# Ответ Соннета — универсальная архитектура DrHider (2026-07-12)

Кратко: 6 вопросов → 6 ответов → карта изменений.

---

## Q1. Как сделать обнаружение универсальным?

Промпт должен звучать не «найди вот эти типы», а «найди ВСЁ, что выглядит как приватная информация, и сам назови тип».

Затрагивает: `scanner.py` (промпт), `builder.py` (тип для mapping.csv).

---

## Q2. Regex или LLM?

**Гибрид — правильный выбор:**
- **Regex = pre-pass** для структурированных данных (телефон, email, ИНН, БИК). Экономит токены LLM.
- **LLM = post-pass** для неструктурированного (имена, адреса, нестандартные ID).
- Дублирования не страшны — mapping dict сам отсеет.

---

## Q3. Генерация фиктивных значений — универсальная?

Два уровня:
1. **Известные типы** — специализированные генераторы (оставить как есть).
2. **Неизвестные типы** — fallback-генератор: character-class preserving замена (цифры→цифры, буквы→буквы той же длины).

Дополнительно: в промпт добавить `"category": "person|org|contact|id|financial|other"` — 6 категорий вместо 10+ типов.

---

## Q4. Двухпроходная или однопроходная?

**Двухпроходная — обязательно.** Причина: «Иванов» в 5 документах должен заменяться одинаково. Однопроход не может этого гарантировать.

Текущий `TwoPassObfuscator` — правильный, не трогать.

---

## Q5. Новый промпт

```
You are a PII detector. Find ALL sensitive or private information.

Return JSON array: [{"type": "short_label", "value": "exact_string"}]

Rules:
- Copy "value" VERBATIM from text
- "type" is snake_case label you invent
- Same value → include once
- Return ONLY JSON
```

Ключевое: нет ограничения на типы, value verbatim.

---

## Q6. DOCX или Markdown?

- **Внутренняя обработка:** Markdown проще парсить, LLM понимает лучше.
- **На выходе:** опция `output_format: "docx" | "md"`. По умолчанию `"docx"`.

---

## Итоговая карта изменений

```
scanner.py     — новый промпт (убрать список типов, LLM сама называет типы)
generators/    — добавить fallback-генератор для неизвестных типов
obfuscator.py  — вызывать fallback если тип неизвестен
api_bp.py      — принять параметр output_format
replacer.py    — добавить replace_to_markdown()
builder.py     — упаковывать .md если output_format=md
```

**Не трогать:** двухпроходная схема, checksum-генераторы, ZIP-безопасность.