# 📦 ПОЛНЫЙ ИСХОДНЫЙ КОД И КОНФИГУРАЦИЯ ПРОЕКТА scud_orion_ai_v2 ## File: `./config.py` ```py import os import re from datetime import datetime, timedelta BASE_DIR = os.path.dirname(os.path.abspath(__file__)) DATA_DIR = os.path.join(BASE_DIR, "data") SCUD_DIR = os.path.join(DATA_DIR, "scud") ZUP_1C_DIR = os.path.join(DATA_DIR, "1c") OUTPUT_DIR = os.path.join(BASE_DIR, "output") # Путь к намонтированной сетевой шаре 1С в Linux (вместо \\storage\SCUD\Обмен\Штат) SHARE_1C_DIR = "/mnt/scud_share" for folder in [DATA_DIR, SCUD_DIR, ZUP_1C_DIR, OUTPUT_DIR]: os.makedirs(folder, exist_ok=True) NOW = datetime.now() DATE_TODAY = NOW.strftime("%d.%m.%Y") if NOW.weekday() == 0: DATE_YESTERDAY = (NOW - timedelta(days=3)).strftime("%d.%m.%Y") else: DATE_YESTERDAY = (NOW - timedelta(days=1)).strftime("%d.%m.%Y") # --- Настройки LLM / Ollama --- OLLAMA_URL = "http://192.168.11.3:11434/api/generate" OLLAMA_MODEL = "qwen2.5:14b" MODEL_NAME = OLLAMA_MODEL KNOWLEDGE_BASE_PATH = os.path.join(DATA_DIR, "knowledge_base.json") EXCEPTIONS_PATH = os.path.join(BASE_DIR, "exceptions.json") # --- Настройки подключения к MS SQL Server (1С:ЗУП 3.1) --- ZUP_SQL_CONFIG = { "driver": "{ODBC Driver 18 for SQL Server}", # или "{ODBC Driver 17 for SQL Server}" "server": os.getenv("ZUP_SQL_SERVER", "ACCOUNT-01"), "database": os.getenv("ZUP_SQL_DB", "ZUP30"), # Замените на точное имя базы ЗУП на ACCOUNT-01 "user": os.getenv("ZUP_SQL_USER", "scud_reader"), # Логин SQL Server "password": os.getenv("ZUP_SQL_PASS", "Rhfcysq90"), # Пароль SQL Server "trust_server_certificate": "yes", # Доверять сертификату сервера "encrypt": "no" # "yes", если на MS SQL включено обязательное SSL-шифрование } def find_dated_file(prefix, date_str, search_dirs=[ZUP_1C_DIR, SCUD_DIR, DATA_DIR, "."]): """ Ищет файлы по префиксу и дате (поддерживает и 30.07.2026, и 30_07_2026). """ date_dots = date_str date_underscores = date_str.replace('.', '_') for d in search_dirs: if not os.path.exists(d): continue for f in os.listdir(d): if f.endswith('.xlsx') or f.endswith('.csv'): if f.lower().startswith(prefix.lower()): if date_dots in f or date_underscores in f: return os.path.join(d, f) return None def normalize_fio(fio): if not fio or not isinstance(fio, str): return "" fio_clean = re.sub(r'\(.*?\)', '', fio) fio_clean = fio_clean.replace('\xa0', ' ') parts = fio_clean.strip().split() return " ".join(parts).title() def clean_scud_fio_light(fio_str): return normalize_fio(fio_str) def load_exceptions(): import json if os.path.exists(EXCEPTIONS_PATH): try: with open(EXCEPTIONS_PATH, "r", encoding="utf-8") as f: return json.load(f) except Exception: pass return {"fio": [], "departments": [], "positions": [], "position_keywords": []} ``` ## File: `./exceptions.json` ```json { "departments": [ "ОВК" ], "positions": [ "Уборщик производственных помещений", "Уборщик служебных помещений" ], "fio": [ "Таткало Валерий Валерьевич", "Петренюк Андрей Германович", "Чуркина Елена Геннадьевна", "Михалев Сергей Геннадьевич" ], "position_keywords": [ "уборщик", "клинер", "дворник", "гардероб", "рабочий по обслуживанию" ] } ``` ## File: `./main_etl.py` ```py import os import sys import json import argparse import pandas as pd from datetime import datetime, timedelta sys.path.append(os.path.dirname(os.path.abspath(__file__))) from config import DATE_TODAY, DATE_YESTERDAY, OUTPUT_DIR, DATA_DIR, normalize_fio from services.scud_export import run_export from services.share_copier import copy_1c_files_from_share from services.data_validator import check_file_freshness from services.data_loader import load_1c_data_smart, load_scud_data from services.excel_exporter import generate_summary_excel, generate_detailed_excel from services.ai_verifier import ai_verify_scud_against_staff, analyze_scud_mass_failure_ai from services.text_reporter import generate_markdown_report from services.feedback_loop import review_ai_decisions from services.knowledge_base import load_knowledge_base from core.database import ( init_db, save_scud_to_db, save_staff_to_db, save_absences_to_db, save_anomalies_to_db, load_scud_from_db_by_snapshot, load_staff_from_db, load_absences_from_db, get_latest_snapshot_time, has_scud_logs_for_date ) def load_exceptions_config(): """Загружает файл exceptions.json из корня проекта.""" root_dir = os.path.dirname(os.path.abspath(__file__)) json_path = os.path.join(root_dir, "exceptions.json") if not os.path.exists(json_path): return {} try: with open(json_path, 'r', encoding='utf-8') as f: return json.load(f) except Exception as e: print(f"[⚠️] Ошибка чтения exceptions.json: {e}") return {} def apply_exceptions_from_json(df, exceptions_cfg): """ Быстрая и эффективная разметка флага is_excluded=True на основе exceptions.json. Выполняется мгновенно без цикличных HTTP-запросов к ИИ. """ if df is None or df.empty or not exceptions_cfg: if df is not None: df['is_excluded'] = False return df deps = [d.strip().lower() for d in exceptions_cfg.get("departments", []) if d] exact_pos = [p.strip().lower() for p in