recipe/HISTORY/2026-08-28-obdai-receipt.md

# История: obdai.ru/receipt

## 2026-08-28

### Вопрос
Как запущен `obdai.ru` на ВМ?

### Ответ и проверка
ВМ: `5.172.178.213`.

Проверены systemd, Docker, процессы и nginx-конфигурация.

- `obdai.ru` описан в `/etc/nginx/sites-enabled/elmer`.
- Основной HTTPS-маршрут nginx проксируется на `127.0.0.1:8000`.
- Backend запускается через `elmer.service`.
- Команда backend:

```text
/opt/elmer/venv/bin/gunicorn -w 4 -b 127.0.0.1:8000 --timeout 180 web.app:app
```

- Дополнительный маршрут nginx проксируется на `127.0.0.1:8888`, где работает контейнер `llmui`.
- `elmer.service` и новый сервис должны оставаться независимыми.

### Вопрос
Можно ли запустить собственный Python-сервис по адресу `obdai.ru/receipt`?

### Ответ
Да. Рекомендуемая схема:

```text
obdai.ru/receipt -> nginx -> receipt.service -> FastAPI на 127.0.0.1:8768
```

Новый сервис должен иметь отдельный каталог, virtualenv, systemd-юнит, порт, логи, конфигурацию и процесс деплоя. Он не должен импортировать код `elmer`, использовать его virtualenv или зависеть от его перезапуска.

### Вопрос
Нужно ли учитывать независимость `elmer`?

### Ответ
Да. `elmer` не изменяется и не перезапускается при работе с receipt-service. Для него создаётся отдельный systemd-юнит, например `receipt.service`, с автозапуском и `Restart=on-failure`.

### Архитектурное решение
Сервис принимает изображение рецепта или фрагменты с лекарствами и дозировками, распознаёт их через OCR/vision-модель, проверяет названия по локальному справочнику лекарственных средств и возвращает структурированный JSON. ФИО и дата рождения не должны попадать в запрос, ответ, логи или постоянное хранилище.

Рекомендуемые компоненты:

- FastAPI и Pydantic;
- Gunicorn с Uvicorn worker;
- отдельный Python virtualenv;
- SQLite read-only для справочника на MVP;
- rapidfuzz для сопоставления;
- OCR/vision-модель;
- `gpt-oss-120b` только после проверки поддержки изображений;
- nginx reverse proxy;
- systemd.

### Контрольные ограничения

- Сервис stateless на MVP.
- Исходные изображения обрабатываются только в памяти.
- Размер файла и MIME проверяются по magic bytes.
- Сомнительные совпадения возвращаются с `uncertain=true` и кандидатами.
- LLM не принимает окончательное медицинское решение и не изменяет дозировку.

### Выполненные действия

1. Изучен `/home/naeel/MED/recipe/PLAN/chat_messages.md`.
2. Изучена инструкция по ВМ `~/nubes/HowTo/vm-access-and-services.md`.
3. Выполнена диагностическая проверка ВМ по SSH.
4. Найден nginx-конфиг `elmer` и backend `elmer.service`.
5. Подтверждено, что отдельный receipt-service можно разместить на `127.0.0.1:8768`.
6. Создан этот журнал.
7. Создан план в `PLAN/receipt-service-plan.md`.

## Дополнительное требование ведения истории

Пользователь явно потребовал документировать в `HISTORY` всё происходящее, включая:

- вопросы и ответы;
- выполненные действия и команды;
- гипотезы и рассуждения, относящиеся к задаче;
- ошибки команд и ошибочные предположения;
- результаты проверок;
- изменения архитектурных решений и требований.

### Проверка DeepSeek

- Сначала ключи DeepSeek ошибочно проверялись через `api.aillm.ru`; это был неправильный endpoint.
- После исправления endpoint на `https://api.deepseek.com` оба ключа дали доступ к API.
- В списке моделей обнаружена `deepseek-v4-flash-vision-exp`.
- Реальное изображение `PLAN/lekar.png` было отправлено в vision-модель.
- Ответ API: HTTP 200.
- Модель вернула два сомнительных результата: `Clonoxamin` и `Sio`; оба с `uncertain=true`.
- Вывод: vision-вход модель принимает, но качество распознавания нельзя считать достаточным без словаря и пользовательского подтверждения.

