History: v3.0.0 завершён

History/2026-07-12-v3-done.md

@@ -0,0 +1,45 @@
+# v3.0.0 — универсальная архитектура (2026-07-12)
+
+Переход на Markdown-пайплайн + универсальное LLM-обнаружение.
+
+## Что изменилось
+
+### 1. `generators/fallback.py` — новый
+Character-class preserving замена для неизвестных типов сущностей.
+Цифры→цифры, буквы→буквы, спецсимволы→без изменений.
+
+### 2. `scanner.py` — универсальный LLM-промпт
+- Убран жёсткий список типов (person, company, address, passport)
+- LLM САМА придумывает тип (snake_case) — person_name, contract_number, employee_id...
+- Если тип не совпадает с известными — fallback-генератор
+- Промпт на английском (LLM точнее)
+
+### 3. `extractor.py` — Markdown-пайплайн
+- `docx_to_markdown()`: DOCX → MD (Heading → #, Bold → **, таблицы → |...|)
+- `pdf_to_markdown()`: PDF → MD (текст + таблицы, без форматирования)
+- `extract_text()` возвращает только str (без docx-объектов)
+- Удалён `convert_pdfs_to_docx()` (PDF → MD напрямую)
+
+### 4. `replacer.py` — упрощён
+- Удалён `replace_in_text()` (заменён на `apply_replacements()` + `.encode()`)
+- Оставлен `replace_in_docx()` для будущего DOCX-выхода
+
+### 5. `obfuscator.py` — новый пайплайн
+- Pass 1: extract MD → scan_regex + scan_llm_ner
+- Pass 2: apply_replacements к MD → .md файлы
+- Нет docx-объектов, нет convert_pdfs_to_docx
+
+## Коммиты
+
+- `579f9c8` — generators: fallback.py
+- `2ceeb05` — scanner.py: универсальный промпт
+- `af2f2a9` — extractor.py: MD + obfuscator.py: новый пайплайн
+- `f5427b0` — replacer.py: удалён replace_in_text
+- `2a2cc14` — v3.0.0
+
+## Плюсы
+
+- LLM точнее (нет XML-шума, только Markdown)
+- Новые типы сущностей — без правки кода
+- Код проще: -120 строк, -1 функция, -1 модуль (convert_pdfs_to_docx)
+- Единый внутренний формат (Markdown)