exceptions_cfg.get("positions", []) if p] pos_kw = [k.strip().lower() for k in exceptions_cfg.get("position_keywords", []) if k] exc_fios = [normalize_fio(f) for f in exceptions_cfg.get("fio", []) if f] df['is_excluded'] = False for idx, row in df.iterrows(): fio_clean = row.get('fio_clean', '') dep_1c = str(row.get('Подразделение', '')).lower() dep_scud = str(row.get('department_scud', row.get('department', ''))).lower() pos = str(row.get('Должность', '')).lower() is_fio_exc = fio_clean in exc_fios is_pos_exc = (pos in exact_pos) or any(k in pos for k in pos_kw if k) if pos else False # Быстрая проверка отделов по подстрокам is_dep_exc = False if deps: is_dep_exc = any(d in dep_1c or d in dep_scud for d in deps) if is_fio_exc or is_dep_exc or is_pos_exc: df.at[idx, 'is_excluded'] = True return df def filter_report_dataframe(merged_df): """ Исключает сотрудников из списка исключений и сотрудников без пропуска из детального отчета, ЕСЛИ у них нет официального документа отсутствия из 1С:ЗУП. """ if merged_df is None or merged_df.empty: return merged_df has_1c_reason = ( merged_df['Вид_отсутствия'].notna() & (merged_df['Вид_отсутствия'].astype(str).str.strip() != '') & (~merged_df['Вид_отсутствия'].astype(str).str.startswith('Исключение')) ) is_not_excluded = merged_df.get('is_excluded', False) == False is_not_no_pass = merged_df.get('no_scud_pass', False) == False filtered_df = merged_df[(is_not_excluded & is_not_no_pass) | has_1c_reason].copy() return filtered_df def load_static_reason_workers(): """Загружает реестр удалёнщиков и статических причин из CSV.""" static_path = os.path.join(DATA_DIR, "static_reason_workers.csv") if not os.path.exists(static_path): return {} try: df_static = pd.read_csv(static_path, encoding='utf-8') if 'fio' in df_static.columns and 'reason' in df_static.columns: df_static['fio_clean'] = df_static['fio'].apply(normalize_fio) return dict(zip(df_static['fio_clean'], df_static['reason'])) except Exception as e: print(f"[⚠️] Ошибка чтения static_reason_workers.csv: {e}") return {} def detect_all_anomalies(merged_df, static_reasons_dict, kb_rules, scud_fios_set=None): """ Автоматически выявляет истинные аномалии СКУД ⟷ 1С. """ anomalies = [] kb_rules_text = " ".join(kb_rules).lower() if kb_rules else "" ALLOWED_WORK_TRIP_KEYWORDS = ['командировк', 'разъездн', 'поездк'] for idx, row in merged_df.iterrows(): fio = row.get('Сотрудник', row.get('fio_clean', '')) fio_clean = row.get('fio_clean', '') is_present = row.get('Пришел', False) is_exc = row.get('is_excluded', False) reason_1c = str(row.get('Вид_отсутствия', '')).strip() has_1c_reason = pd.notna(row.get('Вид_отсутствия')) and reason_1c != '' and not reason_1c.startswith('Исключение') anom_flag = row.get('anomaly_flag', 'NONE') is_fio_whitelisted_in_kb = fio_clean.lower() in kb_rules_text if is_present and has_1c_reason: reason_lower = reason_1c.lower() is_allowed_trip = any(kw in reason_lower for kw in ALLOWED_WORK_TRIP_KEYWORDS) if not is_allowed_trip and not is_fio_whitelisted_in_kb: anomalies.append({ "type": "ФИЗИЧЕСКОЕ ПРИСУТСТВИЕ ПРИ ОФИЦИАЛЬНОМ ОТСУТСТВИИ", "fio": fio, "details": f"Сотрудник пришел по СКУД, но в 1С оформлен документ: '{reason_1c}'" }) if is_exc and not has_1c_reason: continue if anom_flag == 'ANOMALY_NO_IN_HAS_ACTIVITY': first_act = row.get('Первая_активность', '—') anomalies.append({ "type": "АНОМАЛИЯ СКУД: ПЕРЕМЕЩЕНИЕ БЕЗ ВХОДА", "fio": fio, "details": f"Отсутствует регистрация входа на КПП при зафиксированной первой активности в {first_act}" }) if scud_fios_set is not None: if fio_clean not in scud_fios_set and not has_1c_reason: anomalies.append({ "type": "АНОМАЛИЯ УЧЕТА: СОТРУДНИК ОТСУТСТВУЕТ В СКУД ОРИОН PRO", "fio": fio, "details": f"Сотрудник числится в Штатном расписании 1С ({row.get('Подразделение', '—')}), но полностью отсутствует в базе СКУД Орион Pro (профиль не создан или карта не выдана)" }) return anomalies def aggregate_scud_by_employee(df, debug=False): """Агрегирует проходы СКУД по уникальным сотрудникам.""" if df is None or df.empty or 'fio_clean' not in df.columns: return df aggregated = [] for fio_clean, group in df.groupby('fio_clean', sort=False): is_present = group['Пришел'].any() if 'Пришел' in group.columns else False if is_present and 'Пришел' in group.columns: present_rows = group[group['Пришел'] == True] best_row = present_rows.iloc[0].to_dict() if not present_rows.empty else group.iloc[0].to_dict() else: best_row = group.iloc[0].to_dict() best_row['Пришел'] = is_present aggregated.append(best_row) return pd.DataFrame(aggregated) def main(): help_text = """ Система автоматизированного контроллинга СКУД ⟷ 1С:ЗУП (scud_orion_ai_v2) ПРИМЕРЫ ЗАПУСКА: python main.py -- Обычный дневной запуск python main.py --skip-export -- Расчет отчета по ПОСЛЕДНЕМУ имеющемуся снапшоту из SQLite python main.py --snapshot 20260805-001 -- Расчет отчета строго по ID снапшота python main.py -d -- Запуск в режиме расширенной отладки (DEBUG) """ parser = argparse.ArgumentParser( description=help_text, formatter_class=argparse.RawDescriptionHelpFormatter ) parser.add_argument('-d', '--debug', action='store_true', help="Запуск в режиме отладки с выводом подробных логов") parser.add_argument('--skip-export', action='store_true', help="Пропустить выгрузку СКУД из MS SQL и построить отчет по последнему снапшоту") parser.add_argument('--snapshot', type=str, default=None, help="Составной ID снапшота или время создания") args = parser.parse_args() DEBUG = args.debug print("=" * 60) print(f"ЗАПУСК СИСТЕМЫ МОДУЛЬНОГО КОНТРОЛЛИНГА СКУД ⟷ 1С {'[DEBUG MODE]' if DEBUG else ''}") print("=" * 60) init_db() kb_data = load_knowledge_base() kb_rules = kb_data.get("rules", []) exceptions_cfg = load_exceptions_config() if args.snapshot: snapshot_param = args.snapshot print(f"[📸] РЕЖИМ СНАПШОТА: Расчет отчета строго по срезу '{snapshot_param}'") elif args.skip_export: snapshot_param = get_latest_snapshot_time() print(f"[📸] РЕЖИМ --skip-export: Используем последний снапшот из SQLite ('{snapshot_param}')") else: snapshot_param = datetime.now().strftime("%Y-%m-%d %H:%M:%S") print(f"[📸] СФОРМИРОВАН НОВЫЙ СНАПШОТ: '{snapshot_param}'") if not args.skip_export and not args.snapshot: try: run_export(save_xlsx=True, debug=DEBUG) except Exception as e: print(f"[⚠️] Ошибка автоэкспорта из БД: {e}. Переходим к записям в SQLite.") else: print("[0/5] Пропуск прямого экспорта из MS SQL (чтение из базы SQLite)...") # ⚡️ ПРОВЕРКА ШАРЫ ТОЛЬКО ДЛЯ ОБЫЧНОГО ДНЕВНОГО ЗАПУСКА if not args.snapshot and not args.skip_export: copy_1c_files_from_share() print("[1/5] Проверка актуальности и свежести входных данных...") is_valid, warnings, errors, has_today_1c = check_file_freshness() if warnings: print("\n--- ⚠️ ПРЕДУПРЕЖДЕНИЯ ОБ АКТУАЛЬНОСТИ ---") for w in warnings: print(f" • {w}") print("-" * 45) if not is_valid: print("\n" + "!" * 60) print("🛑 ОСТАНОВКА ВЫПОЛНЕНИЯ: Отсутствуют критически важные файлы за вчерашний день!") for e in errors: print(f" {e}") print("!" * 60) sys.exit(1) print("[✓] Проверка доступности данных успешно пройдена!\n") else: print("[1/5] Пропуск проверки сетевой шары (все данные читаются из SQLite)...") has_today_1c = True print("[2/5] Загрузка данных из СКУД, 1С:ЗУП, реестра причин и исключений...") # 🎯 ВЫЧИСЛЕНИЕ ДАТ СНАПШОТА И ДАТ НАКАНУНЕ if args.snapshot or args.skip_export: raw_scud_today_df = load_scud_from_db_by_snapshot(None, snapshot_param=snapshot_param) if not raw_scud_today_df.empty and 'log_date' in raw_scud_today_df.columns: target_date_str = str(raw_scud_today_df['log_date'].iloc[0]) else: target_date_str = DATE_TODAY dt_target = datetime.strptime(target_date_str, "%d.%m.%Y") if dt_target.weekday() == 0: # Понедельник -> Пятница dt_yesterday = dt_target - timedelta(days=3) else: dt_yesterday = dt_target - timedelta(days=1) yesterday_date_str = dt_yesterday.strftime("%d.%m.%Y") print(f"[📸] СНАПШОТ ОПРЕДЕЛЕН: Целевая дата = {target_date_str}, Накануне = {yesterday_date_str}") raw_scud_yesterday_df = load_scud_from_db_by_snapshot(yesterday_date_str, snapshot_param=None) # Гарантированная загрузка кадров 1С за обе даты (БД + локальный фолбэк) df_staff_today, df_absent_today = load_1c_data_smart(target_date_str, use_db=True) df_staff_yesterday, df_absent_yesterday = load_1c_data_smart(yesterday_date_str, use_db=True) else: target_date_str = DATE_TODAY yesterday_date_str = DATE_YESTERDAY raw_scud_today_df = load_scud_from_db_by_snapshot(target_date_str, snapshot_param=snapshot_param) raw_scud_yesterday_df = load_scud_from_db_by_snapshot(yesterday_date_str, snapshot_param=None) df_staff_today, df_absent_today = load_1c_data_smart(DATE_TODAY, use_db=False) df_staff_yesterday, df_absent_yesterday = load_1c_data_smart(DATE_YESTERDAY, use_db=False) if df_staff_yesterday is not None: save_staff_to_db(df_staff_yesterday, yesterday_date_str) if df_absent_yesterday is not None: save_absences_to_db(df_absent_yesterday, yesterday_date_str) if df_staff_today is not None: save_staff_to_db(df_staff_today, target_date_str) if df_absent_today is not None: save_absences_to_db(df_absent_today, target_date_str) staff_fios_yesterday_clean = df_staff_yesterday['fio_clean'].dropna().tolist() if df_staff_yesterday is not None else [] static_reasons_dict = load_static_reason_workers() # ============================================================ # 🎯 ЧАСТЬ 1: ДЕТАЛЬНЫЙ ОТЧЕТ ЗА ВЧЕРА (ДЕНЬ НАКАНУНЕ) # ============================================================ print(f"\n[3/5] Обработка и построение детального отчета за ВЧЕРА ({yesterday_date_str})...") if not raw_scud_yesterday_df.empty and 'Пришел' not in raw_scud_yesterday_df.columns: raw_scud_yesterday_df['Пришел'] = raw_scud_yesterday_df['is_present'].astype(int) == 1 if 'is_present' in raw_scud_yesterday_df.columns else False scud_yesterday_unrecognized = raw_scud_yesterday_df[~raw_scud_yesterday_df['fio_clean'].isin(staff_fios_yesterday_clean)]['fio_clean'].tolist() if not raw_scud_yesterday_df.empty else [] fio_mapping_scud_y = ai_verify_scud_against_staff(scud_yesterday_unrecognized, staff_fios_yesterday_clean) if fio_mapping_scud_y: raw_scud_yesterday_df['fio_clean'] = raw_scud_yesterday_df['fio_clean'].apply( lambda x: fio_mapping_scud_y[x]['staff_fio'] if x in fio_mapping_scud_y else x ) if df_absent_yesterday is not None and not df_absent_yesterday.empty: absent_unrecognized_yesterday = df_absent_yesterday[~df_absent_yesterday['fio_clean'].isin(staff_fios_yesterday_clean)]['fio_clean'].tolist() if absent_unrecognized_yesterday: fio_mapping_absent_y = ai_verify_scud_against_staff(absent_unrecognized_yesterday, staff_fios_yesterday_clean) if fio_mapping_absent_y: df_absent_yesterday['fio_clean'] = df_absent_yesterday['fio_clean'].apply( lambda x: fio_mapping_absent_y[x]['staff_fio'] if x in fio_mapping_absent_y else x ) raw_scud_yesterday_df = aggregate_scud_by_employee(raw_scud_yesterday_df, debug=DEBUG) # ⭐️ ФОРМИРУЕМ МЕРДЖ ИСКЛЮЧИТЕЛЬНО НА БАЗЕ ШТАТА ЗА ПРОШЛЫЙ ДЕНЬ merged_yesterday = df_staff_yesterday.copy() if (df_staff_yesterday is not None and not df_staff_yesterday.empty) else (df_staff_today.copy() if df_staff_today is not None else pd.DataFrame()) if not merged_yesterday.empty: if not raw_scud_yesterday_df.empty: if 'Подразделение' in raw_scud_yesterday_df.columns: raw_scud_yesterday_df['department_scud'] = raw_scud_yesterday_df['Подразделение'] elif 'department' in raw_scud_yesterday_df.columns: raw_scud_yesterday_df['department_scud'] = raw_scud_yesterday_df['department'] else: raw_scud_yesterday_df['department_scud'] = '' merged_yesterday = merged_yesterday.merge( raw_scud_yesterday_df[['fio_clean', 'Пришел', 'Начало_дня', 'Первая_активность', 'Конец_дня', 'Находился_в_здании', 'anomaly_flag', 'department_scud']], on='fio_clean', how='left' ) if 'Вид_отсутствия' in merged_yesterday.columns: merged_yesterday = merged_yesterday.drop(columns=['Вид_отсутствия']) # Присоединяем отсутствия СТРОГО за дату yesterday_date_str if df_absent_yesterday is not None and not df_absent_yesterday.empty: merged_yesterday = merged_yesterday.merge( df_absent_yesterday[['fio_clean', 'Вид_отсутствия']], on='fio_clean', how='left' ) if 'Пришел' not in merged_yesterday.columns: merged_yesterday['Пришел'] = False else: merged_yesterday['Пришел'] = merged_yesterday['Пришел'].fillna(False) if 'Сотрудник' not in merged_yesterday.columns: merged_yesterday['Сотрудник'] = merged_yesterday.get('ФИО', merged_yesterday['fio_clean']) if static_reasons_dict: for fio_clean, reason_val in static_reasons_dict.items(): mask_yesterday = ( (merged_yesterday['Пришел'] == False) & (merged_yesterday['Вид_отсутствия'].isna() | (merged_yesterday['Вид_отсутствия'].astype(str).str.strip() == '')) & (merged_yesterday['fio_clean'] == fio_clean) ) merged_yesterday.loc[mask_yesterday, 'Вид_отсутствия'] = reason_val merged_yesterday = apply_exceptions_from_json(merged_yesterday, exceptions_cfg) mask_exc_yesterday = ( (merged_yesterday['Пришел'] == False) & (merged_yesterday['Вид_отсутствия'].isna() | (merged_yesterday['Вид_отсутствия'].astype(str).str.strip() == '')) & (merged_yesterday.get('is_excluded', False) == True) ) merged_yesterday.loc[mask_exc_yesterday, 'Вид_отсутствия'] = 'Исключение (ОВК/Подрядчики)' scud_fios_yesterday_set = set(raw_scud_yesterday_df['fio_clean'].dropna().tolist()) if not raw_scud_yesterday_df.empty else set() merged_yesterday['no_scud_pass'] = ( (~merged_yesterday['fio_clean'].isin(scud_fios_yesterday_set)) & (merged_yesterday['Вид_отсутствия'].isna() | (merged_yesterday['Вид_отсутствия'].astype(str).str.strip() == '')) & (merged_yesterday.get('is_excluded', False) == False) ) anomalies_yesterday_list = detect_all_anomalies(merged_yesterday, static_reasons_dict, kb_rules, scud_fios_set=scud_fios_yesterday_set) save_anomalies_to_db(anomalies_yesterday_list, yesterday_date_str) filtered_yesterday = filter_report_dataframe(merged_yesterday) generate_detailed_excel(merged_df=filtered_yesterday, date_str=yesterday_date_str) yesterday_dt_obj = datetime.strptime(yesterday_date_str, "%d.%m.%Y") yesterday_22_str = yesterday_dt_obj.strftime("%Y-%m-%d 22:00:00") save_scud_to_db(merged_yesterday, yesterday_date_str, snapshot_time=yesterday_22_str, is_yesterday=True) print(f"[✓] Детальный отчет за вчера сформирован и зафиксирован в SQLite за {yesterday_date_str}") # ============================================================ # 🎯 ЧАСТЬ 2: ЕЖЕДНЕВНАЯ СВОДКА (ЗА ЦЕЛЕВОЙ ДЕНЬ СНАПШОТА) # ============================================================ if not args.snapshot and not args.skip_export: save_scud_to_db(raw_scud_today_df, target_date_str, snapshot_time=snapshot_param, is_yesterday=False) if has_today_1c and df_staff_today is not None and df_absent_today is not None: print(f"\n[4/5] Обработка и построение Ежедневной сводки за {target_date_str}...") staff_fios_today_clean = df_staff_today['fio_clean'].dropna().tolist() if not raw_scud_today_df.empty and 'Пришел' not in raw_scud_today_df.columns: raw_scud_today_df['Пришел'] = raw_scud_today_df['is_present'].astype(int) == 1 if 'is_present' in raw_scud_today_df.columns else False