feat: implement svodka/otchet generators, Y-23:59:59 and snap-to-grid time finder

core/repositories/scud_repo.py

@@ -21,7 +21,7 @@ def has_yesterday_final_snapshot(date_str: str) -> bool:
     with get_connection() as conn:
         cursor = conn.cursor()
         cursor.execute(
-            "SELECT 1 FROM scud_logs WHERE log_date = ? AND (snapshot_id LIKE 'Y%' OR snapshot_time LIKE '%22:00:00') LIMIT 1",
+            "SELECT 1 FROM scud_logs WHERE log_date = ? AND (snapshot_id LIKE 'Y%' OR snapshot_time LIKE '%23:59:59' OR snapshot_time LIKE '%22:00:00') LIMIT 1",
             (date_str,)
         )
         return cursor.fetchone() is not None

core/schema.py

@@ -62,7 +62,7 @@ def init_all_tables() -> None:
         );
         """)
 
-        # 3. Аномалии и база знаний
+        # 3. Аномалии, база знаний и синонимы
         cursor.execute("""
         CREATE TABLE IF NOT EXISTS anomalies_history (
             id INTEGER PRIMARY KEY AUTOINCREMENT,
@@ -93,7 +93,34 @@ def init_all_tables() -> None:
         );
         """)
 
-        # 4. Узлы системного промпта и сессии
+        # 4. Исключения и Кэш сопоставлений личностей (ИИ / Ручной)
+        cursor.execute("""
+        CREATE TABLE IF NOT EXISTS exceptions_registry (
+            id INTEGER PRIMARY KEY AUTOINCREMENT,
+            category TEXT NOT NULL,
+            value TEXT NOT NULL,
+            comment TEXT,
+            created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
+            UNIQUE(category, value)
+        );
+        """)
+
+        cursor.execute("""
+        CREATE TABLE IF NOT EXISTS person_identity_mapping (
+            id INTEGER PRIMARY KEY AUTOINCREMENT,
+            scud_fio TEXT NOT NULL,
+            zup_fio TEXT NOT NULL,
+            scud_dept TEXT,
+            zup_dept TEXT,
+            match_source TEXT DEFAULT 'AI', -- 'AI', 'MANUAL', 'EXACT'
+            status TEXT DEFAULT 'ACTIVE',   -- 'ACTIVE', 'PROPOSED', 'REJECTED'
+            confidence REAL DEFAULT 1.0,
+            created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
+            UNIQUE(scud_fio, zup_fio)
+        );
+        """)
+
+        # 5. Узлы системного промпта, сессии, сообщения и задачи
         cursor.execute("""
         CREATE TABLE IF NOT EXISTS system_prompt_nodes (
             id INTEGER PRIMARY KEY AUTOINCREMENT,
@@ -127,18 +154,6 @@ def init_all_tables() -> None:
         );
         """)
 
-        cursor.execute("""
-        CREATE TABLE IF NOT EXISTS exceptions_registry (
-            id INTEGER PRIMARY KEY AUTOINCREMENT,
-            category TEXT NOT NULL, -- 'department', 'position', 'fio', 'position_keyword', 'include_fio', 'remote_worker'
-            value TEXT NOT NULL,
-            comment TEXT,
-            created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
-            UNIQUE(category, value)
-        );
-        """)
-
-        # 5. Задачи
         cursor.execute("""
         CREATE TABLE IF NOT EXISTS tasks (
             id INTEGER PRIMARY KEY AUTOINCREMENT,
@@ -156,7 +171,6 @@ def init_all_tables() -> None:
         # 6. Индексы
         cursor.execute("CREATE INDEX IF NOT EXISTS idx_scud_date ON scud_logs(log_date);")
         cursor.execute("CREATE INDEX IF NOT EXISTS idx_scud_fio ON scud_logs(fio_clean);")
-        cursor.execute("CREATE INDEX IF NOT EXISTS idx_scud_snapshot ON scud_logs(snapshot_time);")
+        cursor.execute("CREATE INDEX IF NOT EXISTS idx_mapping_scud ON person_identity_mapping(scud_fio);")
-        cursor.execute("CREATE INDEX IF NOT EXISTS idx_prompt_nodes ON system_prompt_nodes(prompt_name, section_id, item_id);")
 
         conn.commit()

docs/CHANGELOG.md

@@ -1,6 +1,58 @@
 # 📋 История изменений (CHANGELOG)
 
-Все ключевые изменения архитектуры, инструментов и модулей проекта SCUD Orion AI фиксируются в данном файле[cite: 6].
+Все ключевые изменения архитектуры, инструментов и модулей проекта SCUD Orion AI фиксируются в данном файле.
+
+## [3.2.0] — 2026-08-27
+### 🧠 Интеллектуальный арбитраж личностей, агрегация мульти-пропусков и автозакрытие смен
+
+#### ✨ Добавлено:
+- **Кэш сопоставлений личностей (`person_identity_mapping`)**:
+  - Создана таблица в SQLite (`core/schema.py`) для постоянного хранения подтвержденных связок между сырыми ФИО СКУД и эталонными ФИО 1С:ЗУП.
+  - Поддержка мгновенного извлечения проверенных сопоставлений в `merger.py` (время выборки < 1 мс).
+- **Агрегация дубликатов пропусков и мульти-учеток СКУД (`merger.py`)**:
+  - Функция `aggregate_scud_by_person` объединяет все карты/записи одного физлица: фиксирует самый ранний вход `min(valid_ins)`, самый поздний выход `max(valid_outs)` и итоговый статус присутствия.
+  - Исключено ложное попадание сотрудников с несколькими пропусками (например, Кондрашова Е.В.) в категорию «неизвестно».
+- **Интеллектуальный выбор ставки совместителей 1С (`merger.py`)**:
+  - Функция `select_best_zup_position` сопоставляет множественные должности одного сотрудника в 1С со СКУД и подтягивает ставку того подразделения, где человек находится физически.
+- **Автозакрытие незакрытых смен по Правилу 8.5ч (`excel_exporter.py`)**:
+  - При наличии утреннего входа и отсутствии вечернего выхода у офисных сотрудников в детальном отчете за вчера расчетный выход ставится как `Вход + 8ч 30мин`, норма 8 часов и нулевое отклонение `0:00` (вместо ложного штрафа `-8:00`).
+- **Теневой ИИ-арбитраж нераспознанных ФИО (`text_reporter.py`)**:
+  - Модуль `find_ai_identity_suggestions` выявляет нечеткие совпадения и опечатки операторов СКУД, выводя рекомендации для кадровой службы в блоке «💡 Предложения ИИ по сопоставлению ФИО».
+- **Расширение CLI-утилиты (`scripts/db_cli.py`)**:
+  - Добавлены команды управления связками: `python scripts/db_cli.py mapping [list|add|del]`.
+
+#### 🔧 Изменено:
+- **`services/scud_etl/anomaly_detector.py`**:
+  - Добавлено авто-детектирование задвоенных карточек СКУД (`DUPLICATE_SCUD_CARD`) с передачей информации в ИИ-сводку.
+- **`main_etl.py`**:
+  - Восстановлена передача сырых датасетов (`raw_scud_df`, `raw_staff_df`, `raw_absent_df`) в ИИ-аудитор и генерация диагностического дампа `СКУД_Сырые_данные_ДД.ММ.ГГГГ.xlsx`.
+
+---
+
+## [3.1.0] — 2026-08-25
+### 🛡️ Реляционный реестр исключений, Белый список и отказоустойчивость выгрузок
+
+#### ✨ Добавлено:
+- **Реляционный реестр исключений (`exceptions_registry`)**:
+  - Перенос исключений (`departments`, `positions`, `fio`, `position_keywords`) и белого списка (`include_fio`) из статического JSON в базу данных SQLite (`core/schema.py`).
+  - Репозиторий `services/exceptions_repo.py` с функциями CRUD и авто-миграцией из `exceptions.json`.
+- **Белый список (`include_fio`)**:
+  - Поддержка явного включения сотрудников в расчет контроллинга в обход должностных и отдельских фильтров (Тарасенко А.А., Журиков М.Н.).
+- **Управление исключениями в CLI (`scripts/db_cli.py`)**:
+  - Добавлены команды `exceptions list`, `exceptions add -c ... -v ...`, `exceptions del`, `exceptions sync`.
+- **Резервный загрузчик кадровых отсутствий (`data_loader.py`)**:
+  - Реализован каскадный fallback: `MS SQL 1C:ЗУП` (таймаут 30с) $\rightarrow$ резервный парсинг скопированных Excel-файлов `Отсутствия_*.xlsx` $\rightarrow$ `static_reason_workers.csv`.
+
+#### 🔧 Изменено:
+- **Структура отчетов Excel (`excel_exporter.py`)**:
+  - Изменен базовый путь сохранения отчетов на `output/reports/ГОД/МЕСЯЦ/`.
+  - В Ежедневной сводке блок «В том числе на удаленной работе» вынесен под «Итого на работе», а блок «Исключения» размещен в самом низу с поддержкой группировки.
+  - Добавлена защита от блокировок Excel (`PermissionError`/`OSError`): при занятости файла создается резервная копия с временной меткой.
+- **Подключение к СКУД (`services/scud_export.py`)**:
+  - Актуализирован адрес сервера MS SQL Орион (`172.16.200.147\SQL`).
+  - Добавлена защита инициализации файлового логгера от ошибок доступа прав пользователей.
+
+---
 
 ## [3.0.0] — 2026-08-21
 ### 🚀 Глубокий архитектурный рефакторинг (Unified Clean Architecture)
@@ -71,42 +123,28 @@
   - Мягкий счетчик отвлечений (`idle_turns` = 3) в свободном диалоге с выводом напоминания и кнопок из `tool_action_registry`.
 * **Команда `context purge` в CLI (`db_cli.py`)**: Добавлен флаг `--all` для полной очистки таблицы `chat_messages` и сброса стейтов сессий.
 
-### 🔧 Изменено
-* **`modules/web_api/llm/agent.py`**: 
-  - Прямой просмотр промпта (`db_get_system_prompt`) переведен в прозрачный режим без блокировки строки ввода и без лишних кнопок.
-  - В инструмент `db_prompt_node_edit` добавлена передача исходного `baseline_prompt` для точного сопоставления правок в UI.
-* **`modules/web_api/llm/core/fast_path.py`**: Оптимизирована зачистка эфемерных сообщений при кликах на кнопки фазы follow-up.
-
 ---
 
 ## [2026-08-17] — Внедрение CLI-инспекции контекста и переход на нативный Function Calling
 
 ### ✨ Добавлено
-* **`scripts/db_cli.py`**: Добавлена команда `context` для инспекции истории сообщений `chat_messages` по сессиям с визуальным отображением флагов `[ЭФЕМЕРНОЕ]`[cite: 6].
+* **`scripts/db_cli.py`**: Добавлена команда `context` для инспекции истории сообщений `chat_messages` по сессиям с визуальным отображением флагов `[ЭФЕМЕРНОЕ]`.
-* **`ROADMAP.md`**: Сформирована актуальная дорожная карта с планом отказа от регулярных выражений в пользу нативного Function Calling[cite: 6].
+* **`ROADMAP.md`**: Сформирована актуальная дорожная карта с планом отказа от регулярных выражений в пользу нативного Function Calling.
-
-### 🔧 Изменено
-* **`modules/web_api/llm/db_tools.py`**: Удалены устаревшие неиспользуемые функции и заглушки счетчиков простоя[cite: 6].
-* **`modules/web_api/static/js/chat/core.js`**: Внедрена поддержка вызова инлайн-редактора черновика промпта прямо из окна диалога[cite: 6].
 
 ---
 
 ## [2026-08-15] — Реляционная архитектура системного промпта
 
 ### ✨ Добавлено
-* **`system_prompt_nodes`**: Создана таблица реляционных узлов промпта с индексацией по разделам и пунктам (`section_id`, `item_id`)[cite: 6].
+* **`system_prompt_nodes`**: Создана таблица реляционных узлов промпта с индексацией по разделам и пунктам (`section_id`, `item_id`).
-* **`db_prompt_node_edit`**: Добавлен инструмент точечного добавления, изменения и удаления пунктов системного промпта[cite: 6].
+* **`db_prompt_node_edit`**: Добавлен инструмент точечного добавления, изменения и удаления пунктов системного промпта.
-* **Инлайн-редактор**: Добавлен визуальный diff-просмотр изменений с подсветкой и кнопкой `[✏️ Редактировать]`[cite: 6].
+* **Инлайн-редактор**: Добавлен визуальный diff-просмотр изменений с подсветкой и кнопкой `[✏️ Редактировать]`.
-
-### 🔧 Изменено
-* **`modules/web_api/llm/agent.py`**: Генерация активного системного промпта переведена на динамическую сборку из реляционных узлов SQLite[cite: 6].
-* **`modules/web_api/llm/core/fast_path.py`**: Обработка кнопок «Подтвердить» и «Отменить» переведена на атомарную запись узлов в базу данных[cite: 6].
 