### Ошибки и ограничения

- Первый тест `gpt-oss-120b` принял multimodal-запрос, но в reasoning указал, что изображения не видит.
- Один тест завершился кодом `5`, потому что служебная строка `HTTP_STATUS` смешалась с JSON перед обработкой `jq`.
- В диагностической команде проверки DeepSeek была ошибка форматирования вывода suffix ключа; она не повлияла на HTTP-запрос.
- Переданные API-ключи опубликованы в чате; их следует отозвать и заменить.

### Текущий статус

Реализация кода не начиналась. Зафиксированы архитектура, инфраструктурная схема и результаты проверки доступных моделей. Следующий этап после отдельного подтверждения требований: подготовка MVP receipt-service и его независимого запуска рядом с `elmer`.

## Утверждённое архитектурное решение

Пользователь подтвердил реализацию подхода, в котором словарь лекарств участвует непосредственно в принятии решения, а не используется только для косметического исправления OCR.

### Pipeline

```text
Android crop зон лекарств
	-> preprocessing (original, grayscale, contrast, sharpen, threshold, upscale)
	-> DeepSeek Vision генерирует несколько гипотез
	-> candidate resolver
	-> локальный словарь лекарств
	-> отдельный разбор дозировки и формы выпуска
	-> decision engine: CONFIDENT / NEED_CONFIRMATION / UNKNOWN
	-> JSON и overlay в Android
```

### Решения

- Не отправлять модели весь рецепт, если клиент может передать отдельные строки или зоны.
- Для каждой лекарственной зоны допускается несколько вариантов preprocessing и повторное распознавание.
- Vision-модель должна возвращать `observed_text` и альтернативы, а не безусловно выбирать препарат.
- Resolver использует exact match, aliases, fuzzy/character similarity, лекарственную форму и совместимость дозировки.
- Название и дозировка разбираются отдельно.
- Недопустимая дозировка является сигналом ошибки и переводит результат в `NEED_CONFIRMATION`, но не исправляется автоматически.
- В API добавить `POST /receipt/api/v1/confirm` для выбора пользователем и накопления correction samples.
- На MVP использовать SQLite в `/opt/receipt/dictionary/drugs.sqlite`.
- Подтверждённые пользователем исправления в будущем хранить отдельно как обезличенный dataset.
- `elmer.service` не изменяется и не становится зависимостью receipt-service.

### Гипотезы для проверки

- Передача ограниченного списка кандидатов vision-модели повысит точность по сравнению с единственным свободным ответом.
- Отдельные crops лекарственных строк дадут лучшее качество и меньше PII, чем полный рецепт.
- Совместимость названия с дозировкой и формой выпуска снизит опасные false positive.
- Два или более preprocessing-варианта могут дать больший выигрыш, чем немедленное дообучение большой модели.

### Следующий технический этап

Разработать MVP receipt backend: FastAPI, SQLite-схема справочника, DeepSeek Vision client, candidate resolver, scoring, Pydantic API, unit-тесты и независимую конфигурацию systemd/nginx. До выбора порогов проверить pipeline на 50–200 обезличенных рецептах.

## Мнения внешних ассистентов

### ChatGPT

Зафиксирован подход:

- vision-модель генерирует несколько гипотез текста;
- локальный словарь участвует в принятии решения, а не только исправляет OCR;
- дозировка и форма выпуска проверяются отдельно;
- статусы результата: `CONFIDENT`, `NEED_CONFIRMATION`, `UNKNOWN`;
- отдельный endpoint подтверждения позволяет собирать correction samples;
- сервис размещается в `/opt/receipt/`, слушает `127.0.0.1:8768` и работает через отдельный `receipt.service`;
- `elmer.service` не изменяется и не становится зависимостью;
- на MVP рекомендуется SQLite.

### Gemini

Мнение Gemini в целом совпало с этим направлением:

- архитектура: Android crop -> nginx -> FastAPI -> DeepSeek Vision -> Lexicon Matcher -> Dosage/Form Validator -> Confidence Aggregator -> JSON -> Android overlay;
- DeepSeek Vision должен возвращать изображение, `observed_text`, top-N гипотез и сырой текст дозировки;
- словарь должен включать МНН, торговые названия, латинские и русские варианты, aliases, формы выпуска, дозировки и типичные ошибки;
- resolver должен использовать exact match, aliases, Damerau-Levenshtein, phonetic matching, Trie/SymSpell и совместимость дозировки/формы;
- итоговый score рекомендуется строить из vision score, dictionary similarity, dose compatibility и form compatibility, а коэффициенты проверять экспериментально;
- название, strength и режим приёма следует распознавать раздельно;
- недопустимая дозировка должна снижать уверенность и выдавать предупреждение, но не исправляться автоматически;
- вместо полного рецепта лучше отправлять отдельные crops лекарственных строк;
- для каждой зоны полезно создавать несколько вариантов preprocessing: grayscale, contrast, sharpen, threshold, upscale;
- рекомендуется добавить `POST /receipt/api/v1/confirm` для подтверждения пользователем и накопления обезличенных correction samples;
- SQLite подходит для локального read-heavy справочника на первом этапе;
- PostgreSQL не следует подключать к `elmer`, если он понадобится позже, нужна отдельная БД и отдельный пользователь;
- структура `/opt/receipt/`, отдельный virtualenv, systemd-юнит и nginx location сохраняют полную независимость от `elmer`.

### Сводный вывод

Оба мнения поддерживают один основной pipeline: vision-модель используется для извлечения нескольких гипотез, локальный справочник ограничивает пространство кандидатов, отдельный валидатор проверяет дозировку и форму, а сомнительные результаты передаются пользователю на подтверждение.

Гипотезы, которые нельзя считать доказанными до эксперимента:

- передача top-N кандидатов модели повысит точность;
- несколько вариантов preprocessing дадут существенный выигрыш;
- проверка дозировки и формы уменьшит опасные false positive;
- SQLite останется достаточной при ожидаемой нагрузке.

### Ожидание команды

По состоянию на эту запись документирование выполнено. Код receipt-service, конфигурация ВМ и nginx не изменялись. Следующий шаг должен начинаться с MVP и проверки на обезличенных данных.

## Начало тестирования DeepSeek Flash

Пользователь дал команду приступить к тестированию через `deepseek-v4-flash-vision-exp`.

Цель эксперимента: добиться распознавания фрагмента `PLAN/lekar.png` до разработки backend и справочника.

Правила чистого эксперимента:

- каждый запрос отправляется как независимый запрос без истории;
- предыдущие ответы и гипотезы модели в новый запрос не передаются;
- ключи и секреты не выводятся в журнал;
- сначала проверяется базовый запрос, затем варианты preprocessing;
- меняется один фактор за раз;
- сравнивается содержательный текст распознавания, а не только HTTP 200;
- результат и ошибки фиксируются после каждого тестового этапа.

## Gemini: полный recipe1.png, первая попытка

Полное изображение `PLAN/recipe1.png` отправлено в `gemini-3.6-flash`.
Запрос завершился HTTP 200, но модель остановилась с `finishReason=MAX_TOKENS`.
Промпт требовал минимальный JSON и исключение ФИО и даты рождения.

Неполный вывод начинался с: `Date: 12 марта 20`.

Использование токенов: prompt 1131, image 1092, text 39, candidate output 19,
thoughts 477, total 1627. Стоимость по тарифу Gemini 3.6 Flash ($0.75 за 1M
входных и $3.75 за 1M выходных токенов), если считать prompt как вход и
candidate output как выход: $0.00092, то есть около 9 копеек при курсе 95
рублей за доллар.

Вывод: лимит 500 токенов оказался недостаточным; следующий независимый тест
проводится с существенно большим лимитом и ещё более короткой JSON-схемой.

## Gemini: повторный полный recipe1.png с лимитом 4000

Повторный независимый запрос отправлен с тем же полным изображением и
`maxOutputTokens=4000`. Локальная проверка подтвердила корректный JSON-запрос,
наличие двух частей (`text` и `inline_data`) и размер Base64 изображения
5 015 836 символов.

Gemini вернул HTTP 400 с HTML-страницей Google: `malformed or illegal request`.
Распознавание не выполнялось, поэтому стоимость результата распознавания не
начислена. Причина требует отдельной проверки; следующий шаг — повторить тест
с допустимым форматом/лимитом, сохранив изображение и минимальный вывод.

## Gemini: полный recipe1.png, лимит 8000

Повторный запрос выполнен с ключом, указанным пользователем, без сохранения
ключа в проекте. Полное `PLAN/recipe1.png` отправлено в `gemini-3.6-flash` с
минимальным англоязычным промптом и `maxOutputTokens=8000`.

Ответ завершён успешно: HTTP 200, `finishReason=STOP`.

Результат модели:

```json
{"date":"12.03.2026","medicines":[{"name":"Fluvoxamine","dosage":"100 mg"}]}
```

Usage metadata: prompt 1132 токена, включая image 1092 и text 40; candidate
output 32; thoughts 1432; total 2596.

При тарифе $0.75 за 1M входных токенов и $3.75 за 1M выходных стоимость без
учёта thoughts составляет $0.000969, или 0.092 рубля при курсе 95 рублей за
доллар. Если thoughts тарифицируются как выходные токены, верхняя оценка
составляет $0.006339, или 0.602 рубля. Фактический ответ распознал дату и
только один препарат; проверка полноты по изображению ещё нужна.

## Создание минимального Gemini proxy

По команде пользователя создан изолированный локальный модуль
`gemini_proxy/`, не изменяющий существующий `site` и `requirements.txt`.

Состав:

- `gemini_proxy/app.py` — FastAPI API с `GET /health` и `POST /gemini`;
- `gemini_proxy/requirements.txt` — отдельные зависимости;
- `gemini_proxy/.env.example` — только имена настроек без реального ключа;
- `gemini_proxy/test_app.py` — базовые тесты.

Ключ Gemini не захардкожен и не записывается в проект. Приложение читает его
из `GEMINI_API_KEY`; модель — из `GEMINI_MODEL`. Изображение принимается только
как JPEG/PNG/WEBP, ограничено 10 MB, не сохраняется на диск и отправляется в
Gemini как Base64. Ответ возвращает текст модели и usage metadata.

Ошибка во время реализации: сначала изображение ошибочно кодировалось через
hex вместо Base64. Узкий тест выявил проблему; код исправлен на
`base64.b64encode(...).decode("ascii")`.

Проверка после исправления: `pytest -q gemini_proxy/test_app.py` — 2 passed;
`python3 -m py_compile gemini_proxy/app.py` завершился успешно. Обнаружено
предупреждение зависимости FastAPI/Starlette о deprecated-интеграции с
текущим httpx TestClient; оно не влияет на результат тестов.

Модуль пока не развёрнут на немецком сервере и не подключён к nginx/systemd.

## Развёртывание Gemini proxy на немецкой ВМ

По команде пользователя модуль развёрнут на ВМ `95.179.252.111`.

Развёртывание выполнено изолированно:

- каталог приложения: `/opt/gemini-proxy`;
- системный пользователь и группа: `gemini-proxy`;
- отдельный virtualenv: `/opt/gemini-proxy/venv`;
- systemd-юнит: `gemini-proxy.service`;
- bind: `127.0.0.1:8768`;
- конфигурация: `/etc/gemini-proxy/gemini-proxy.env`;
- ключ в проект и журнал не записывался;
- в env-файле пока задана только модель, поэтому `GEMINI_API_KEY` ещё нужно
	добавить перед использованием endpoint распознавания.

Подробное описание оставлено в `/opt/gemini-proxy/README.md`.

При первом запуске обнаружено, что на ВМ отсутствовал пакет
`python3.10-venv`; пакет установлен, virtualenv создан, зависимости установлены.
После этого юнит был установлен повторно.

Первая проверка health попала в момент запуска и получила `connection refused`.
Проверка по systemd/journal подтвердила нормальный запуск Uvicorn на
`127.0.0.1:8768`; повторный health вернул `{"status":"ok"}`.

Проверки изоляции: `gemini-proxy.service` активен; `GEMINI_API_KEY` отсутствует
в серверном env-файле намеренно; существующий `elmer` не перезапускался и не
использовался. Nginx-маршрут пока не добавлялся, поэтому proxy снаружи ВМ не
доступен.

## Активация ключа и проверка proxy

По дополнительной команде пользователя API-ключ Gemini установлен только на
немецкой ВМ в `/etc/gemini-proxy/gemini-proxy.env`. В репозиторий и HISTORY
ключ не записывался. Перезапущен только `gemini-proxy.service`.

Контрольный запрос с `PLAN/lekar.png` через `POST /gemini` на localhost ВМ:
HTTP 200.

Ответ модели:

```json
{"date":null,"medicines":[{"name":"Fluvoxamini","dosage":"100 mg"}]}
```

Usage: prompt 1139, image 1102, text 37, candidate output 23, thoughts 650,
total 1812. Прокси работает; внешний nginx-маршрут пока не добавлялся.

## Проверка полного текста каракулей через proxy

Промпт в `gemini_proxy/app.py` изменён: теперь модель должна транскрибировать
весь видимый медицинский текст фрагмента, включая несколько лекарств,
дозировки, частоту, способ и длительность приёма, без нормализации и выдумок.
Фиксированная схема списка лекарств удалена; ответ proxy по-прежнему содержит
одно поле `text` и usage.

После синхронизации `app.py` и перезапуска только `gemini-proxy` выполнен
контрольный запрос с полным `lekar.png`. Получен HTTP 200. Gemini вернул:

```json
{"text":"Fluvoxamini 100 mg\nDtd N 30 in tab\nS. по 1 т 1 р в день\nвнутри в течение\n30 дней."}
```

Модель сохранила название, дозировку, количество, схему приёма и длительность
30 дней. Usage: prompt 1170, image 1102, text 68, candidate output 48,
thoughts 1259, total 2477. Временный файл ответа не был доступен из-за
`PrivateTmp=true`; повторная проверка через stdout успешно получила чистый
результат. Ключ в HISTORY не записывался.

## Прозрачная передача prompt и настроек Gemini

Выяснено, что предыдущая версия proxy сама формировала prompt и принудительно
добавляла `thinkingConfig`. Это нарушало требование: российский сервер должен
передавать немецкому proxy изображение, prompt, `generationConfig` и при
необходимости ключ, а немецкий proxy только пересылает их в Gemini.

Proxy изменён: `POST /gemini` теперь принимает multipart-поля `image`,
обязательный `prompt`, JSON-строку `generation_config` и необязательный
`api_key_override`. Поле `generation_config` проверяется как JSON-объект и
передаётся без подмены. Фиксированный prompt и настройки thinking удалены.

Локальная проверка после изменения: 3 теста прошли, синтаксис `app.py`
проверен через `py_compile`.

Изменение развёрнуто на немецкую ВМ. End-to-end проверка с `lekar.png`,
внешним prompt, `generation_config={"temperature":0,"maxOutputTokens":2000}`
и ключом override завершилась HTTP 200. Ответ содержит `Fluvoxamini 100 mg`,
`DtdN 30 in tab`, схему `1 т 1 р. в день` и длительность `30 дней`.

Usage проверки: prompt 1117, image 1102, text 15, candidate output 80,
thoughts 1760, total 2957. Ключ в журнал не записывался.

## Проверка `PLAN/lekar1.png` с минимальным thinking

Предыдущий тест использовал ошибочный crop из `lekar.png`. По уточнению
пользователя отправлен именно файл `PLAN/lekar1.png` размером 1543x470.
Параметры: `thinkingConfig.thinkingLevel=minimal`, temperature 0,
maxOutputTokens 300.

Результат: HTTP 200, `thoughtsTokenCount` отсутствует.

```text
Risperidoni 2 mg
DTD N 60 in tab
S. по 1 та 2 р в день
внутри вечером
30 дн.
```

Usage: prompt 1097, image 1080, text 17, candidate output 37, total 1134.

## Проверка `PLAN/lekar3.png`

Файл `PLAN/lekar3.png` отправлен через proxy с `thinkingLevel=minimal`.
Результат HTTP 200:

```text
Periciazini 10mg
Proin 100 in tab.
S. po 1/2 t 4 r. в день
внутрі в течение
30 дней
```

Usage: prompt 1117, image 1100, text 17, candidate output 43, total 1160.
`thoughtsTokenCount` отсутствует.

## Gemini 3.6 Flash: thinkingLevel minimal

Выполнен контрольный запрос второго лекарственного фрагмента через proxy с
настройкой:

```json
{"temperature":0,"maxOutputTokens":300,"thinkingConfig":{"thinkingLevel":"minimal"}}
```

Ответ: HTTP 200. Gemini вернул текст:

```text
Didir 30 m tab
S. по 1т 1/р в день
внутрі ввечері
30 днів.
```

`thoughtsTokenCount` в ответе отсутствует, что подтверждает отсутствие
отдельно тарифицируемых reasoning-токенов в этом запросе. Usage: prompt 1119,
image 1102, text 17, candidate output 34, total 1153.