scud_unrecognized = raw_scud_today_df[~raw_scud_today_df['fio_clean'].isin(staff_fios_today_clean)]['fio_clean'].tolist() if not raw_scud_today_df.empty else [] fio_mapping_scud = ai_verify_scud_against_staff(scud_unrecognized, staff_fios_today_clean) if fio_mapping_scud: raw_scud_today_df['fio_clean'] = raw_scud_today_df['fio_clean'].apply( lambda x: fio_mapping_scud[x]['staff_fio'] if x in fio_mapping_scud else x ) absent_unrecognized_today = df_absent_today[~df_absent_today['fio_clean'].isin(staff_fios_today_clean)]['fio_clean'].tolist() if absent_unrecognized_today: fio_mapping_absent = ai_verify_scud_against_staff(absent_unrecognized_today, staff_fios_today_clean) if fio_mapping_absent: df_absent_today['fio_clean'] = df_absent_today['fio_clean'].apply( lambda x: fio_mapping_absent[x]['staff_fio'] if x in fio_mapping_absent else x ) raw_scud_today_df = aggregate_scud_by_employee(raw_scud_today_df, debug=DEBUG) merged_today = df_staff_today.copy() if not raw_scud_today_df.empty: if 'Подразделение' in raw_scud_today_df.columns: raw_scud_today_df['department_scud'] = raw_scud_today_df['Подразделение'] elif 'department' in raw_scud_today_df.columns: raw_scud_today_df['department_scud'] = raw_scud_today_df['department'] else: raw_scud_today_df['department_scud'] = '' merged_today = merged_today.merge( raw_scud_today_df[['fio_clean', 'Пришел', 'Начало_дня', 'Первая_активность', 'Конец_дня', 'Находился_в_здании', 'anomaly_flag', 'department_scud']], on='fio_clean', how='left' ) if df_absent_today is not None and not df_absent_today.empty: merged_today = merged_today.merge(df_absent_today[['fio_clean', 'Вид_отсутствия']], on='fio_clean', how='left') if 'Пришел' not in merged_today.columns: merged_today['Пришел'] = False else: merged_today['Пришел'] = merged_today['Пришел'].fillna(False) if 'Сотрудник' not in merged_today.columns: merged_today['Сотрудник'] = merged_today.get('ФИО', merged_today['fio_clean']) if static_reasons_dict: for fio_clean, reason_val in static_reasons_dict.items(): mask_today = ( (merged_today['Пришел'] == False) & (merged_today['Вид_отсутствия'].isna() | (merged_today['Вид_отсутствия'].astype(str).str.strip() == '')) & (merged_today['fio_clean'] == fio_clean) ) merged_today.loc[mask_today, 'Вид_отсутствия'] = reason_val merged_today = apply_exceptions_from_json(merged_today, exceptions_cfg) mask_exc_today = ( (merged_today['Пришел'] == False) & (merged_today['Вид_отсутствия'].isna() | (merged_today['Вид_отсутствия'].astype(str).str.strip() == '')) & (merged_today.get('is_excluded', False) == True) ) merged_today.loc[mask_exc_today, 'Вид_отсутствия'] = 'Исключение (ОВК/Подрядчики)' scud_fios_today_set = set(raw_scud_today_df['fio_clean'].dropna().tolist()) if not raw_scud_today_df.empty else set() merged_today['no_scud_pass'] = ( (~merged_today['fio_clean'].isin(scud_fios_today_set)) & (merged_today['Вид_отсутствия'].isna() | (merged_today['Вид_отсутствия'].astype(str).str.strip() == '')) & (merged_today.get('is_excluded', False) == False) ) scud_fios_set = set(raw_scud_today_df['fio_clean'].dropna().tolist()) if not raw_scud_today_df.empty else set() anomalies_list = detect_all_anomalies(merged_today, static_reasons_dict, kb_rules, scud_fios_set=scud_fios_set) mass_failure_today = analyze_scud_mass_failure_ai(raw_scud_today_df) if mass_failure_today and mass_failure_today.get("is_mass_failure"): print("\n" + "!" * 60) print(f"🚨 ВНИМАНИЕ! ИИ ОБНАРУЖИЛ ОПЕРАТИВНЫЙ СБОЙ ТУРНИКЕТОВ ВХОДА СЕГОДНЯ ({mass_failure_today['anomaly_percent']}% СМЕНЫ)") print(mass_failure_today["alert_text"]) print("!" * 60 + "\n") save_anomalies_to_db(anomalies_list, target_date_str) is_no_pass_today = merged_today['no_scud_pass'] == True if 'no_scud_pass' in merged_today.columns else False is_exc_today = merged_today.get('is_excluded', False) == True absent_explained = merged_today[ (merged_today['Пришел'] == False) & (merged_today['Вид_отсутствия'].notna()) & (~merged_today['Вид_отсутствия'].astype(str).str.startswith('Исключение')) ] absent_unexplained = merged_today[ (merged_today['Пришел'] == False) & (merged_today['Вид_отсутствия'].isna() | (merged_today['Вид_отсутствия'].astype(str).str.strip() == '')) & (~is_no_pass_today) & (~is_exc_today) ] scud_present_but_absent_in_1c = merged_today[ (~is_exc_today) & (merged_today['Пришел'] == True) & (merged_today['Вид_отсутствия'].notna()) & (~merged_today['Вид_отсутствия'].astype(str).str.startswith('Исключение')) ] print("[5/5] Запуск ИИ-аудитора и построение Ежедневной сводки...") filtered_anomalies_list = [ a for a in anomalies_list if "ОТСУТСТВУЕТ В СКУД" not in a.get('type', '') ] report_text = generate_markdown_report( merged_df=merged_today, absent_explained=absent_explained, absent_unexplained=absent_unexplained, scud_present_but_absent_in_1c=scud_present_but_absent_in_1c, anomalies_list=filtered_anomalies_list, raw_scud_df=raw_scud_today_df, raw_absent_df=df_absent_today, date_str=target_date_str ) generate_summary_excel(merged_df=merged_today, date_str=target_date_str) md_report_path = os.path.join(OUTPUT_DIR, f"Сводка_контроллинга_{target_date_str}.md") with open(md_report_path, "w", encoding="utf-8") as f: f.write(report_text) print(f"\n[✓] Текстовый отчет сохранен в: {md_report_path}") suspicious_cases = [] for a in anomalies_list: if "ОФИЦИАЛЬНОМ ОТСУТСТВИИ" not in a.get('type', ''): suspicious_cases.append({ 'fio_target': a['fio'], 'reason': f"{a['type']}: {a['details']}" }) if suspicious_cases: review_ai_decisions(report_text, suspicious_cases) print("\n" + "=" * 60) print("ГОТОВАЯ ТЕКСТОВАЯ СВОДКА ИИ-АУДИТОРА:") print("=" * 60) print(report_text) else: print(f"\n[ℹ️] Формирование Ежедневной сводки за {target_date_str} ПРОПУЩЕНО.") if __name__ == "__main__": main() ``` ## File: `./scripts/__init__.py` ```py ``` ## File: `./scripts/add_rule_ai.py` ```py import sys import os # Добавляем корень проекта в путь поиска модулей Python sys.path.append(os.path.dirname(os.path.dirname(os.path.abspath(__file__)))) from core.database import get_connection rule_text = ( "Сотрудники, присутствующие в 1С:ЗУП, но отсутствующие в СКУД Орион Pro, " "являются аномалией синхронизации профилей. ИИ должен запрашивать у СБ статус выдачи пропуска." ) with get_connection() as conn: cursor = conn.cursor() cursor.execute("INSERT OR IGNORE INTO ai_knowledge_base (rule_text) VALUES (?)", (rule_text,)) conn.commit() print("✓ Правило успешно внесено в SQLite БД!") ``` ## File: `./scripts/db_cli.py` ```py import os import sys import argparse import sqlite3 import pandas as pd from datetime import datetime sys.path.append(os.path.dirname(os.path.dirname(os.path.abspath(__file__)))) from config import DATA_DIR, DATE_TODAY, OUTPUT_DIR from core.database import ( get_connection, get_available_snapshots, get_all_rules_from_db, load_scud_from_db_by_snapshot, get_latest_snapshot_time ) DB_PATH = os.path.join(DATA_DIR, "scud_orion_ai.db") def print_tool_actions(): """Выводит реестр декларативных действий инструментов и шаблоны кнопок.""" print("\n" + "=" * 110) print("🧰 ДЕКЛАРАТИВНЫЙ РЕЕСТР ДЕЙСТВИЙ ИНСТРУМЕНТОВ (tool_action_registry):") print("=" * 110) with get_connection() as conn: cursor = conn.cursor() cursor.execute(""" SELECT id, tool_name, category, bypass_llm, success_template, follow_up_question, buttons_json FROM tool_action_registry WHERE is_active = 1 ORDER BY id ASC """) rows = cursor.fetchall() if not rows: print("Таблица tool_action_registry пуста.") else: for r in rows: print(f"ID: {r[0]} | Tool: [{r[1]}] | Категория: {r[2]} | Bypass LLM: {'ДА (0.05с)' if r[3] else 'НЕТ'}") print(f" • Сообщение: {r[4]}") if r[5]: print(f" • Вопрос: {r[5]}") print(f" • Кнопки: {r[6]}") print("-" * 110) print("=" * 110 + "\n") def print_stats(): """Выводит общую статистику по записям в таблицах БД.""" print("\n" + "=" * 60) print("📊 СТАТИСТИКА БАЗЫ ДАННЫХ SQLITE (scud_orion_ai.db):") print("=" * 60) with get_connection() as conn: cursor = conn.cursor() tables = ['scud_logs', 'zup_staff', 'zup_absences', 'anomalies_history', 'ai_knowledge_base'] for t in tables: cursor.execute(f"SELECT COUNT(*) FROM {t}") cnt = cursor.fetchone()[0] print(f" • Таблица [{t:<18}]: {cnt:>6} записей") print("=" * 60 + "\n") def print_snapshots_list(date_str=None): """Выводит реестр снапшотов с отображением даты и точного времени среза.""" rows = get_available_snapshots(date_str) print("\n" + "=" * 105) print(f"📸 РЕЕСТР СОХРАНЕННЫХ СНАПШОТОВ (СВЕРХУ СВЕЖИЕ) {'ЗА ЛОГИ ' + date_str if date_str else ''}:") print("=" * 105) header = f"{'ID снапшота':<16} | {'Дата снапшота (создания)':<24} | {'Дата и время среза':<20} | {'Записей':<8}" print(header) print("-" * 105) if not rows: print("Снапшотов пока нет.") print("=" * 105 + "\n") return def snapshot_sort_key(row): snap_id = row[0] or "" snap_time = row[2] or "" seq_num = 0 if "-" in snap_id: parts = snap_id.replace("Y", "").split("-") if len(parts) > 1 and parts[1].isdigit(): seq_num = int(parts[1]) return (snap_time, seq_num) sorted_rows = sorted(rows, key=snapshot_sort_key, reverse=True) for r in sorted_rows: snap_id = r[0] if r[0] else '----------' log_date = r[1] if r[1] else '—' snap_time = r[2] if r[2] else '—' count = r[3] time_part = "—" if snap_time and " " in snap_time: time_part = snap_time.split(" ")[1] slice_datetime_str = f"{log_date} {time_part}" if time_part != "—" else log_date if not snap_id.startswith("Y"): formatted_snap_id = f" {snap_id}" else: formatted_snap_id = snap_id print(f"{formatted_snap_id:<16} | {snap_time:<24} | {slice_datetime_str:<20} | {count:<8}") print("=" * 105 + "\n") def delete_snapshot_by_id(snapshot_id: str): """Удаляет конкретный снапшот из таблицы scud_logs по его ID.""" with get_connection() as conn: cursor = conn.cursor() cursor.execute("DELETE FROM scud_logs WHERE snapshot_id = ?", (snapshot_id,)) deleted_count = cursor.rowcount conn.commit() print(f"\n[✓] Успешно удален снапшот [{snapshot_id}]. Удалено строк: {deleted_count}\n") return deleted_count def delete_snapshots_by_date(date_str: str): """Удаляет все снапшоты за указанную дату (например, '04.08.2026').""" with get_connection() as conn: cursor = conn.cursor() cursor.execute("DELETE FROM scud_logs WHERE log_date = ? OR snapshot_id LIKE ?", (date_str, f"%{date_str.replace('.', '')}%")) deleted_count = cursor.rowcount conn.commit() print(f"\n[✓] Успешно удалены все снапшоты за дату [{date_str}]. Удалено строк: {deleted_count}\n") return deleted_count def inspect_scud(snapshot_id=None, date_str=None, export_xlsx=None): """Инспектирует логи СКУД за выбранный снапшот или дату и опционально сохраняет XLSX.""" target_date = date_str if date_str else DATE_TODAY print("\n" + "=" * 90) if snapshot_id: print(f"🔍 ИНСПЕКЦИЯ СКУД ПО СНАПШОТУ [{snapshot_id}] (Дата: {target_date}):") else: print(f"🔍 ИНСПЕКЦИЯ СКУД ЗА ТЕКУЩУЮ ДАТУ [{target_date}] (ПОСЛЕДНИЙ СРЕЗ):") print("=" * 90) df = load_scud_from_db_by_snapshot(target_date, snapshot_param=snapshot_id) if df.empty: print(f"Записи СКУД не найдены.") print("=" * 90 + "\n") return total = len(df) present_cnt = len(df[df['Пришел'] == True]) if 'Пришел' in df.columns else 0 absent_cnt = total - present_cnt print(f"Всего записей: {total} | Пришли: {present_cnt} | Не пришли: {absent_cnt}") print("-" * 90) cols_to_show = ['fio', 'department', 'position', 'time_in', 'first_activity', 'time_out', 'is_present', 'anomaly_flag', 'snapshot_id'] existing_cols = [c for c in cols_to_show if c in df.columns] print(df[existing_cols].head(30).to_string(index=False)) if len(df) > 30: print(f"\n... и ещё {len(df) - 30} строк.") if export_xlsx: out_path = export_xlsx if export_xlsx.endswith('.xlsx') else f"{export_xlsx}.xlsx" if not os.path.isabs(out_path): out_path = os.path.join(OUTPUT_DIR, out_path) df.to_excel(out_path, index=False) print("\n" + "*" * 90) print(f"[✓] УСПЕШНЫЙ ЭКСПОРТ ДЕБАГ-ФАЙЛА В EXCEL: {out_path}") print("*" * 90) print("=" * 90 + "\n") def print_absences(date_str=None): """Выводит список официально отсутствующих сотрудников из 1С:ЗУП за выбранный день.""" target_date = date_str if date_str else DATE_TODAY print("\n" + "=" * 90) print(f"📋 ОФИЦИАЛЬНЫЕ ОТСУТСТВИЯ ИЗ 1С:ЗУП ЗА ДАТУ [{target_date}]:") print("=" * 90) with get_connection() as conn: df = pd.read_sql_query( "SELECT fio as 'ФИО', absence_type as 'Причина отсутствия 1С' FROM zup_absences WHERE absence_date = ? ORDER BY absence_type, fio", conn, params=(target_date,) ) if df.empty: print(f"Записи об отсутствиях 1С за {target_date} в базе не найдены.") else: print(f"Всего зафиксировано документов 1С: {len(df)}") print("-" * 90) print(df.to_string(index=False)) print("=" * 90 + "\n") def print_anomalies(): """Выводит список аномалий СКУД из БД.""" print("\n" + "=" * 80) print("🚨 ИСТОРИЯ НАЙДЕННЫХ АНОМАЛИЙ СКУД ⟷ 1С:") print("=" * 80) with get_connection() as conn: df = pd.read_sql_query("SELECT anomaly_date, fio, anomaly_type, details FROM anomalies_history ORDER BY id DESC LIMIT 50", conn) if df.empty: print("Аномалии не найдены.") else: print(df.to_string(index=False)) print("=" * 80 + "\n") def print_rules(): """Выводит правила базы знаний ИИ.""" rules = get_all_rules_from_db() print("\n" + "=" * 80) print("🧠 ПРАВИЛА БАЗЫ ЗНАНИЙ ИИ:") print("=" * 80) if not rules: print("База знаний пуста.") else: for idx, r in enumerate(rules, 1): print(f" {idx}. {r}") print("=" * 80 + "\n") def dump_all_to_excel(out_filename="db_dump_full.xlsx"): """Дампит всю базу SQLite во многостраничный Excel.""" out_path = os.path.join(OUTPUT_DIR, out_filename) print(f"\n[🔄] Создание полного дампа БД в файл: {out_path} ...") with get_connection() as conn, pd.ExcelWriter(out_path, engine='openpyxl') as writer: for table in ['scud_logs', 'zup_staff', 'zup_absences', 'anomalies_history', 'ai_knowledge_base']: df = pd.read_sql_query(f"SELECT * FROM {table}", conn) df.to_excel(writer, sheet_name=table[:31], index=False) print(f"[✓] Дамп успешно сохранен: {out_path}\n") def print_system_prompts(): """Выводит все системные промпты из базы данных.""" print("\n" + "=" * 80) print("📝 СИСТЕМНЫЕ ПРОМПТЫ (system_prompts):") print("=" * 80) with get_connection() as conn: cursor = conn.cursor() cursor.execute("SELECT id, name, is_active, updated_at, prompt_text FROM system_prompts ORDER BY id DESC") rows = cursor.fetchall() if not rows: print("Таблица system_prompts пуста.") else: for r in rows: print(f"ID: {r[0]} | Name: {r[1]} | Active: {r[2]} | Updated: {r[3]}") print("-" * 80) print(f"{r[4]}\n") print("=" * 80 + "\n") def print_session_states(): """Выводит текущие активные сессии и превью (session_states).""" print("\n" + "=" * 80) print("🔄 АКТИВНЫЕ СЕССИИ И ПРЕВЬЮ (session_states):") print("=" * 80) with get_connection() as conn: cursor = conn.cursor() cursor.execute("SELECT session_id, state_type, updated_at, pending_data FROM session_states") rows = cursor.fetchall() if not rows: print("Таблица session_states пуста (нет активных превью).") else: for r in rows: print(f"Session: {r[0]} | Type: {r[1]} | Updated: {r[2]}") print("-" * 80) print(f"Pending Data:\n{r[3]}\n") print("=" * 80 + "\n") HELP_TEXT = """ CLI-утилита инспекции и управления SQLite базой данных СКУД (scud_orion_ai.db) ДОСТУПНЫЕ КОМАНДЫ: stats -- Общая статистика строк по всем таблицам БД snapshots [ДД.ММ.ГГГГ] -- Посмотреть реестр снапшотов (опционально за конкретную дату) scud [ДД.ММ.ГГГГ] [--snapshot ID] [--export-xlsx NAME] -- Инспекция логов СКУД по дате/снапшоту и экспорт в Excel absences [ДД.ММ.ГГГГ] -- Посмотреть список официально отсутствующих из 1С:ЗУП anomalies -- Посмотреть историю найденных аномалий СКУД ⟷ 1С rules -- Посмотреть правила Базы Знаний ИИ из SQLite prompts -- Посмотреть системные промпты (system_prompts) tools -- Посмотреть реестр действий инструментов и кнопок (tool_action_registry) sessions -- Посмотреть активные сессии и превью (session_states) dump [output.xlsx] -- Полный дамп всех таблиц БД в многостраничный Excel snapshot del [ID] или [--day ДД.ММ.ГГГГ] -- Удаление снапшота по ID или всех за выбранный день ПРИМЕРЫ ЗАПУСКА: python scripts/db_cli.py stats python scripts/db_cli.py snapshots 06.08.2026 python scripts/db_cli.py scud 06.08.2026 --export-xlsx срез_четверг python scripts/db_cli.py scud --snapshot Y20260805-007 python scripts/db_cli.py absences 07.08.2026 python scripts/db_cli.py prompts python scripts/db_cli.py tools python scripts/db_cli.py sessions python scripts/db_cli.py snapshot del Y20260805-007 python scripts/db_cli.py snapshot del --day 04.08.2026 python scripts/db_cli.py dump my_dump.xlsx """ def main(): if any(arg in sys.argv for arg in ['-h', '--help']): print(HELP_TEXT) sys.exit(0) parser = argparse.ArgumentParser( description=HELP_TEXT, formatter_class=argparse.RawDescriptionHelpFormatter, add_help=False ) parser.add_argument('command', nargs='?', default=None, choices=['stats', 'snapshots', 'scud', 'absences', 'anomalies', 'rules', 'prompts', 'sessions', 'dump', 'snapshot', 'tools'], help="Основная команда") parser.add_argument('action', nargs='?', default=None, help="Дополнительное действие (например, 'del')") parser.add_argument('param', nargs='?', default=None, help="Параметр (дата, ID снапшота или имя файла)") parser.add_argument('--snapshot', type=str, default=None, help="ID конкретного снапшота для инспекции") parser.add_argument('--export-xlsx', type=str, default=None, help="Экспорт среза СКУД в Excel-файл") parser.add_argument('--day', type=str, default=None, help="Удалить снапшоты за конкретный день (ДД.ММ.ГГГГ)") if len(sys.argv) == 1: print_stats() return args = parser.parse_args() if args.command == 'stats': print_stats() elif args.command == 'snapshots': date_val = args.param or args.action print_snapshots_list(date_str=date_val) elif args.command == 'scud': inspect_scud(snapshot_id=args.snapshot, date_str=args.param, export_xlsx=args.export_xlsx) elif args.command == 'absences': date_val = args.param or args.action print_absences(date_str=date_val) elif args.command == 'anomalies': print_anomalies() elif args.command == 'rules': print_rules() elif args.command == 'prompts': print_system_prompts() elif args.command == 'sessions': print_session_states() elif args.command == 'tools': print_tool_actions() elif args.command == 'dump': filename = args.param if args.param else "db_dump_full.xlsx" dump_all_to_excel(filename) elif args.command == 'snapshot': if args.action == 'del': if args.day: delete_snapshots_by_date(args.day) elif args.param: delete_snapshot_by_id(args.param) else: print("\n[❌] Ошибка: Не указан ID снапшота или параметр --day для удаления.") print("Пример: python scripts/db_cli.py snapshot del Y20260805-007\n") else: print(f"\n[❌] Ошибка: Неизвестное действие '{args.action}' для команды snapshot.") print("Используйте: python scripts/db_cli.py snapshot del [ID или --day 'ДД.ММ.ГГГГ']\n") else: print(f"\n[❌] Ошибка: Неизвестная команда.") print(HELP_TEXT) if __name__ == "__main__": main() ``` ## File: `./scripts/fix_snapshots.py` ```py import sqlite3 import os from datetime import datetime DB_PATH = 'data/scud_orion_ai.db' def parse_to_date(date_str): """Надежное преобразование даты логов и времени снапшота в объект date.""" if not date_str: return None date_str = str(date_str).split(" ")[0].strip() if "." in date_str: try: return datetime.strptime(date_str, "%d.%m.%Y").date() except ValueError: return None elif "-" in date_str: try: return datetime.strptime(date_str, "%Y-%m-%d").date() except ValueError: return None return None def fix_snapshots(): """ Переиндексирует снапшоты в таблице scud_logs. Нумерация веников (001, 002, 003...) сквозная внутри каждого ДНЯ СОЗДАНИЯ. Префикс Y выставляется только если дата логов < даты создания. """ if not os.path.exists(DB_PATH): print(f"База данных {DB_PATH} не найдена.") return conn = sqlite3.connect(DB_PATH) cursor = conn.cursor() # Группируем по уникальным выгрузкам cursor.execute(""" SELECT snapshot_time, log_date FROM scud_logs WHERE snapshot_time IS NOT NULL GROUP BY snapshot_time, log_date ORDER BY snapshot_time ASC, log_date ASC """) rows = cursor.fetchall() if not rows: print("Снапшоты не найдены.") conn.close() return print("=== ИСПРАВЛЕНИЕ СКВОЗНОