import glob
    files = sorted(glob.glob(os.path.join(dir_path, pattern)))
    files = [f for f in files if f.endswith(('.docx', '.doc', '.pdf', '.zip'))]
    if not files:
        print(f"  (нет файлов в {dir_path})")
        return
    print(f"  Загрузка {len(files)} файлов из {dir_path}...")
    session.upload_files(files, delay)
@@ -0,0 +1,35 @@
 """
 run.py — Точка входа симулятора.
 Запуск: python3 sim/run.py [сценарий]
  без аргументов — все сценарии A–F
  A — хэппи-путь
  B — зигзаг
  ...
 """
 import sys, os
 sys.path.insert(0, os.path.dirname(__file__))
 from scenarios import run_all, Session, OUT
 import scenarios
 SCENARIOS = {
    'A': scenarios.scenario_A_happy,
    'B': scenarios.scenario_B_zigzag,
    'C': scenarios.scenario_C_bulk,
    'D': scenarios.scenario_D_stupid,
    'E': scenarios.scenario_E_zips,
    'F': scenarios.scenario_F_stress,
 }
 if __name__ == "__main__":
    if len(sys.argv) > 1:
        name = sys.argv[1].upper()
        if name in SCENARIOS:
            s = Session()
            SCENARIOS[name](s)
            s.cleanup()
        else:
            print(f"Неизвестный сценарий: {name}. Доступны: {', '.join(SCENARIOS)}")
    else:
        run_all()
@@ -0,0 +1,134 @@
 """
 scenarios.py — Сценарии симуляции (A–F по схеме Опуса).
 Каждый сценарий — функция, принимающая Session и пути к файлам.
 """
 import time, os, glob, random
 from actions import Session, upload_files_from_dir
 OUT = os.path.join(os.path.dirname(__file__), "..", "testgen", "out")
 def scenario_A_happy(session):
    """Хэппи-путь: загрузить контракт → classify → группы → compare."""
    print("\n=== A: Хэппи-путь ===")
    valid = os.path.join(OUT, "valid")
    files = sorted(glob.glob(os.path.join(valid, "*XXX001*")))[:4]  # договор + 2 спеки + 1 допник
    session.upload_files(files)
    session.classify()
    session.get_groups()
    session.apply_and_compare(0)
 def scenario_B_zigzag(session):
    """Зигзаг: загрузил → удалил → добавил → classify."""
    print("\n=== B: Зигзаг ===")
    valid = os.path.join(OUT, "valid")
    all_f = sorted(glob.glob(os.path.join(valid, "*.docx")))
    # Загрузить 3
    session.upload_files(all_f[:3])
    # Удалить 1 (через sync — отправляем keep_ids без одного)
    # Эмулируем: sync с текущим списком без первого
    keep = [f['doc_id'] for f in session.files[1:]]
    import requests
    requests.post("https://contracts.kube5s.ru/api/sync", json={'keep_ids': keep}, timeout=10, verify=False)
    session.files = session.files[1:]
    print(f"  ✕ удалён 1 файл, осталось {len(session.files)}")
    # Добавить ещё 2
    session.upload_files(all_f[3:5])
    session.classify()
    session.get_groups()
 def scenario_C_bulk(session):
    """Bulk: загрузить все валидные разом."""
    print("\n=== C: Bulk (все валидные) ===")
    valid = os.path.join(OUT, "valid")
    all_f = sorted(glob.glob(os.path.join(valid, "*.docx")))
    session.upload_files(all_f, delay=0.1)
    session.classify()
    session.get_groups()
 def scenario_D_stupid(session):
    """Тупые действия: дубликаты, удалить всё, мусор."""
    print("\n=== D: Тупые действия ===")
    valid = os.path.join(OUT, "valid")
    errors = os.path.join(OUT, "errors")
    # Загрузить файл дважды (эмуляция — API не спросит confirm)
    f0 = sorted(glob.glob(os.path.join(valid, "*.docx")))[0]
    session.upload_file(f0)
    session.upload_file(f0)  # дубликат — API перезапишет
    print(f"  дубликат: {len(session.files)} файлов (должен быть 1)")
    # Мусор
    trash = sorted(glob.glob(os.path.join(errors, "trash_*.docx")))[:3]
    session.upload_files(trash)
    # Удалить всё (sync с пустым списком)
    import requests
    requests.post("https://contracts.kube5s.ru/api/sync", json={'keep_ids': []}, timeout=10, verify=False)
    session.files = []
    session.contract_id = None
    print(f"  удалено всё: {len(session.files)} файлов")
    # Загрузить заново
    session.upload_files(sorted(glob.glob(os.path.join(valid, "*XXX005*"))))
    session.classify()
 def scenario_E_zips(session):
    """ZIP: загрузить архивы."""
    print("\n=== E: ZIP-архивы ===")
    zips = os.path.join(OUT, "zips")
    all_z = sorted(glob.glob(os.path.join(zips, "*.zip")))
    session.upload_files(all_z)
 def scenario_F_stress(session):
    """Стресс: загрузить ошибки + мусор + валидные вперемешку."""
    print("\n=== F: Стресс-микс ===")
    valid = os.path.join(OUT, "valid")
    errors = os.path.join(OUT, "errors")
    mixed = []
    mixed += sorted(glob.glob(os.path.join(valid, "*.docx")))[:5]
    mixed += sorted(glob.glob(os.path.join(errors, "trash_*.docx")))[:5]
    mixed += sorted(glob.glob(os.path.join(errors, "corrupt_xml.docx")))
    mixed += sorted(glob.glob(os.path.join(errors, "orphan_*.docx")))[:2]
    random.shuffle(mixed)
    session.upload_files(mixed, delay=0.05)
    session.classify()
    session.get_groups()
 def run_all():
    """Прогнать все сценарии."""
    print("=" * 60)
    print("СИМУЛЯТОР — сценарии A–F")
    print("=" * 60)
    scenarios = [
        ("A", scenario_A_happy),
        ("B", scenario_B_zigzag),
        ("C", scenario_C_bulk),
        ("D", scenario_D_stupid),
        ("E", scenario_E_zips),
        ("F", scenario_F_stress),
    ]
    for name, fn in scenarios:
        s = Session()
        try:
            fn(s)
            print(f"  ✅ сценарий {name} OK")
        except Exception as e:
            print(f"  ❌ сценарий {name} FAIL: {e}")
        finally:
            s.cleanup()
        time.sleep(1)
    print("\n" + "=" * 60)
    print("СИМУЛЯЦИЯ ЗАВЕРШЕНА")
    print("=" * 60)
 if __name__ == "__main__":
    run_all()
--- a/Show More
+++ b/Show More
Author	SHA1	Message	Date
“Naeel”	ba10816230	revert: app/ → site/ (submodule)	2026-07-14 22:56:25 +04:00
“Naeel”	119d09beb7	11	2026-07-14 22:52:21 +04:00
“Naeel”	71df83bc63	fix: add /chat endpoint (submodule)	2026-07-14 22:33:19 +04:00
“Naeel”	2ba92208a5	Steps 1-8: full Flask migration — db, services, blueprints, new app.py, VM_API=''	2026-07-14 22:31:18 +04:00
“Naeel”	0ec26a2b8c	Step 0: critical fixes — rename site/→app/ (submodule), document	2026-07-14 22:24:32 +04:00
“Naeel”	21e5473045	docs: Sonnet review of migration plan — 2 critical, 3 important, 5 improvements + my analysis	2026-07-14 22:19:57 +04:00
“Naeel”	69e69c7534	docs: full Flask migration plan — architecture audit, 8 steps, blueprints, checklist	2026-07-14 22:15:09 +04:00
“Naeel”	e16a8032b7	docs: VM reference — SSH, сервисы, деплой, .env, роутинг, БД	2026-07-11 15:40:19 +04:00
“Naeel”	570a575a33	chore: update contracts-flask (drhider v1.15)	2026-07-07 17:01:42 +04:00
“Naeel”	b406b0faf6	chore: update contracts-flask (drhider v1.14)	2026-07-07 16:59:51 +04:00
“Naeel”	4c2d3903f9	chore: update contracts-flask (drhider v1.13)	2026-07-07 16:43:49 +04:00
“Naeel”	a6b7a596ed	chore: update contracts-flask (drhider v1.12 — PDF→DOCX pdfplumber)	2026-07-07 16:37:38 +04:00
“Naeel”	5e2b630563	chore: update contracts-flask (drhider v1.11)	2026-07-07 16:27:50 +04:00
“Naeel”	f2be570e87	chore: update contracts-flask (drhider v1.10)	2026-07-07 16:23:58 +04:00
“Naeel”	3ff35ea438	chore: update contracts-flask (drhider v1.9 — PDF→DOCX)	2026-07-07 16:14:09 +04:00
“Naeel”	b5755e166f	docs: ВМ 3060 notes	2026-07-07 16:07:44 +04:00
“Naeel”	f4d5bc7a55	chore: update contracts-flask (drhider v1.8 — UTF-8 filenames)	2026-07-07 15:50:52 +04:00
“Naeel”	93904b8b12	chore: update contracts-flask (drhider v1.7 — UTF-8 ZIP)	2026-07-07 15:34:43 +04:00
“Naeel”	6bb8308fec	chore: update contracts-flask (drhider v1.6, checksum fix)	2026-07-07 15:31:57 +04:00
“Naeel”	091f458d86	chore: update contracts-flask submodule	2026-06-30 13:44:28 +04:00
“Naeel”	0d532ce8f7	submodule: DrHider v1.5 — основной домен	2026-06-29 19:24:38 +04:00
“Naeel”	752d76e399	submodule: drhider v1.4 — modal help	2026-06-29 19:01:10 +04:00
“Naeel”	8d54bebbc8	submodule: Opus review fixes + History doc	2026-06-29 18:52:49 +04:00
“Naeel”	87178fa3e7	submodule: drhider standalone server + inline SVG	2026-06-29 18:39:41 +04:00
“Naeel”	b164a457ba	all: submodule + llm.key cicd token	2026-06-29 18:29:24 +04:00
“Naeel”	e28e1a2186	chore: update .gitignore and contracts-flask submodule	2026-06-29 11:37:03 +04:00
“Naeel”	f51dc70db6	uu	2026-06-28 15:23:40 +04:00
“Naeel”	878e8663fc	chore: gitignore hz/	2026-06-28 15:23:22 +04:00
“Naeel”	804504926e	submodule: contractor — маркер заморозки	2026-06-28 10:11:29 +04:00
“Naeel”	fa8c83096e	submodule: contractor — фильтр мусора + метрики + PG-очередь	2026-06-27 13:19:02 +04:00
“Naeel”	08d6a90b86	submodule: contractor → v1.0.179 fixes	2026-06-27 13:11:18 +04:00
“Naeel”	1c85c913f8	docs: актуализировать service-description — парсинг на ВМ, pdfplumber+python-docx	2026-06-27 13:06:23 +04:00
“Naeel”	82c5c075f1	docs: архитектурный анализ + History + gitignore (2026-06-27)	2026-06-27 13:00:18 +04:00
“Naeel”	4a21d77f51	v1.0.178: скролл таблицы (submodule contractor)	2026-06-25 11:25:12 +04:00
“Naeel”	2e04731ac1	v1.0.178: генератор (submodule contractor)	2026-06-25 11:08:57 +04:00
“Naeel”	3e548ad2a4	v1.0.178: генератор тестовых файлов (схема Опуса). 61 файл: 10 контрактов × (договор+спека v1+v2+допники) + ошибки + ZIP + дубликаты. Комментарий в каждом файле.	2026-06-25 11:03:41 +04:00
“Naeel”	c022133de0	v1.0.178: схема Опуса — генератор + симулятор + моя оценка	2026-06-25 10:56:22 +04:00
“Naeel”	36f31c2e23	v1.0.178: запрос к Опусу v2 — с реальными таблицами услуг	2026-06-25 10:50:13 +04:00
“Naeel”	a803c1d30f	v1.0.178: запрос к Опусу — генератор тестовых документов + симулятор	2026-06-25 10:47:03 +04:00
“Naeel”	752f642aa0	v1.0.178: унификация ZIP + confirm (submodule contractor)	2026-06-25 10:16:16 +04:00
“Naeel”	a811e58f2b	v1.0.178: ZIP accept + предупреждение (submodule contractor)	2026-06-25 09:51:37 +04:00
“Naeel”	1545bcf31b	v1.0.178: документация результатов тестирования (131 тест, API smoke, баги)	2026-06-25 09:43:53 +04:00
“Naeel”	e61d1a19cd	v1.0.178: тесты + чистка (submodule contractor)	2026-06-25 09:42:45 +04:00
“Naeel”	35dba76d58	v1.0.178: чистка llmStart (submodule contractor)	2026-06-25 09:36:46 +04:00
“Naeel”	ebe29eef85	v1.0.178: тесты (submodule contractor)	2026-06-25 09:28:20 +04:00
“Naeel”	f7ac7d7ded	v1.0.178: Фаза 4 — renderStepper (submodule contractor)	2026-06-25 09:25:16 +04:00
“Naeel”	fd50e6d5ec	v1.0.178: Фаза 3 — compare.js (submodule contractor)	2026-06-25 09:24:34 +04:00
“Naeel”	366a87b79e	v1.0.178: Фаза 2 — groups.js (submodule contractor)	2026-06-25 09:16:00 +04:00
“Naeel”	1135400d5b	v1.0.178: Фаза 1 — files.js (submodule contractor)	2026-06-25 08:59:46 +04:00
“Naeel”	f8c3871cdf	v1.0.178: Фаза 0 — state + render(state) (submodule contractor)	2026-06-25 08:44:57 +04:00
“Naeel”	1d167a180f	v1.0.177: резюме сессии для нового чата	2026-06-25 08:30:41 +04:00
“Naeel”	2668fb7a38	v1.0.177: финальный план рефакторинга — store+render, 4 фазы	2026-06-25 08:28:51 +04:00
“Naeel”	72e6e5a127	v1.0.177: ревью плана Опуса — целиком рендерить, 3 уточнения	2026-06-25 08:26:34 +04:00
“Naeel”	0045157173	v1.0.177: запрос Opus — рефакторинг фронтенда, functional pipeline	2026-06-25 08:14:16 +04:00
“Naeel”	c40d8eb5a8	v1.0.177: History — объединение history+History, 5 подпапок	2026-06-25 07:53:56 +04:00
“Naeel”	14cca9f8cf	v1.0.177: submodule bump	2026-06-24 20:25:08 +04:00
“Naeel”	bec73b6a35	v1.0.177: submodule bump	2026-06-24 20:19:22 +04:00
“Naeel”	0c1b6cb033	v1.0.177: submodule bump	2026-06-24 20:18:30 +04:00
“Naeel”	1af49d1ca5	v1.0.177: submodule bump	2026-06-24 20:08:10 +04:00
“Naeel”	038fe1c966	v1.0.177: submodule bump	2026-06-24 20:05:03 +04:00
“Naeel”	00d49d5e32	v1.0.177: submodule bump	2026-06-24 20:02:47 +04:00
“Naeel”	15da0ccbc4	v1.0.177: submodule bump	2026-06-24 20:01:15 +04:00
“Naeel”	c8ba93191b	v1.0.177: submodule bump	2026-06-24 19:57:56 +04:00
“Naeel”	f6dec810fc	v1.0.177: submodule bump	2026-06-24 19:52:26 +04:00
“Naeel”	8fd409ef0f	v1.0.177: submodule bump	2026-06-24 19:47:45 +04:00
“Naeel”	af1fed1077	v1.0.177: submodule bump + History docs (Opus, Sonnet audit, auto-classify)	2026-06-24 19:41:46 +04:00
“Naeel”	d960e2cdfc	v1.0.161: final stable — History + submodule	2026-06-23 21:20:05 +04:00