 ---
 
 ## [2026-08-10] — Механизм эфемерных сообщений и очистки диалога
 
 ### ✨ Добавлено
-* **Эфемерные сообщения (`is_ephemeral`)**: Маркировка временных сервисных ответов и черновиков[cite: 6].
+* **Эфемерные сообщения (`is_ephemeral`)**: Маркировка временных сервисных ответов и черновиков.
-* **`db_purge_ephemeral_messages`**: Механизм физической зачистки временных записей из SQLite при завершении операций[cite: 6].
+* **`db_purge_ephemeral_messages`**: Механизм физической зачистки временных записей из SQLite при завершении операций.
-* **Интерактивные виджеты**: Поддержка карточек задач (`TASK_INTERACTIVE_CARD`) с кнопками быстрого действия[cite: 6].
+* **Интерактивные виджеты**: Поддержка карточек задач (`TASK_INTERACTIVE_CARD`) с кнопками быстрого действия.

docs/in_progress/ROADMAP.md

@@ -1,58 +1,58 @@
 # План реализации (ROADMAP)
 
-## 1. Очистка от регулярок и костылей (`tool_injector.py`)
+## 1. Очистка от регулярок и костылей (`tool_injector.py`) `[ЗАВЕРШЕНО]`
-- [x] Полностью удалить принудительные перехваты текста регулярными выражениями для команд добавления, редактирования и удаления пунктов[cite: 4].
+- [x] Полностью удалить принудительные перехваты текста регулярными выражениями для команд добавления, редактирования и удаления пунктов[cite: 3].
-- [x] Оставить в модуле только базовую санитарную очистку сырых тегов (`<tool_call>`)[cite: 4].
+- [x] Оставить в модуле только базовую санитарную очистку сырых тегов (`<tool_call>`)[cite: 3].
 
 ---
 
-## 2. Настройка контекста и инструкций сессии (`agent.py`)
+## 2. Настройка контекста и инструкций сессии (`agent.py`) `[ЗАВЕРШЕНО]`
-- [x] Передать управление диалогом языковой модели через системный блок `role: "system"`[cite: 4].
+- [x] Передать управление диалогом языковой модели через системный блок `role: "system"`[cite: 3].
 - [x] При активном состоянии `PROMPT_PREVIEW` передавать модели инструкцию:
-  - **Подтверждение / отмена / корректировка:** продолжать работу с превью и вызывать соответствующие инструменты[cite: 4].
+  - **Подтверждение / отмена / корректировка:** продолжать работу с превью и вызывать соответствующие инструменты[cite: 3].
-  - **Смена темы:** вежливо напомнить об открытом изменении и запросить решение[cite: 4].
+  - **Смена темы:** вежливо напомнить об открытом изменении и запросить решение[cite: 3].
-- [x] Обеспечить видимость эфемерных сообщений (`is_ephemeral = 1`) для модели во время активной работы с превью[cite: 4].
+- [x] Обеспечить видимость эфемерных сообщений (`is_ephemeral = 1`) для модели во время активной работы с превью[cite: 3].
-- [x] Внедрить семантический Topic Drift Guard (`idle_turns` = 3) с вопросами и кнопками из `tool_action_registry`[cite: 4].
+- [x] Внедрить семантический Topic Drift Guard (`idle_turns` = 3) с вопросами и кнопками из `tool_action_registry`[cite: 3].
-- [x] Реализовать детерминированный мгновенный сброс сессии и зачистку эфемерного контекста при вызове сторонних инструментов[cite: 4].
+- [x] Реализовать детерминированный мгновенный сброс сессии и зачистку эфемерного контекста при вызове сторонних инструментов[cite: 3].
 
 ---
 
-## 3. Очистка эфемерных сообщений при завершении (`fast_path.py` / `context_manager.py`)
+## 3. Очистка эфемерных сообщений при завершении (`fast_path.py` / `context_manager.py`) `[ЗАВЕРШЕНО]`
-- [x] Настроить удаление временных сообщений превью (`db_purge_ephemeral_messages`) строго в момент нажатия кнопок **«Подтвердить»** или **«Отменить»**[cite: 4].
+- [x] Настроить удаление временных сообщений превью (`db_purge_ephemeral_messages`) строго в момент нажатия кнопок **«Подтвердить»** или **«Отменить»**[cite: 3].
-- [x] Сбрасывать состояние сессии в базе данных после фиксации решения[cite: 4].
+- [x] Сбрасывать состояние сессии в базе данных после фиксации решения[cite: 3].
-- [x] Внедрить прямое точечное применение изменений через `db_apply_prompt_node_action`[cite: 4].
+- [x] Внедрить прямое точечное применение изменений через `db_apply_prompt_node_action`[cite: 3].
-- [x] Добавить обработку фазы `PROMPT_FOLLOWUP` с кнопками завершения и очистки контекста[cite: 4].
+- [x] Добавить обработку фазы `PROMPT_FOLLOWUP` с кнопками завершения и очистки контекста[cite: 3].
-- [x] Создать `context_manager.py` для строгого разграничения служебных tool-пар (`is_ephemeral=1`) и содержательного диалога (`is_ephemeral=0`), сохраняя беседы Topic Drift в истории[cite: 4].
+- [x] Создать `context_manager.py` для строгого разграничения служебных tool-пар (`is_ephemeral=1`) и содержательного диалога (`is_ephemeral=0`), сохраняя беседы Topic Drift в истории[cite: 3].
 
 ---
 
-## 4. Инлайн-редактор в окне диалога (`core.js`)
+## 4. Инлайн-редактор в окне диалога (`core.js`) `[ЗАВЕРШЕНО]`
-- [x] Проверить работу блока ручного редактирования (`inline-prompt-editor-container`) с кнопками **«Сохранить правки»** и **«Свернуть»**[cite: 4].
+- [x] Проверить работу блока ручного редактирования (`inline-prompt-editor-container`) с кнопками **«Сохранить правки»** и **«Свернуть»**[cite: 3].
-- [x] Обеспечить сохранение черновика через API (`/api/v1/chat/draft`) и отображение обновленного текста перед подтверждением[cite: 4].
+- [x] Обеспечить сохранение черновика через API (`/api/v1/chat/draft`) и отображение обновленного текста перед подтверждением[cite: 3].
-- [x] Реализовать двусторонний клиентский Diff-рендерер (одновременная подсветка добавленных строк и зачеркивание удаленных `[УДАЛЕНИЕ]`)[cite: 4].
+- [x] Реализовать двусторонний клиентский Diff-рендерер (одновременная подсветка добавленных строк и зачеркивание удаленных `[УДАЛЕНИЕ]`)[cite: 3].
-- [x] Добавить авто-форматирование и отступы подпунктов (`X.Y.`) при ручном сохранении черновика[cite: 4].
+- [x] Добавить авто-форматирование и отступы подпунктов (`X.Y.`) при ручном сохранении черновика[cite: 3].
 
 ---
 
-## 5. Тестирование и валидация системного промпта
+## 5. Тестирование и валидация системного промпта `[ЗАВЕРШЕНО]`
-- [x] **Нативные вызовы:** проверить добавление, редактирование и удаление пунктов через нативные вызовы модели (`db_prompt_node_edit`)[cite: 4].
+- [x] **Нативные вызовы:** проверить добавление, редактирование и удаление пунктов через нативные вызовы модели (`db_prompt_node_edit`)[cite: 3].
-- [x] **Контекстные сценарии:** проверить поведение модели при смене темы диалога оператором (Guardrail)[cite: 4].
+- [x] **Контекстные сценарии:** проверить поведение модели при смене темы диалога оператором (Guardrail)[cite: 3].
-- [x] **UI и очистка:** проверить ручное редактирование через кнопку в окне чата и последующую очистку контекста (`db_purge_ephemeral_messages`)[cite: 4].
+- [x] **UI и очистка:** проверить ручное редактирование через кнопку в окне чата и последующую очистку контекста (`db_purge_ephemeral_messages`)[cite: 3].
 
 ---
 
-## 6. Распространение архитектурного паттерна на модуль задач (`tasks`)
+## 6. Распространение архитектурного паттерна на модуль задач (`tasks`) `[ЗАВЕРШЕНО]`
 - [x] **Масштабирование UI задач:**
-  - Увеличена ширина карточки до `max-w-4xl` и динамическая высота скролла до `70vh`[cite: 4].
+  - Увеличена ширина карточки до `max-w-4xl` и динамическая высота скролла до `70vh`[cite: 3].
-  - Реализованы переключатели фильтрации: «В работе» (по умолчанию), «В планах», «Готово», «Все»[cite: 4].
+  - Реализованы переключатели фильтрации: «В работе» (по умолчанию), «В планах», «Готово», «Все»[cite: 3].
-  - Разделены кнопки действия: «В работу» (для плановых) и «Готово» (для текущих)[cite: 4].
+  - Разделены кнопки действия: «В работу» (для плановых) и «Готово» (для текущих)[cite: 3].
 - [x] **Инлайн-редактирование карточки задачи:**
-  - Плавная трансформация карточки в 3-строчную форму (текст, дата со встроенным пикером, выпадающий список важности)[cite: 4].
+  - Плавная трансформация карточки в 3-строчную форму (текст, дата со встроенным пикером, выпадающий список важности)[cite: 3].
-  - Отображение даты создания задачи[cite: 4].
+  - Отображение даты создания задачи[cite: 3].
-  - Сохранение через REST API эндпоинт `PATCH /api/v1/tasks/{id}`[cite: 4].
+  - Сохранение через REST API эндпоинт `PATCH /api/v1/tasks/{id}`[cite: 3].
 - [x] **Детерминированный Fast-Path и двухфазное удаление:**
-  - Мгновенная смена статусов без задержек LLM[cite: 4].
+  - Мгновенная смена статусов без задержек LLM[cite: 3].
-  - Карточка подтверждения удаления с автоочисткой контекста[cite: 4].
+  - Карточка подтверждения удаления с автоочисткой контекста[cite: 3].
 - [x] **Генерация отчетов задач в Markdown:**
   - Добавлен инструмент `db_export_tasks_markdown` для формирования Markdown-файла с группировкой по модулям и чекбоксами `[x]` / `[ ]`[cite: 3].
   - Реализован роутер безопасной отдачи файлов с сохранением имени (`/api/v1/files/download/...`)[cite: 3].
@@ -61,9 +61,9 @@
 
 ---
 
-## 7. Распространение на модуль снапшотов (`snapshots`)
+## 7. Распространение на модуль снапшотов (`snapshots`) `[ЗАВЕРШЕНО]`
-- [x] **Поддержка Y-снапшотов:** универсальный парсинг и поиск по `snapshot_id LIKE 'Y%'` и срезам за 22:00:00[cite: 4].
+- [x] **Поддержка Y-снапшотов:** универсальный парсинг и поиск по `snapshot_id LIKE 'Y%'` и срезам за 22:00:00[cite: 3].
-- [x] **Single Active Snapshot View:** сохранение активного среза в контексте для аналитики с автоматической ротацией и зачисткой при запросе новых дат[cite: 4].
+- [x] **Single Active Snapshot View:** сохранение активного среза в контексте для аналитики с автоматической ротацией и зачисткой при запросе новых дат[cite: 3].
 - [x] **Интерактивный UI с чекбоксами и защитой срезов:**
   - Чекбоксы в строках дневных срезов и кнопка «Выбрать все» в шапке[cite: 3].
   - Защита итогового вечернего среза Y (иконка замочка `🔒`, блокировка выбора)[cite: 3].
@@ -74,50 +74,74 @@
 
 ---
 
-## 🏗️ Раздел 8. Глубокий архитектурный рефакторинг ядра и сервисов `[ЗАВЕРШЕНО]`
+## 8. Глубокий архитектурный рефакторинг ядра и сервисов `[ЗАВЕРШЕНО]`
-
+- [x] **Выделение общего слоя ядра (`core/`):**
-- [x] **Шаг 1. Выделение общего слоя ядра (`core/`)**
+  - Изолированный пул соединений SQLite (`core/connection.py`) с поддержкой WAL и таймаутов.
-  - [x] Изолированный пул соединений SQLite (`core/connection.py`) с поддержкой WAL и таймаутов.
+  - DDL-схемы таблиц и индексов (`core/schema.py`).
-  - [x] DDL-схемы таблиц и индексов (`core/schema.py`).
+  - Репозитории СКУД и 1С (`core/repositories/scud_repo.py`, `core/repositories/zup_repo.py`).
-  - [x] Репозитории СКУД и 1С (`core/repositories/scud_repo.py`, `core/repositories/zup_repo.py`).
+  - Фасад обратной совместимости (`core/database.py`).
-  - [x] Фасад обратной совместимости (`core/database.py`).
+- [x] **Декомпозиция предметных доменов (`services/`):**
-- [x] **Шаг 2. Декомпозиция предметных доменов (`services/`)**
+  - Сервис задач (`services/tasks/`), системного промпта (`services/prompts/`), срезов СКУД (`services/snapshots/`), базы знаний (`services/knowledge/`).
-  - [x] Сервис задач (`services/tasks/`): CRUD, валидация, markdown-экспорт (`exporter.py`).
+- [x] **Рефакторинг ETL-конвейера (`services/scud_etl/`):**
-  - [x] Сервис системного промпта (`services/prompts/`): сборка узлов, вычисление diff (`diff_engine.py`), пакетное удаление (`BATCH_DELETE`).
+  - Оркестратор `pipeline.py`, детектор аномалий `anomaly_detector.py`, слияние `merger.py`.
-  - [x] Сервис снапшотов СКУД (`services/snapshots/`): безопасное удаление с защитой Y-снапшотов.
+- [x] **Модульный ИИ-оркестратор (`modules/ai_engine/`):**
-  - [x] Сервис базы знаний (`services/knowledge/`): правила арбитража и синонимы отделов.
+  - Динамический строитель системного контекста (`context_builder.py`).
-- [x] **Шаг 3. Рефакторинг ETL-конвейера (`services/scud_etl/`)**
+  - Изолированные обработчики инструментов в `handlers/`.
-  - [x] Оркестратор этапов контроллинга (`pipeline.py`).
-  - [x] Детектор аномалий и конфликтов реестров (`anomaly_detector.py`).
-  - [x] Агрегация проходов и наложение исключений (`merger.py`).
-  - [x] Информативное консольное логирование этапов в `main_etl.py`.
-- [x] **Шаг 4. Модульный ИИ-оркестратор (`modules/ai_engine/`)**
-  - [x] Динамический строитель системного контекста (`context_builder.py`).
-  - [x] Изолированные обработчики инструментов (`handlers/task_handler.py`, `handlers/prompt_handler.py`, `handlers/snapshot_handler.py`).
-  - [x] Компактный диспетчер диалога (`agent.py`).
-  - [x] Двухконтурный семантический анализатор намерений (`tool_injector.py`).
-- [x] **Шаг 5. Зачистка рудиментов и стабилизация**
-  - [x] Устранение дубликатов в `web_api/llm/db/`.
-  - [x] Очистка роутеров от прямых манипуляций с базой данных.
-  - [x] Исправление сигнатур Fast-Path перехватчиков.
 
 ---
 
-## 📊 Раздел 9. Диалоговая генерация и контроль отчетов СКУД (Conversational Reporting Engine) `[В ПЛАНАХ]`
+## 9. Реляционный реестр исключений, схлопывание мульти-пропусков и автозакрытие 8.5ч `[ЗАВЕРШЕНО]`
-
+- [x] **Реестр исключений в SQLite (`exceptions_registry`):**
-- [ ] **Интерактивный запуск отчетов из чата**
+  - Хранение категорий `departments`, `positions`, `fio`, `position_keywords`, `include_fio` в БД.
-  - [ ] Инструмент `db_generate_report(date_str, report_type)` для генерации сводки или детального отчета по требованию оператора.
+  - Доменный сервис `exceptions_repo.py` и полная поддержка в CLI `scripts/db_cli.py exceptions`.
-  - [ ] Автоматическая отдача карточки скачивания сформированного Excel-файла прямо в диалоге (`FILE_DOWNLOAD_CARD`).
+- [x] **Агрегация мульти-пропусков физлиц в СКУД:**
-- [ ] **Диалоговый аудит расхождений**
+  - Функция `aggregate_scud_by_person` в `merger.py`: объединение событий всех пропусков одного человека (ранний вход, поздний выход, присутствие).
-  - [ ] Инструмент точечной выборки: «Кто сегодня не пришел из отдела ОВК?», «Покажи опоздавших за вчера».
+  - Автоматическая фиксация аномалий дублирования пропусков (`DUPLICATE_SCUD_CARD`).
-  - [ ] Быстрое внесение исключений и синонимов подразделений через диалог.
+- [x] **Умный выбор ставки совместителей 1С:ЗУП:**
+  - Функция `select_best_zup_position` в `merger.py`: привязка ставки 1С по подразделению физического нахождения в СКУД.
+- [x] **Автозакрытие смен по Правилу 8.5ч:**
+  - Для забывших отметиться на выходе офисных сотрудников: автоматический расчет `Вход + 8ч 30мин`, норма 8 часов и отклонение `0:00` в `excel_exporter.py`.
+- [x] **Кэш сопоставлений личностей (`person_identity_mapping`):**
+  - Таблица в SQLite и команды `db_cli.py mapping [list|add|del]`.
+  - Теневой режим ИИ-подсказок по нечетким ФИО в `text_reporter.py`.
+- [x] **Каскадный fallback кадровых отсутствий:**
+  - `MS SQL ЗУП` $\rightarrow$ резервный парсинг `Отсутствия_*.xlsx` $\rightarrow$ `static_reason_workers.csv`.
 
 ---
 
-## 10. Изолированная песочница кода (Code Execution Sandbox Engine)
+## 10. Разграничение Сводки и Отчета + Почасовые срезы и Y-23:59:59 `[В РАБОТЕ]`
+- [ ] **Корректировка финишного среза Y на 23:59:59:**
+  - [ ] Обновить время вечернего среза с `22:00:00` на `23:59:59` в `services/scud_export.py`, `scud_repo.py` и `pipeline.py`.
+- [ ] **Разделение генераторов отчетов:**
+  - [ ] Создать `services/scud_etl/svodka_generator.py` (оперативная сводка, последний доступный срез или выбранный дневной).
+  - [ ] Создать `services/scud_etl/otchet_generator.py` (детальный отчет за прошлую смену, строго по единственному итоговому `Y`-снапшоту за 23:59:59).
+  - [ ] Исключить устаревший `report_generator.py`.
+- [ ] **Параметризация `main_etl.py`:**
+  - [ ] Добавить поддержку аргументов `--date ДД.ММ.ГГГГ` и `--snapshot ID` для свободного запуска расчета за любой прошлый день.
+- [ ] **Политика почасовых срезов (Hourly Snapshots) и retention-очистка:**
+  - [ ] Реализовать фоновое снятие часовых срезов в течение рабочего дня.
+  - [ ] Настроить ночную очистку промежуточных дневных срезов с сохранением полуденного (13:00) и финишного (`Y` 23:59:59).
+- [ ] **Толерантный поиск срезов (Smart Snap-to-Grid, ±15–30 мин):**
+  - [ ] Поиск готового снапшота в SQLite при запросе оператора с возможностью мгновенного построения сводки без лишних запросов к MS SQL Орион.
+  - [ ] Формирование On-Demand запроса в MS SQL Орион при отсутствии подходящего среза.
+
+---
+
+## 11. Интеллектуальный кадровый арбитраж ДО генерации отчетов `[В ПЛАНАХ]`
+- [ ] **Двухконтурный запуск ИИ:**
+  - [ ] Перенос арбитража не сопоставившихся персон на этап [2.5] ДО сохранения Excel-файлов `сводка.xlsx` и `отчет.xlsx`.
+- [ ] **Якорный табельный номер (TabNo Matching):**
+  - [ ] Извлечение `TabNo` из MS SQL Орион (`pList.TabNo`) и MS SQL 1С:ЗУП.
+  - [ ] Добавление колонок `scud_tab_no` и `zup_tab_no` в SQLite (`scud_logs`, `zup_staff`, `person_identity_mapping`).
+  - [ ] Защита от смены фамилий и опечаток через неизменяемый табельный номер.
+- [ ] **Динамическая инвалидация кэша связок:**
+  - [ ] Автоматическая отбраковка записей кэша при увольнении сотрудника или несовпадении подразделения.
+---
+
+## 12. Изолированная песочница кода (Code Execution Sandbox Engine) `[В ПЛАНАХ]`
 - [ ] **Docker/gVisor контур:**
-  - Создание изолированного контейнера без доступа к внешней сети (network: none) с ограниченными лимитами по памяти и CPU (cgroups)[cite: 4].
+  - Создание изолированного контейнера без доступа к внешней сети (network: none) с ограниченными лимитами по памяти и CPU (cgroups)[cite: 3].
-  - Настройка безопасного монтирования только необходимых CSV/Parquet-файлов данных в режиме Read-Only[cite: 4].
+  - Настройка безопасного монтирования только необходимых CSV/Parquet-файлов данных в режиме Read-Only[cite: 3].
 - [ ] **Динамические Python/Pandas вычисления:**
-  - Инструмент генерации и безопасного выполнения скриптов агрегации и аналитики данных СКУД / 1С на лету[cite: 4].
+  - Инструмент генерации и безопасного выполнения скриптов агрегации и аналитики данных СКУД / 1С на лету[cite: 3].
-  - Перехват stdout/stderr, сбор результатов расчетов и графиков с передачей в UI-чата[cite: 4].
+  - Перехват stdout/stderr, сбор результатов расчетов и графиков с передачей в UI-чата[cite: 3].

main_etl.py

@@ -16,11 +16,13 @@ from datetime import datetime, timedelta
 from services.scud_etl.pipeline import load_best_snapshot_for_date, load_1c_files_for_date
 from services.scud_etl.merger import merge_scud_and_1c, calculate_summary_metrics
 from services.scud_etl.anomaly_detector import detect_registry_anomalies
+from services.scud_etl.svodka_generator import generate_svodka_service
+from services.scud_etl.otchet_generator import generate_otchet_service
 from services.text_reporter import generate_markdown_report
 
 from services.scud_export import run_export
 from services.share_copier import copy_1c_files_from_share
-from services.excel_exporter import generate_summary_excel, generate_detailed_excel
+from services.excel_exporter import export_raw_scud
 
 logging.basicConfig(level=logging.INFO, format="[%(asctime)s] [%(levelname)s] %(message)s")
 
@@ -29,7 +31,9 @@ def main():
     parser = argparse.ArgumentParser(description="Модульный контроллинг СКУД ⟷ 1С")
     parser.add_argument("-d", "--debug", action="store_true", help="Режим отладки")
     parser.add_argument("--skip-export", action="store_true", help="Пропустить выгрузку СКУД из MS SQL")
-    parser.add_argument("--snapshot", type=str, default=None, help="ID снапшота для расчета")
+    parser.add_argument("--date", type=str, default=None, help="Дата расчета в формате ДД.ММ.ГГГГ")
+    parser.add_argument("--time", type=str, default=None, help="Время среза для сводки (например, 14:30)")
+    parser.add_argument("--snapshot", type=str, default=None, help="Точный ID снапшота для расчета")
     args = parser.parse_args()
 
     print("=" * 60)
@@ -37,8 +41,13 @@ def main():
     print("=" * 60)
 
     now = datetime.now()
+    if args.date:
+        today_str = args.date.replace('_', '.')
+        dt_target = datetime.strptime(today_str, "%d.%m.%Y")
+        days_back = 3 if dt_target.weekday() == 0 else 1
+        yesterday_str = (dt_target - timedelta(days=days_back)).strftime("%d.%m.%Y")
+    else:
         today_str = now.strftime("%d.%m.%Y")
-    # ⭐️ По понедельникам (weekday == 0) отчетом накануне является пятница (-3 дня)
         if now.weekday() == 0:
             yesterday_str = (now - timedelta(days=3)).strftime("%d.%m.%Y")
         else:
@@ -47,7 +56,7 @@ def main():
     # [Этап 0] Выгрузка свежих данных СКУД
     if not args.skip_export and not args.snapshot:
         print(f"\n[0/5] Экспорт данных СКУД за {today_str} и {yesterday_str}...")
-        run_export(debug=args.debug)
+        run_export(input_date=args.date, debug=args.debug, save_xlsx=True)
     else:
         print("\n[0/5] Пропуск прямого экспорта СКУД из MS SQL (--skip-export)...")
 
@@ -66,21 +75,33 @@ def main():
     df_staff_yesterday, df_abs_yesterday = load_1c_files_for_date(yesterday_str)
     df_staff_today, df_abs_today = load_1c_files_for_date(today_str)
 
-    # [Этап 3] Детальный отчет за вчера
+    if df_scud_today is not None and not df_scud_today.empty:
+        export_raw_scud(df_scud_today, filename=f"СКУД_Сырые_данные_{today_str}.xlsx")
+
+    # [Этап 3] Детальный отчет за вчера через otchet_generator
     print(f"\n[3/5] Обработка и построение детального отчета за ВЧЕРА ({yesterday_str})...")
-    df_merged_yesterday = merge_scud_and_1c(df_scud_yesterday, df_staff_yesterday, df_abs_yesterday)
+    res_otchet = generate_otchet_service(target_date=yesterday_str)
-    generate_detailed_excel(df_merged_yesterday, date_str=yesterday_str)
+    if res_otchet.get("status") == "success":
+        print(f"[✓] {res_otchet.get('message')}: {res_otchet.get('filepath')}")
 
-    # [Этап 4] Сводка за сегодня
+    # [Этап 4] Сводка за сегодня через svodka_generator
-    print(f"\n[4/5] Обработка и построение Ежедневной сводки за {today_str}...")
+    print(f"\n[4/5] Обработка и построение Ежедневной сводки за {today_str} {args.time or ''}...")
-    df_merged_today = merge_scud_and_1c(df_scud_today, df_staff_today, df_abs_today)
+    res_svodka = generate_svodka_service(
-    metrics_today = calculate_summary_metrics(df_merged_today)
+        target_date=today_str, 
-    anomalies_today = detect_registry_anomalies(df_merged_today)
+        target_time=args.time, 
-    generate_summary_excel(df_merged_today, date_str=today_str)
+        snapshot_id=args.snapshot
+    )
+    if res_svodka.get("status") == "success":
+        print(f"[✓] {res_svodka.get('message')}: {res_svodka.get('filepath')}")
+        if res_svodka.get("note"):
+            print(f"    ℹ️ {res_svodka.get('note')}")
 
-    # [Этап 5] Формирование Markdown-сводки через ИИ-аудитора
+    # [Этап 5] Формирование Markdown-сводки через ИИ-аудитора (Ollama)
     print(f"\n[5/5] Формирование Markdown-сводки через ИИ-аудитора (Ollama)...")
 
+    df_merged_today = merge_scud_and_1c(df_scud_today, df_staff_today, df_abs_today)
+    anomalies_today = detect_registry_anomalies(df_merged_today, df_raw_scud=df_scud_today)
+
     absent_explained = df_merged_today[
         (df_merged_today['Пришел'] == False) & 
         (df_merged_today['Вид_отсутствия'].notna()) & 
@@ -98,6 +119,9 @@ def main():
         absent_unexplained=absent_unexplained,
         scud_present_but_absent_in_1c=pd.DataFrame(),
         anomalies_list=anomalies_today,
+        raw_scud_df=df_scud_today,
+        raw_staff_df=df_staff_today,
+        raw_absent_df=df_abs_today,
         date_str=today_str
     )
     

scripts/db_cli.py

@@ -24,6 +24,44 @@ from services.exceptions_repo import (
 
 DB_PATH = os.path.join(DATA_DIR, "scud_orion_ai.db")
 
+def cmd_mapping(args_list):
+    """Управление подтвержденными сопоставлениями ФИО (СКУД <-> 1С:ЗУП)."""
+    with get_connection() as conn:
+        cursor = conn.cursor()
+        
+        if not args_list or args_list[0] in ["list", "show"]:
+            cursor.execute("SELECT id, scud_fio, zup_fio, match_source, status FROM person_identity_mapping ORDER BY id DESC")
+            rows = cursor.fetchall()
+            print("\n🔗 СОХРАНЕННЫЕ СОПОСТАВЛЕНИЯ ФИО (person_identity_mapping):")
+            print("=" * 80)
+            if rows:
+                for r in rows:
+                    print(f"  #{r[0]} [{r[4]}] СКУД: '{r[1]}' ⟷ 1С: '{r[2]}' ({r[3]})")
+            else:
+                print("  — сопоставлений пока нет")
+            print("=" * 80 + "\n")
+            return
+
+        subcmd = args_list[0]
+        if subcmd == "add":
+            if len(args_list) < 3:
+                print("Использование: python scripts/db_cli.py mapping add 'ФИО в СКУД' 'ФИО в 1С'")
+                return
+            scud_f, zup_f = args_list[1], args_list[2]
+            cursor.execute("""
+                INSERT OR REPLACE INTO person_identity_mapping (scud_fio, zup_fio, match_source, status)
+                VALUES (?, ?, 'MANUAL', 'ACTIVE')
+            """, (scud_f.strip(), zup_f.strip()))
+            conn.commit()
+            print(f"✅ Успешно добавлена связка: '{scud_f}' ⟷ '{zup_f}'")
+
+        elif subcmd in ["del", "delete", "remove"]:
+            if len(args_list) < 2:
+                print("Использование: python scripts/db_cli.py mapping del 'ФИО в СКУД'")
+                return
+            cursor.execute("DELETE FROM person_identity_mapping WHERE scud_fio = ?", (args_list[1].strip(),))
+            conn.commit()
+            print(f"✅ Связка для '{args_list[1]}' удалена.")
 
 def print_tool_actions():
     """Выводит реестр декларативных действий инструментов и шаблоны кнопок."""

services/excel_exporter.py

@@ -3,7 +3,7 @@ import os
 import time
 import openpyxl
 import pandas as pd
-from datetime import datetime
+from datetime import datetime, timedelta
 from openpyxl import Workbook
 from openpyxl.styles import Font, Alignment, PatternFill, Border, Side
 from openpyxl.utils import get_column_letter
@@ -23,16 +23,18 @@ MONTHS_RU_NOMINATIVE = {
 
 
 def format_date_ru(date_str):
+    date_clean = str(date_str).replace('_', '.')
     try:
-        dt = datetime.strptime(date_str, "%d.%m.%Y")
+        dt = datetime.strptime(date_clean, "%d.%m.%Y")
         return f"{dt.day} {MONTHS_RU_GENITIVE[dt.month]} {dt.year}"
     except Exception:
         return date_str
 
 
 def get_dated_reports_dir(date_str):
+    date_clean = str(date_str).replace('_', '.')
     try:
-        dt = datetime.strptime(date_str, "%d.%m.%Y")
+        dt = datetime.strptime(date_clean, "%d.%m.%Y")
         year_str = str(dt.year)
         month_name = MONTHS_RU_NOMINATIVE[dt.month]
     except Exception:
@@ -55,14 +57,30 @@ FILL_PRESENT = PatternFill(start_color="E2EFDA", end_color="E2EFDA", fill_type="
 FILL_REMOTE = PatternFill(start_color="E8F8F5", end_color="E8F8F5", fill_type="solid")
 FILL_ANOMALY = PatternFill(start_color="FCE4D6", end_color="FCE4D6", fill_type="solid")
 FILL_NO_PASS = PatternFill(start_color="E1F5FE", end_color="E1F5FE", fill_type="solid")
-FILL_EXCEPTIONS = PatternFill(start_color="EFEBE9", end_color="EFEBE9", fill_type="solid")  # Мягкий бежево-серый для исключений
+FILL_EXCEPTIONS = PatternFill(start_color="EFEBE9", end_color="EFEBE9", fill_type="solid")
 
 CATEGORY_PASTEL_COLORS = ["FFF2CC", "E1D5E7", "E1F5FE", "FFF0F5", "FCF3CF"]
-
 YELLOW_FILL = PatternFill(start_color="FFF2CC", end_color="FFF2CC", fill_type="solid")
 LIGHT_RED_FILL = PatternFill(start_color="FCE4D6", end_color="FCE4D6", fill_type="solid")
 GREEN_FILL = PatternFill(start_color="E2EFDA", end_color="E2EFDA", fill_type="solid")
-LIGHT_BLUE_FILL = PatternFill(start_color="E1F5FE", end_color="E1F5FE", fill_type="solid")
+
+
+def calculate_autoclose_time(time_in_str: str) -> tuple[str, str, str]:
+    """
+    ⭐️ Правило 8.5ч: при наличии входа и отсутствии выхода
+    рассчитывает время выхода (Вход + 8ч 30мин) с нормой 8:00 и отклонением 0:00.
+    """
+    try:
+        parts = time_in_str.strip().split(':')
+        hh = int(parts[0])
+        mm = int(parts[1]) if len(parts) > 1 else 0
+        ss = int(parts[2]) if len(parts) > 2 else 0
+
+        dt_in = datetime(2000, 1, 1, hh, mm, ss)
+        dt_out = dt_in + timedelta(hours=8, minutes=30)
+        return dt_out.strftime("%H:%M:%S"), "08:30", "0:00"
+    except Exception:
+        return "17:00:00", "08:30", "0:00"
 
 
 def calculate_deviation(time_in_building_str, reason="", norm_hours=8, lunch_minutes=30):
@@ -119,10 +137,11 @@ def format_row_cells(ws, r_num, fill_obj, is_bold=False, align_b="right", bold_f
 
 # --- 1. СВОДКА НА СЕГОДНЯ ---
 def generate_summary_excel(merged_df, date_str="21.08.2026", filename=None):
+    date_clean = str(date_str).replace('_', '.')
     if not filename:
-        filename = f"{format_date_ru(date_str)} сводка.xlsx"
+        filename = f"{format_date_ru(date_clean)} сводка.xlsx"
 
-    target_dir = get_dated_reports_dir(date_str)
+    target_dir = get_dated_reports_dir(date_clean)
     output_path = os.path.join(target_dir, filename)
     wb = Workbook()
     ws = wb.active
@@ -135,15 +154,13 @@ def generate_summary_excel(merged_df, date_str="21.08.2026", filename=None):
 
     bold_font = Font(name="Calibri", size=11, bold=True)
 
-    # 1. Шапка
     ws.cell(row=1, column=1, value="Сводка на")
-    ws.cell(row=1, column=2, value=date_str)
+    ws.cell(row=1, column=2, value=date_clean)
     format_row_cells(ws, 1, FILL_HEADER, is_bold=True, bold_font=bold_font)
 
     apply_borders_to_cell(ws.cell(row=2, column=1))
     apply_borders_to_cell(ws.cell(row=2, column=2))
 
-    # 2. По списку
     ws.cell(row=3, column=1, value="По списку")
     ws.cell(row=3, column=2, value=len(merged_df))
     format_row_cells(ws, 3, FILL_TOTAL_LIST, is_bold=True, bold_font=bold_font)
@@ -153,7 +170,6 @@ def generate_summary_excel(merged_df, date_str="21.08.2026", filename=None):
     is_no_pass = merged_df['no_scud_pass'] == True if 'no_scud_pass' in merged_df.columns else False
     is_exc = merged_df.get('is_excluded', False) == True
 
-    # 3. НЕИЗВЕСТНО
     unexplained = merged_df[
         (merged_df['Пришел'] == False) & 
         (merged_df['Вид_отсутствия'].isna() | (merged_df['Вид_отсутствия'].astype(str).str.strip() == '')) & 
@@ -172,9 +188,7 @@ def generate_summary_excel(merged_df, date_str="21.08.2026", filename=None):
         ws.row_dimensions[current_row].hidden = False
         current_row += 1
 
-    # 4. РАЗДЕЛ: НЕТ ПРОПУСКА
     no_pass_df = merged_df[is_no_pass] if 'no_scud_pass' in merged_df.columns else pd.DataFrame()
-
     ws.cell(row=current_row, column=1, value="Нет пропуска")
     ws.cell(row=current_row, column=2, value=len(no_pass_df))
     format_row_cells(ws, current_row, FILL_NO_PASS, is_bold=True, bold_font=bold_font)
@@ -188,7 +202,6 @@ def generate_summary_excel(merged_df, date_str="21.08.2026", filename=None):
             ws.row_dimensions[current_row].hidden = False
             current_row += 1
 
-    # 5. КАТЕГОРИИ ОТСУТСТВИЙ (без удаленки и исключений)
     reason_clean = merged_df['Вид_отсутствия'].astype(str).str.lower()
     is_remote_reason = reason_clean.str.contains('удален|дистанцион', regex=True, na=False)
 
@@ -217,9 +230,7 @@ def generate_summary_excel(merged_df, date_str="21.08.2026", filename=None):
             ws.row_dimensions[current_row].hidden = True
             current_row += 1
 
-    # 6. ИТОГО НА РАБОТЕ (Строго физически пришедшие в офис по СКУД)
     present = merged_df[(merged_df['Пришел'] == True) & (~is_exc)]
-
     ws.cell(row=current_row, column=1, value="Итого на работе")
     ws.cell(row=current_row, column=2, value=len(present))
     format_row_cells(ws, current_row, FILL_PRESENT, is_bold=True, bold_font=bold_font)
@@ -233,9 +244,7 @@ def generate_summary_excel(merged_df, date_str="21.08.2026", filename=None):
             ws.row_dimensions[current_row].hidden = True
             current_row += 1
 
-    # 6.1. В ТОМ ЧИСЛЕ НА УДАЛЕННОЙ РАБОТЕ (Удаленщики из дома, которых нет в офисе)
     remote_home = merged_df[(merged_df['Пришел'] == False) & is_remote_reason & (~is_exc)]
-
     ws.cell(row=current_row, column=1, value="В том числе на удаленной работе")
     ws.cell(row=current_row, column=2, value=len(remote_home))
     format_row_cells(ws, current_row, FILL_REMOTE, is_bold=True, bold_font=bold_font)
@@ -249,7 +258,6 @@ def generate_summary_excel(merged_df, date_str="21.08.2026", filename=None):
             ws.row_dimensions[current_row].hidden = True
             current_row += 1
 
-    # 7. АНОМАЛИИ СКУД И 1С
     anomalies = merged_df[
         (~is_exc) & (
             ((merged_df['Пришел'] == True) & (merged_df['Вид_отсутствия'].notna()) & 
@@ -266,7 +274,6 @@ def generate_summary_excel(merged_df, date_str="21.08.2026", filename=None):
     current_row += 1
 
     chars_per_line_b = 30
-
     if not anomalies.empty:
         for _, row in anomalies.iterrows():
             fio = row.get('Сотрудник', '')
@@ -281,28 +288,20 @@ def generate_summary_excel(merged_df, date_str="21.08.2026", filename=None):
             
             cell_a = ws.cell(row=current_row, column=1, value=f"{fio}")
             cell_b = ws.cell(row=current_row, column=2, value=reason_text)
-            
             cell_a.fill = FILL_ANOMALY
             cell_b.fill = FILL_ANOMALY
             apply_borders_to_cell(cell_a)
             apply_borders_to_cell(cell_b)
-            
             cell_b.alignment = Alignment(horizontal="left", vertical="center", wrap_text=True)
             cell_a.alignment = Alignment(horizontal="left", vertical="center")
             
-            if len(reason_text) > chars_per_line_b:
+            lines_count = math.ceil(len(reason_text) / chars_per_line_b) if len(reason_text) > chars_per_line_b else 1
-                lines_count = math.ceil(len(reason_text) / chars_per_line_b)
+            ws.row_dimensions[current_row].height = max(lines_count * 18, 20)
-                ws.row_dimensions[current_row].height = max(lines_count * 18, 22)
-            else:
-                ws.row_dimensions[current_row].height = 20
-
             ws.row_dimensions[current_row].outlineLevel = 1
             ws.row_dimensions[current_row].hidden = True
             current_row += 1
 
-    # ⭐️ 8. РАЗДЕЛ: ИСКЛЮЧЕНИЯ (В самом низу, раскрывающийся список)
     exceptions_df = merged_df[is_exc]
-
     ws.cell(row=current_row, column=1, value="Исключения")
     ws.cell(row=current_row, column=2, value=len(exceptions_df))
     format_row_cells(ws, current_row, FILL_EXCEPTIONS, is_bold=True, bold_font=bold_font)
@@ -322,31 +321,32 @@ def generate_summary_excel(merged_df, date_str="21.08.2026", filename=None):
     try:
         wb.save(output_path)
         print(f"[✓] Ежедневная сводка сохранена: {output_path}")
-    except PermissionError:
+    except (PermissionError, OSError):
         alt_filename = filename.replace(".xlsx", f"_{int(time.time())}.xlsx")
         alt_path = os.path.join(target_dir, alt_filename)
         wb.save(alt_path)
         print(f"[⚠️] Файл открыт в Excel! Сохранено как: {alt_path}")
 
 
-# --- 2. ДЕТАЛЬНЫЙ ОТЧЕТ ЗА ВЧЕРА ---
+# --- 2. ДЕТАЛЬНЫЙ ОТЧЕТ ЗА ВЧЕРА (С ПРАВИЛОМ 8.5ч) ---
 def generate_detailed_excel(merged_df, date_str="20.08.2026", filename=None):
+    date_clean = str(date_str).replace('_', '.')
     if not filename:
-        filename = f"{format_date_ru(date_str)} отчет.xlsx"
+        filename = f"{format_date_ru(date_clean)} отчет.xlsx"
 
     if merged_df is not None and not merged_df.empty:
         df_export = merged_df[merged_df.get('is_excluded', False) == False].copy()
     else:
         df_export = pd.DataFrame()
 
-    target_dir = get_dated_reports_dir(date_str)
+    target_dir = get_dated_reports_dir(date_clean)
     output_path = os.path.join(target_dir, filename)
     wb = Workbook()
     ws = wb.active
     ws.title = "Детальный_отчет"
 
     ws["B2"] = "Дата:"
-    ws["D2"] = date_str
+    ws["D2"] = date_clean
     ws["B2"].font = Font(name="Arial", size=10, bold=True)
     ws["D2"].font = Font(name="Arial", size=10, bold=True)
 
@@ -375,22 +375,28 @@ def generate_detailed_excel(merged_df, date_str="20.08.2026", filename=None):
         is_present = row.get('Пришел', False)
         absence_reason = row.get('Вид_отсутствия', '')
         has_reason = pd.notna(absence_reason) and str(absence_reason).strip() != ''
-        anom_flag = row.get('anomaly_flag', 'NONE')
 
+        in_val = str(row.get(start_col, 'Нет входа')).strip()
+        out_val = str(row.get(end_col, 'Нет выхода')).strip()
         in_building_str = str(row.get(hours_col, '00:00'))
         first_act_val = str(row.get('Первая_активность', '—')).strip()
         has_first_act = first_act_val not in ['—', '', 'None', 'nan']
 
-        dept_scud_val = row.get('department_scud', row.get('department', row.get('Подразделение', '')))
+        # ⭐️ ПРАВИЛО 8.5ч: если есть вход, но нет выхода (и нет официального документа отсутствия)
+        if in_val not in ['Нет входа', '—', '', 'nan', 'None'] and out_val in ['Нет выхода', '—', '', 'nan', 'None'] and not has_reason:
+            out_val, in_building_str, deviation_val = calculate_autoclose_time(in_val)
+        else:
             deviation_val = calculate_deviation(in_building_str, reason=absence_reason if has_reason else "", norm_hours=8, lunch_minutes=30)
 
+        dept_scud_val = row.get('department_scud', row.get('department', row.get('Подразделение', '')))
+
         ws.append([
             idx + 1,
             row.get('Сотрудник', ''),
             dept_scud_val,
-            row.get(start_col, 'Нет входа'),
+            in_val,
             first_act_val,
-            row.get(end_col, 'Нет выхода'),
+            out_val,
             in_building_str,
             absence_reason if has_reason else '',
             8,
@@ -398,7 +404,6 @@ def generate_detailed_excel(merged_df, date_str="20.08.2026", filename=None):
         ])
         
         row_num = 5 + idx
-        
         if is_present and has_reason:
             row_fill = GREEN_FILL
         elif not is_present and has_reason:
@@ -409,18 +414,14 @@ def generate_detailed_excel(merged_df, date_str="20.08.2026", filename=None):
             row_fill = None
 
         val_h_str = str(absence_reason) if has_reason else ""
-        if len(val_h_str) > chars_per_line_h:
+        lines_count = math.ceil(len(val_h_str) / chars_per_line_h) if len(val_h_str) > chars_per_line_h else 1
-            needed_lines = math.ceil(len(val_h_str) / chars_per_line_h)
+        ws.row_dimensions[row_num].height = max(lines_count * 18, 20)
-            ws.row_dimensions[row_num].height = max(needed_lines * 18, 22)
-        else:
-            ws.row_dimensions[row_num].height = 20
 
         for col_idx in range(1, len(headers) + 1):
             cell = ws.cell(row=row_num, column=col_idx)
             apply_borders_to_cell(cell)
             if row_fill:
                 cell.fill = row_fill
-            
             if col_idx == 8:
                 cell.alignment = Alignment(horizontal="left", vertical="center", wrap_text=True)
             elif col_idx in [1, 4, 5, 6, 7, 9, 10]:
@@ -430,23 +431,13 @@ def generate_detailed_excel(merged_df, date_str="20.08.2026", filename=None):
 
     for col in ws.columns:
         col_letter = get_column_letter(col[0].column)
-        max_len = 0
+        max_len = max((len(str(cell.value or '')) for cell in col), default=8)
-        for cell in col:
+        ws.column_dimensions[col_letter].width = min(max(max_len + 2, 8), 35)
-            if cell.value is not None:
-                cell_lines = str(cell.value).split("\n")
-                line_max = max(len(line) for line in cell_lines)
-                if line_max > max_len:
-                    max_len = line_max
-
-        optimal_width = max(max_len + 2, 8)
-        if optimal_width > 35:
-            optimal_width = 35
-        ws.column_dimensions[col_letter].width = optimal_width
 
     try:
         wb.save(output_path)
         print(f"[✓] Детальный отчет сохранен: {output_path}")
-    except PermissionError:
+    except (PermissionError, OSError):
         alt_filename = filename.replace(".xlsx", f"_{int(time.time())}.xlsx")
         alt_path = os.path.join(target_dir, alt_filename)
         wb.save(alt_path)

services/scud_etl/anomaly_detector.py

@@ -1,32 +1,44 @@
 """
 ===============================================================================
 FILE: services/scud_etl/anomaly_detector.py
-PROJECT: SCUD Orion AI (Unified Architecture)
+ROLE: Детектирование аномалий СКУД, дубликатов пропусков и несоответствий с 1С.
-MODULE: services / scud_etl
-ROLE: Детектирование истинных аномалий и конфликтов реестров.
-      (Сотрудники из exceptions.json, удаленка и командировки исключены).
 ===============================================================================
 """
 
 import logging
 from typing import List, Dict, Any
 import pandas as pd
+from config import normalize_fio
 
 logger = logging.getLogger("SCUD_ANOMALY")
 
 
-def detect_registry_anomalies(df_merged: pd.DataFrame) -> List[Dict[str, Any]]:
+def detect_registry_anomalies(df_merged: pd.DataFrame, df_raw_scud: pd.DataFrame = None) -> List[Dict[str, Any]]:
-    """
-    Выявляет реальные аномалии:
-    - Приход в офис во время отпуска или больничного листа.
-    - Ошибки считывателей СКУД (наличие выхода при отсутствии отметки входа).
-    """
     anomalies = []
     if df_merged is None or df_merged.empty:
         return anomalies
 
+    # 1. ⭐️ Поиск дубликатов учеток/пропусков в сыром СКУД
+    if df_raw_scud is not None and not df_raw_scud.empty:
+        df_raw = df_raw_scud.copy()
+        if 'fio_clean' not in df_raw.columns:
+            f_col = 'Сотрудник' if 'Сотрудник' in df_raw.columns else 'ФИО'
+            df_raw['fio_clean'] = df_raw[f_col].apply(normalize_fio)
+
+        counts = df_raw['fio_clean'].value_counts()
+        duplicate_fios = counts[counts > 1].index.tolist()
+
+        for dup_fio in duplicate_fios:
+            sub = df_raw[df_raw['fio_clean'] == dup_fio]
+            departments = ", ".join(sub['Подразделение'].astype(str).unique())
+            anomalies.append({
+                "fio": dup_fio,
+                "type": "DUPLICATE_SCUD_CARD",
+                "description": f"Сотрудник заведен в СКУД {len(sub)} раза (отделы: {departments}). События входа и выхода объединены автоматически."
+            })
+
+    # 2. Поиск кадровых аномалий и сбоев оборудования
     for _, row in df_merged.iterrows():
-        # Пропускаем системные исключения
         if row.get("is_excluded", False):
             continue
 
@@ -36,25 +48,24 @@ def detect_registry_anomalies(df_merged: pd.DataFrame) -> List[Dict[str, Any]]:
         reason = str(row.get("причина отсутствия", row.get("Вид_отсутствия", ""))).strip()
         reason_lower = reason.lower()
 
-        # Пропускаем технические метки
         if "исключен" in reason_lower or "овк" in reason_lower:
             continue
 
-        # ⭐️ Физический приход в офис: удаленка и командировки разрешены и НЕ являются аномалией
+        # Приход в офис во время отпуска/больничного (удаленка и командировки разрешены)
         if start_day not in ["Нет входа", "—", "", "nan", "None"] and reason and reason != "nan":
             if not ("удален" in reason_lower or "дистанцион" in reason_lower or "командировк" in reason_lower or "поездк" in reason_lower):
                 anomalies.append({
                     "fio": fio,
                     "type": "PHYSICAL_PRESENCE_DURING_ABSENCE",
-                    "description": f"Сотрудник пришел по СКУД ({start_day}), но в 1С оформлен документ: '{reason}'."
+                    "description": f"Присутствовал в здании ({start_day}), но в 1С числится документ: '{reason}'."
                 })
 
-        # Аномалия оборудования (есть выход без утреннего входа)
+        # Ошибка считывателя (есть выход без входа)
         if start_day in ["Нет входа", "—", ""] and end_day not in ["Нет выхода", "—", "", "nan", "None"]:
             anomalies.append({
                 "fio": fio,
                 "type": "SCUD_EQUIPMENT_ANOMALY",
-                "description": f"Отсутствует отметка утреннего входа при наличии выхода ({end_day})."
+                "description": f"Зафиксирован выход ({end_day}) при отсутствии отметки утреннего входа."
             })
 
     return anomalies

services/scud_etl/merger.py

@@ -1,19 +1,141 @@
 """
 ===============================================================================
 FILE: services/scud_etl/merger.py
+ROLE: Агрегация реестров, выбор совместителей 1С по отделу СКУД и авто-связки.
 ===============================================================================
 """
 
 import logging
-from typing import Dict, Any
+from typing import Dict, Any, List
 import pandas as pd
 
 from services.knowledge.service import get_department_synonyms_dict
 from config import normalize_fio, load_exceptions
+from core.connection import get_connection
 
 logger = logging.getLogger("SCUD_MERGER")
 
 
+def load_identity_mappings() -> Dict[str, str]:
+    """Загружает подтвержденные сопоставления ФИО (СКУД -> 1С:ЗУП) из SQLite."""
+    with get_connection() as conn:
+        cursor = conn.cursor()
+        # Автоматическая инициализация таблицы при первом обращении
+        cursor.execute("""
+            CREATE TABLE IF NOT EXISTS person_identity_mapping (
+                id INTEGER PRIMARY KEY AUTOINCREMENT,
+                scud_fio TEXT NOT NULL,
+                zup_fio TEXT NOT NULL,
+                scud_dept TEXT,
+                zup_dept TEXT,
+                match_source TEXT DEFAULT 'AI',
+                status TEXT DEFAULT 'ACTIVE',
+                confidence REAL DEFAULT 1.0,
+                created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
+                UNIQUE(scud_fio, zup_fio)
+            );
+        """)
+        cursor.execute("""
+            SELECT scud_fio, zup_fio 
+            FROM person_identity_mapping 
+            WHERE status = 'ACTIVE'
+        """)
+        return {r[0]: r[1] for r in cursor.fetchall()}
+
+
+def aggregate_scud_by_person(df_scud: pd.DataFrame) -> pd.DataFrame:
+    """Схлопывает дубликаты пропусков одного человека в СКУД."""
+    if df_scud is None or df_scud.empty:
+        return df_scud
+
+    df = df_scud.copy()
+    if 'fio_clean' not in df.columns:
+        fio_col = 'Сотрудник' if 'Сотрудник' in df.columns else 'ФИО'
+        df['fio_clean'] = df[fio_col].apply(normalize_fio)
+
+    # Применяем сохраненный кэш связок ФИО
+    mapping_dict = load_identity_mappings()
+    if mapping_dict:
+        df['fio_clean'] = df['fio_clean'].apply(lambda f: mapping_dict.get(f, f))
+
+    aggregated_rows = []
+    for fio_clean, group in df.groupby('fio_clean'):
+        if len(group) == 1:
+            aggregated_rows.append(group.iloc[0].to_dict())
+            continue
+
+        base_row = group.sort_values(by='Пришел', ascending=False).iloc[0].to_dict()
+
+        valid_ins = [
+            str(t).strip() for t in group['Начало_дня'] 
+            if str(t).strip() not in ['Нет входа', '—', '', 'nan', 'None', '00:00:00', '00:00']
+        ]
+        base_row['Начало_дня'] = min(valid_ins) if valid_ins else 'Нет входа'
+
+        valid_outs = [
+            str(t).strip() for t in group['Конец_дня'] 
+            if str(t).strip() not in ['Нет выхода', '—', '', 'nan', 'None', '00:00:00', '00:00']
+        ]
+        base_row['Конец_дня'] = max(valid_outs) if valid_outs else 'Нет выхода'
+
+        valid_acts = [
+            str(t).strip() for t in group['Первая_активность'] 
+            if str(t).strip() not in ['—', '', 'nan', 'None', '00:00:00']
+        ]
+        base_row['Первая_активность'] = min(valid_acts) if valid_acts else '—'
+        base_row['Пришел'] = any(group['Пришел'] == True) or (base_row['Начало_дня'] != 'Нет входа')
+
+        durations = [str(d) for d in group['Находился_в_здании'] if str(d) not in ['00:00', '', 'nan']]
+        if durations:
+            base_row['Находился_в_здании'] = max(durations)
+
+        aggregated_rows.append(base_row)
+
+    return pd.DataFrame(aggregated_rows)
+
+
+def select_best_zup_position(df_staff_1c: pd.DataFrame, df_scud_agg: pd.DataFrame) -> pd.DataFrame:
+    """
+    ⭐️ Для совместителей с несколькими должностями в 1С:ЗУП
+    выбирает ту ставку, которая соответствует отделу физического нахождения по СКУД.
+    """
+    if df_staff_1c is None or df_staff_1c.empty:
+        return pd.DataFrame()
+
+    df_staff = df_staff_1c.copy()
+    if 'fio_clean' not in df_staff.columns:
+        f_col = 'ФИО' if 'ФИО' in df_staff.columns else 'Сотрудник'
+        df_staff['fio_clean'] = df_staff[f_col].apply(normalize_fio)
+
+    scud_dept_map = {}
+    if df_scud_agg is not None and not df_scud_agg.empty:
+        for _, r in df_scud_agg.iterrows():
+            scud_dept_map[r.get('fio_clean', '')] = str(r.get('Подразделение', '')).strip().upper()
+
+    best_rows = []
+    for fio, group in df_staff.groupby('fio_clean'):
+        if len(group) == 1:
+            best_rows.append(group.iloc[0].to_dict())
+            continue
+
+        target_scud_dept = scud_dept_map.get(fio, "")
+        matched_row = None
+
+        if target_scud_dept:
+            for _, r in group.iterrows():
+                dept_1c = str(r.get('Подразделение', '')).strip().upper()
+                if dept_1c == target_scud_dept or target_scud_dept in dept_1c or dept_1c in target_scud_dept:
+                    matched_row = r.to_dict()
+                    break
+
+        if not matched_row:
+            matched_row = group.iloc[0].to_dict()
+
+        best_rows.append(matched_row)
+
+    return pd.DataFrame(best_rows)
+
+
 def merge_scud_and_1c(
     df_scud: pd.DataFrame, 
     df_staff_1c: pd.DataFrame, 
@@ -29,7 +151,10 @@ def merge_scud_and_1c(
     synonyms = get_department_synonyms_dict()
     exceptions_cfg = load_exceptions()
 
-    df_res = df_scud.copy() if df_scud is not None and not df_scud.empty else df_staff_1c.copy()
+    df_scud_agg = aggregate_scud_by_person(df_scud)
+    df_staff_agg = select_best_zup_position(df_staff_1c, df_scud_agg)
+
+    df_res = df_scud_agg.copy() if df_scud_agg is not None and not df_scud_agg.empty else df_staff_agg.copy()
 
     if "Сотрудник" in df_res.columns:
         df_res["fio_clean"] = df_res["Сотрудник"].apply(normalize_fio)
@@ -50,7 +175,6 @@ def merge_scud_and_1c(
         if col not in df_res.columns:
             df_res[col] = default_val
 
-    # 1. Приведение отделов к аббревиатурам
     reverse_synonyms = {v.lower(): k.upper() for k, v in synonyms.items()}
     direct_synonyms = {k.lower(): k.upper() for k in synonyms.keys()}
     all_dept_map = {**reverse_synonyms, **direct_synonyms, "отдел внутреннего контроля": "ОВК", "отдел вневедомственного контроля": "ОВК"}
@@ -60,9 +184,8 @@ def merge_scud_and_1c(
             lambda d: all_dept_map.get(str(d).strip().lower(), str(d).strip())
         )
 
-    # 2. Привязка документов отсутствий из 1С ПЕРЕД разметкой исключений
     absences_map = {}
-    if not df_absences_1c.empty:
+    if df_absences_1c is not None and not df_absences_1c.empty:
         fio_col = next((c for c in ["fio_clean", "ФИО", "Сотрудник"] if c in df_absences_1c.columns), None)
         reason_col = next((c for c in ["Вид_отсутствия", "Причина", "причина отсутствия"] if c in df_absences_1c.columns), None)
 
@@ -76,7 +199,6 @@ def merge_scud_and_1c(
     df_res["причина отсутствия"] = df_res["fio_clean"].map(absences_map)
     df_res["Вид_отсутствия"] = df_res["причина отсутствия"]
 
-    # 3. Разметка исключений
     exc_fios = [normalize_fio(f) for f in exceptions_cfg.get("fio", []) if f]
     exc_depts = [d.strip().upper() for d in exceptions_cfg.get("departments", []) if d]
     exc_pos = [p.strip().lower() for p in exceptions_cfg.get("positions", []) if p]
@@ -86,9 +208,8 @@ def merge_scud_and_1c(
     df_res["is_excluded"] = False
     for idx, row in df_res.iterrows():
         fio = row.get("fio_clean", "")
-        has_official_absence = pd.notna(row.get("Вид_отсутствия")) and str(row.get("Вид_отсутствия")).strip() != ""
+        has_official_absence = pd.notna(row.get("Вид_отсутствия")) and str(row.get("Вид_отсутствия")).strip() not in ["", "nan", "None", "Исключение"]
 
-        # ⭐️ Если сотрудник в белом списке ИЛИ у него есть официальное отсутствие — он НЕ исключается
         if fio in whitelist_fios or has_official_absence:
             df_res.at[idx, "is_excluded"] = False
             continue
@@ -99,7 +220,6 @@ def merge_scud_and_1c(
         if fio in exc_fios or dep in exc_depts or any(d in dep for d in exc_depts) or pos in exc_pos or any(k in pos for k in pos_kw):
             df_res.at[idx, "is_excluded"] = True
 
-    # Чистое "Исключение" только для истинно исключенных без документов 1С
     mask_exc = (df_res["is_excluded"] == True) & (df_res["Вид_отсутствия"].isna() | (df_res["Вид_отсутствия"] == ""))
     df_res.loc[mask_exc, "Вид_отсутствия"] = "Исключение"
     df_res.loc[mask_exc, "причина отсутствия"] = "Исключение"
@@ -111,21 +231,17 @@ def calculate_summary_metrics(df_merged: pd.DataFrame) -> Dict[str, Any]:
     active_df = df_merged[df_merged.get("is_excluded", False) == False].copy()
     total_staff = len(active_df)
 
-    # 1. Строго физически пришедшие в офис
     came_to_office_mask = active_df["Начало_дня"].astype(str).str.strip().ne("Нет входа")
     working_in_office = active_df[came_to_office_mask]
     working_in_office_count = len(working_in_office)
 
-    # 2. Не пришедшие в офис
     df_not_came = active_df[~came_to_office_mask]
 
-    # 3. Из не пришедших — удаленщики (работают из дома)
     reason_series = df_not_came["причина отсутствия"].astype(str).str.lower()
     is_remote_mask = reason_series.str.contains("удален|дистанцион", regex=True, na=False)
     remote_home = df_not_came[is_remote_mask]
     remote_home_count = len(remote_home)
 
-    # 4. Из оставшихся — официальные отсутствия (отпуск, больничный, командировка)
     df_remaining_absent = df_not_came[~is_remote_mask]
     has_doc_mask = df_remaining_absent["причина отсутствия"].notna() & \
                    df_remaining_absent["причина отсутствия"].ne("") & \
@@ -133,7 +249,6 @@ def calculate_summary_metrics(df_merged: pd.DataFrame) -> Dict[str, Any]:
                    (~df_remaining_absent["причина отсутствия"].astype(str).str.startswith("Исключение"))
     official_absent_count = len(df_remaining_absent[has_doc_mask])
 
-    # 5. Неизвестные
     unknown = df_remaining_absent[~has_doc_mask]
     unknown_count = len(unknown)
 

services/scud_etl/otchet_generator.py

@@ -0,0 +1,59 @@
+"""
+===============================================================================
+FILE: services/scud_etl/otchet_generator.py
+ROLE: Генератор Детального Отчета за прошлые смены (строго по итоговому Y-снапшоту).
+===============================================================================
+"""
+
+import os
+import logging
+from typing import Dict, Any, Optional
+import pandas as pd
+
+from config import DATE_YESTERDAY
+from core.database import load_scud_from_db_by_snapshot
+from services.scud_etl.pipeline import load_1c_files_for_date
+from services.scud_etl.merger import merge_scud_and_1c
+from services.excel_exporter import generate_detailed_excel, get_dated_reports_dir, format_date_ru
+
+logger = logging.getLogger("OTCHET_GENERATOR")
+
+
+def generate_otchet_service(
+    target_date: Optional[str] = None, 
+    snapshot_id: Optional[str] = None
+) -> Dict[str, Any]:
+    """
+    Формирует детальный отчет за прошедшую смену:
+    - target_date: дата отчета (по умолчанию вчерашний рабочий день).
+    - snapshot_id: опциональный ID (по умолчанию выбирается итоговый вечерний срез Y).
+    """
+    date_clean = str(target_date or DATE_YESTERDAY).replace('_', '.')
+
+    df_scud = load_scud_from_db_by_snapshot(date_clean, snapshot_param=snapshot_id)
+    if df_scud is None or df_scud.empty:
+        return {
+            "status": "error",
+            "message": f"Итоговый срез СКУД (Y) за {date_clean} не найден в базе данных."
+        }
+
+    df_staff, df_abs = load_1c_files_for_date(date_clean)
+    df_merged = merge_scud_and_1c(df_scud, df_staff, df_abs)
+
+    filename = f"{format_date_ru(date_clean)} отчет.xlsx"
+    generate_detailed_excel(df_merged, date_str=date_clean, filename=filename)
+
+    target_dir = get_dated_reports_dir(date_clean)
+    full_filepath = os.path.join(target_dir, filename)
+
+    return {
+        "status": "success",
+        "report_type": "OTCHET",
+        "date": date_clean,
+        "snapshot_id": snapshot_id or "AUTO_Y_FINAL",
+        "filename": filename,
+        "filepath": full_filepath,
+        "download_url": f"/api/v1/files/download/reports/{os.path.basename(full_filepath)}",
+        "total_rows": len(df_merged),
+        "message": f"Детальный отчет за {date_clean} успешно сформирован."
+    }

services/scud_etl/pipeline.py

@@ -1,59 +1,64 @@
 """
 ===============================================================================
 FILE: services/scud_etl/pipeline.py
-ROLE: Выборка данных СКУД из SQLite (scud_logs) с жестким приоритетом Y-снапшотов.
 ===============================================================================
 """
 
 import os
 import logging
+from typing import Optional, Dict, Any, Tuple
 import pandas as pd
+
 from core.connection import get_connection
-from services.data_loader import load_1c_data_smart
+from core.database import load_scud_from_db_by_snapshot
+from config import DATA_DIR
+from services.data_loader import load_staff_data, load_absent_data
 
 logger = logging.getLogger("SCUD_PIPELINE")
 
 
-def load_best_snapshot_for_date(date_str: str, prefer_final_y: bool = True) -> pd.DataFrame:
+def load_best_snapshot_for_date(date_str: str, prefer_final_y: bool = False) -> Optional[pd.DataFrame]:
-    """Извлекает срез СКУД. Для вчерашнего дня строго берет финальный вечерний срез Y."""
+    """
+    Загружает наилучший срез СКУД за дату.
+    Если prefer_final_y=True — отдает предпочтение финишному Y (23:59:59).
+    """
     with get_connection() as conn:
-        df = pd.DataFrame()
         cursor = conn.cursor()
+        target_snap_id = None
 
         if prefer_final_y:
-            cursor.execute(
+            cursor.execute("""
-                "SELECT snapshot_id FROM scud_logs WHERE log_date = ? AND snapshot_id LIKE 'Y%' ORDER BY id DESC LIMIT 1",
+                SELECT snapshot_id 
-                (date_str,)
+                FROM scud_logs 
-            )
+                WHERE log_date = ? 
+                  AND (snapshot_id LIKE 'Y%' OR snapshot_time LIKE '%23:59:59' OR snapshot_time LIKE '%22:00:00')
+                ORDER BY id DESC LIMIT 1
+            """, (date_str,))
             row = cursor.fetchone()
-            if row and row[0]:
+            if row:
-                df = pd.read_sql_query("SELECT * FROM scud_logs WHERE snapshot_id = ?", conn, params=(row[0],))
+                target_snap_id = row[0]
 
-        if df.empty:
+        if not target_snap_id:
-            cursor.execute(
+            cursor.execute("""
-                "SELECT snapshot_id FROM scud_logs WHERE log_date = ? ORDER BY id DESC LIMIT 1",
+                SELECT snapshot_id 
-                (date_str,)
+                FROM scud_logs 
-            )
+                WHERE log_date = ? 
+                ORDER BY id DESC LIMIT 1
+            """, (date_str,))
             row = cursor.fetchone()
-            if row and row[0]:
+            if row:
-                df = pd.read_sql_query("SELECT * FROM scud_logs WHERE snapshot_id = ?", conn, params=(row[0],))
+                target_snap_id = row[0]
 
-        if not df.empty:
+    if not target_snap_id:
-            rename_map = {
+        return None
-                'department': 'Подразделение', 'position': 'Должность', 'fio': 'Сотрудник',
-                'time_in': 'Начало_дня', 'first_activity': 'Первая_активность', 'time_out': 'Конец_дня',
-                'time_in_building': 'Находился_в_здании', 'is_present': 'Пришел'
-            }
-            df = df.rename(columns={k: v for k, v in rename_map.items() if k in df.columns})
-            if 'fio_clean' not in df.columns and 'Сотрудник' in df.columns:
-                df['fio_clean'] = df['Сотрудник'].astype(str).str.strip()
-            if 'Пришел' in df.columns:
-                df['Пришел'] = df['Пришел'].astype(bool)
 
-        return df
+    return load_scud_from_db_by_snapshot(date_str, snapshot_param=target_snap_id)
 
 
-def load_1c_files_for_date(date_str: str) -> tuple[pd.DataFrame, pd.DataFrame]:
+def load_1c_files_for_date(date_str: str) -> Tuple[Optional[pd.DataFrame], Optional[pd.DataFrame]]:
-    df_staff, df_absences = load_1c_data_smart(date_str, use_db=False)
+    """
-    return (df_staff if df_staff is not None else pd.DataFrame(),
+    Загружает реестры штата и отсутствий 1С на указанную дату через data_loader.
-            df_absences if df_absences is not None else pd.DataFrame())
+    """
+    df_staff = load_staff_data(date_str)
+    df_abs = load_absent_data(date_str)
+    return df_staff, df_abs

services/scud_etl/svodka_generator.py

@@ -0,0 +1,80 @@
+"""
+===============================================================================
+FILE: services/scud_etl/svodka_generator.py
+ROLE: Генератор Ежедневной Сводки (оперативный контроль, текущий срез).
+===============================================================================
+"""
+
+import os
+import logging
+from typing import Dict, Any, Optional
+import pandas as pd
+
+from config import DATE_TODAY
+from core.database import load_scud_from_db_by_snapshot
+from services.scud_etl.pipeline import load_1c_files_for_date
+from services.scud_etl.merger import merge_scud_and_1c, calculate_summary_metrics
+from services.scud_etl.anomaly_detector import detect_registry_anomalies
+from services.snapshots.finder import find_or_create_snapshot_for_time
+from services.excel_exporter import generate_summary_excel, get_dated_reports_dir, format_date_ru
+
+logger = logging.getLogger("SVODKA_GENERATOR")
+
+
+def generate_svodka_service(
+    target_date: Optional[str] = None, 
+    target_time: Optional[str] = None,
+    snapshot_id: Optional[str] = None
+) -> Dict[str, Any]:
+    """
+    Формирует оперативную сводку на указанную дату / время:
+    - target_date: дата сводки (по умолчанию сегодня).
+    - target_time: время среза (например '14:30').
+    - snapshot_id: точный ID среза.
+    """
+    date_clean = str(target_date or DATE_TODAY).replace('_', '.')
+    applied_note = ""
+
+    # Если передано время, но не указан конкретный snapshot_id — ищем ближайший или запрашиваем экспорт
+    if target_time and not snapshot_id:
+        found_id, note = find_or_create_snapshot_for_time(date_clean, target_time, allow_ondemand_export=True)
+        snapshot_id = found_id
+        applied_note = note
+        if note:
+            logger.info(note)
+
+    df_scud = load_scud_from_db_by_snapshot(date_clean, snapshot_param=snapshot_id)
+    if df_scud is None or df_scud.empty:
+        return {
+            "status": "error",
+            "message": f"Срез СКУД за {date_clean} ({applied_note or snapshot_id or 'последний доступный'}) не найден в базе."
+        }
+
+    df_staff, df_abs = load_1c_files_for_date(date_clean)
+
+    df_merged = merge_scud_and_1c(df_scud, df_staff, df_abs)
+    metrics = calculate_summary_metrics(df_merged)
+    anomalies = detect_registry_anomalies(df_merged, df_raw_scud=df_scud)
+
+    # Добавляем суффикс времени в имя файла, если сводка строилась на точный срез
+    time_suffix = f" на {target_time.replace(':', '-')}" if target_time else ""
+    filename = f"{format_date_ru(date_clean)} сводка{time_suffix}.xlsx"
+    generate_summary_excel(df_merged, date_str=date_clean, filename=filename)
+
+    target_dir = get_dated_reports_dir(date_clean)
+    full_filepath = os.path.join(target_dir, filename)
+
+    return {
+        "status": "success",
+        "report_type": "SVODKA",
+        "date": date_clean,
+        "target_time": target_time,
+        "snapshot_id": snapshot_id or "AUTO_LATEST",
+        "filename": filename,
+        "filepath": full_filepath,
+        "download_url": f"/api/v1/files/download/reports/{os.path.basename(full_filepath)}",
+        "metrics": metrics,
+        "anomalies_count": len(anomalies),
+        "note": applied_note,
+        "message": f"Ежедневная сводка на {date_clean} {target_time or ''} успешно сформирована."
+    }

services/scud_export.py

@@ -237,7 +237,7 @@ def run_export(input_date: str | None = None, save_xlsx: bool = True, debug: boo
             continue
 
         if is_yesterday:
-            snapshot_time = f"{processing_date.strftime('%Y-%m-%d')} 22:00:00"
+            snapshot_time = f"{processing_date.strftime('%Y-%m-%d')} 23:59:59"
         else:
             snapshot_time = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
 

services/snapshots/finder.py

@@ -0,0 +1,89 @@
+"""
+===============================================================================
+FILE: services/snapshots/finder.py
+ROLE: Поиск ближайшего снапшота в SQLite (Smart Snap-to-Grid) и On-Demand экспорт.
+===============================================================================
+"""
+
+import logging
+from datetime import datetime
+from typing import Optional, Tuple
+from core.connection import get_connection
+from services.scud_export import run_export
+
+logger = logging.getLogger("SNAPSHOT_FINDER")
+
+
+def find_or_create_snapshot_for_time(
+    target_date_str: str, 
+    target_time_str: str, 
+    tolerance_minutes: int = 20,
+    allow_ondemand_export: bool = True
+) -> Tuple[Optional[str], str]:
+    """
+    Ищет ближайший срез за указанную дату и время (±tolerance_minutes).
+    Если не найден и allow_ondemand_export=True — запрашивает выгрузку из MS SQL на это время.
+    
+    Возвращает: (snapshot_id, human_message)
+    """
+    date_clean = target_date_str.replace('_', '.')
+    dt_target = datetime.strptime(f"{date_clean} {target_time_str}", "%d.%m.%Y %H:%M")
+
+    # 1. Поиск существующих снапшотов за эту дату в SQLite
+    with get_connection() as conn:
+        cursor = conn.cursor()
+        cursor.execute("""
+            SELECT DISTINCT snapshot_id, snapshot_time 
+            FROM scud_logs 
+            WHERE log_date = ? AND snapshot_time IS NOT NULL
+        """, (date_clean,))
+        rows = cursor.fetchall()
+
+    best_snapshot = None
+    min_diff_seconds = float('inf')
+
+    for snap_id, snap_time_str in rows:
+        try:
+            # Формат в базе: YYYY-MM-DD HH:MM:SS или DD.MM.YYYY HH:MM:SS
+            raw_time = str(snap_time_str).strip()
+            if '.' in raw_time.split()[0]:
+                dt_snap = datetime.strptime(raw_time, "%d.%m.%Y %H:%M:%S")
+            else:
+                dt_snap = datetime.strptime(raw_time, "%Y-%m-%d %H:%M:%S")
+
+            diff = abs((dt_snap - dt_target).total_seconds())
+            if diff < min_diff_seconds:
+                min_diff_seconds = diff
+                best_snapshot = (snap_id, snap_time_str, dt_snap)
+        except Exception:
+            continue
+
+    # Если найден срез в пределах допуска (по умолчанию 20 минут)
+    if best_snapshot and min_diff_seconds <= (tolerance_minutes * 60):
+        snap_id, snap_time, dt_s = best_snapshot
+        diff_mins = round(min_diff_seconds / 60)
+        return snap_id, f"Использован готовый срез {snap_id} за {dt_s.strftime('%H:%M')} (разница {diff_mins} мин)."
+
+    # 2. Если срез не найден и разрешен On-Demand экспорт из MS SQL Орион
+    if allow_ondemand_export:
+        logger.info(f"Снапшот на {date_clean} {target_time_str} не найден в SQLite. Запуск прямого среза из MS SQL...")
+        
+        run_export(
+            input_date=date_clean, 
+            debug=False, 
+            save_xlsx=True
+        )
+        
+        with get_connection() as conn:
+            cursor = conn.cursor()
+            cursor.execute("""
+                SELECT snapshot_id 
+                FROM scud_logs 
+                WHERE log_date = ? 
+                ORDER BY id DESC LIMIT 1
+            """, (date_clean,))
+            row = cursor.fetchone()
+            if row:
+                return row[0], f"Создан новый срез {row[0]} из MS SQL на {target_time_str}."
+
+    return None, f"Срез на {date_clean} {target_time_str} не найден."

services/text_reporter.py

@@ -5,44 +5,36 @@ from services.ai_verifier import ask_ollama
 from services.knowledge_base import load_knowledge_base
 
 
-def find_python_fuzzy_matches(unexplained_df, raw_absent_df):
+def find_ai_identity_suggestions(unexplained_df, raw_staff_df):
-    if unexplained_df.empty or raw_absent_df is None or raw_absent_df.empty:
+    """
+    ⭐️ Теневой ИИ-арбитраж: ищет потенциальные опечатки операторов СКУД
+    среди нераспознанных сотрудников и формирует рекомендации для администратора.
+    """
+    if unexplained_df.empty or raw_staff_df is None or raw_staff_df.empty:
         return []
 
-    absent_dict = {}
+    staff_fios = raw_staff_df['fio_clean'].dropna().unique().tolist() if 'fio_clean' in raw_staff_df.columns else []
-    for idx, r in raw_absent_df.iterrows():
+    unexp_fios = unexplained_df['fio_clean'].dropna().unique().tolist() if 'fio_clean' in unexplained_df.columns else []
-        raw_fio = str(r.get('ФИО', ''))
-        clean_fio = str(r.get('fio_clean', ''))
-        reason = str(r.get('Вид_отсутствия', ''))
-        if clean_fio and clean_fio not in ['Ао "Ленморниипроект"', 'Сотрудник', 'Nan', 'None']:
-            absent_dict[clean_fio] = {'raw_fio': raw_fio, 'reason': reason}
 
-    matches = []
+    suggestions = []
-    unexplained_fios = unexplained_df['fio_clean'].unique() if 'fio_clean' in unexplained_df.columns else []
+    for scud_fio in unexp_fios:
-
+        f_parts = scud_fio.split()
-    for fio in unexplained_fios:
+        if not f_parts:
-        fio_parts = fio.split()
-        if not fio_parts:
             continue
-        surname = fio_parts[0].lower()
+        surname = f_parts[0].lower()
 
-        for abs_clean, abs_info in absent_dict.items():
+        for staff_fio in staff_fios:
-            abs_parts = abs_clean.split()
+            if staff_fio.lower().startswith(surname[:4]):
-            if not abs_parts:
+                ratio = difflib.SequenceMatcher(None, scud_fio.lower(), staff_fio.lower()).ratio()
-                continue
+                if 0.75 <= ratio < 1.0:
-            abs_surname = abs_parts[0].lower()
+                    suggestions.append({
-
+                        "scud_fio": scud_fio,
-            if surname == abs_surname:
+                        "suggested_zup_fio": staff_fio,
-                ratio = difflib.SequenceMatcher(None, fio.lower(), abs_clean.lower()).ratio()
+                        "confidence": round(ratio, 2)
-                if ratio >= 0.75:
-                    matches.append({
-                        "target_fio": fio,
-                        "found_in_1c_raw": abs_info['raw_fio'],
-                        "reason_1c": abs_info['reason']
                     })
                     break
 
-    return matches
+    return suggestions
 
 
 def generate_markdown_report(merged_df, absent_explained, absent_unexplained, scud_present_but_absent_in_1c, anomalies_list=None, raw_scud_df=None, raw_staff_df=None, raw_absent_df=None, date_str="05.08.2026"):
@@ -51,22 +43,18 @@ def generate_markdown_report(merged_df, absent_explained, absent_unexplained, sc
     custom_rules_str = "\n".join([f"- {r}" for r in custom_rules]) if custom_rules else "Специфических правил компании пока нет."
 
     total_staff = len(merged_df)
-    
-    # 1. Пришедшие в офис
     present_office_cnt = len(merged_df[merged_df['Пришел'] == True])
     
-    # 2. Не пришедшие удаленщики
     reason_series = merged_df['Вид_отсутствия'].astype(str).str.lower()
     is_remote_reason = reason_series.str.contains('удален|дистанцион', regex=True, na=False)
     remote_home_cnt = len(merged_df[(merged_df['Пришел'] == False) & is_remote_reason])
 
-    # 3. Официально отсутствующие (без удаленки)
     explained_cnt = len(merged_df[(merged_df['Пришел'] == False) & (merged_df['Вид_отсутствия'].notna()) & (~is_remote_reason) & (~merged_df['Вид_отсутствия'].astype(str).str.startswith('Исключение'))])
-    
     unexplained_cnt = len(absent_unexplained)
     anomalies_cnt = len(anomalies_list) if anomalies_list else 0
 
-    fio_mismatches_python = find_python_fuzzy_matches(absent_unexplained, raw_absent_df)
+    # ⭐️ Теневые подсказки ИИ
+    ai_suggestions = find_ai_identity_suggestions(absent_unexplained, raw_staff_df)
 
     anomalies_formatted = []
     if anomalies_list:
@@ -106,18 +94,18 @@ def generate_markdown_report(merged_df, absent_explained, absent_unexplained, sc
 {anomalies_text_block}
 
 ---
-⚠️ ПОДТВЕРЖДЁННЫЕ PYTHON ОШИБКИ СОПОСТАВЛЕНИЯ ФИО В 1С ({len(fio_mismatches_python)} шт):
+💡 ПРЕДЛОЖЕНИЯ ИИ ПО СОПОСТАВЛЕНИЮ ФИО ({len(ai_suggestions)} шт):
-{json.dumps(fio_mismatches_python, ensure_ascii=False, indent=2)}
+{json.dumps(ai_suggestions, ensure_ascii=False, indent=2)}
 
 ---
 📊 СПИСОК НЕИЗВЕСТНЫХ СЛУЧАЕВ ({unexplained_cnt} чел):
 {json.dumps(unexplained_list, ensure_ascii=False, indent=2)}
 
-СТРОГИЕ ИНСТРУКЦИИ ДЛЯ ИИ:
+СТРОГИЕ ИНСТРУКЦИИ:
-1. КАТЕГОРИЧЕСКИ ЗАПРЕЩЕНО выводить JSON! В блоке "Выявленные ИИ аномалии" выведи читаемый нумерованный список строк ровно так, как передано в разделе "ПОДТВЕРЖДЁННЫЕ АНОМАЛИИ". Если аномалий нет, напиши: "Аномалий не обнаружено."
+1. КАТЕГОРИЧЕСКИ ЗАПРЕЩЕНО выводить JSON! В блоке "Выявленные ИИ аномалии" выведи читаемый нумерованный список строк ровно так, как передано в разделе "ПОДТВЕРЖДЁННЫЕ АНОМАЛИИ".
-2. В разделе "Подозрения на ошибки сопоставления ФИО" используй ТОЛЬКО массив `ПОДТВЕРЖДЁННЫЕ PYTHON ОШИБКИ СОПОСТАВЛЕНИЯ ФИО`. Если он пуст, напиши: "Ошибок сопоставления ФИО и неточностей в 1С не обнаружено."
+2. В разделе "Подозрения на ошибки сопоставления ФИО" выведи рекомендации по сопоставлению из массива "ПРЕДЛОЖЕНИЯ ИИ". Если массив пуст — напиши "Ошибок сопоставления ФИО не обнаружено."
-3. В разделе "Неизвестные случаи" выведи НУМЕРОВАННЫЙ СПИСОК всех {unexplained_cnt} человек ровно в том виде, в котором они переданы выше.
+3. В разделе "Неизвестные случаи" выведи нумерованный список всех {unexplained_cnt} человек.
-4. В разделе "Рекомендации" дай 2-3 конкретные системные рекомендации для кадровой службы без перечисления конкретных ФИО.
+4. В разделе "Рекомендации" дай 2-3 системные рекомендации.
 
 СТРОГИЙ ШАБЛОН ОТВЕТА:
 
@@ -131,17 +119,17 @@ def generate_markdown_report(merged_df, absent_explained, absent_unexplained, sc
 - Выявлено аномалий/конфликтов реестров: **{anomalies_cnt}** шт.
 
 #### 🚨 Выявленные ИИ аномалии и конфликты источников ({anomalies_cnt}):
-(Выведи нумерованный текстовый список аномалий или 'Аномалий не обнаружено.')
+(Список аномалий или 'Аномалий не обнаружено.')
 
-#### ⚠️ Подозрения на ошибки сопоставления ФИО и несоответствия 1С:
+#### 💡 Подозрения на ошибки сопоставления ФИО и предложения ИИ:
-(Выведи данные ИСКЛЮЧИТЕЛЬНО из массива ошибок ФИО. Если пуст — 'Ошибок сопоставления ФИО и неточностей в 1С не обнаружено.')
+(Список предложений сопоставления или 'Ошибок сопоставления ФИО не обнаружено.')
 
 #### Неизвестные случаи: {unexplained_cnt}
-(Выведи нумерованный список всех {unexplained_cnt} человек)
+(Нумерованный список всех {unexplained_cnt} человек)
 
 ### Точечные рекомендации:
 (2-3 системные рекомендации)
 """
 
-    sys_prompt = "Ты — русскоязычный кадровый аудитор. Пиши СТРОГО на русском языке обычным форматированным текстом. Категорически запрещено выводить фигурные скобки JSON или технический код."
+    sys_prompt = "Ты — русскоязычный кадровый аудитор. Пиши СТРОГО на русском языке форматированным текстом. Запрещено выводить фигурные скобки JSON."
     return ask_ollama(prompt, system_prompt=sys_prompt)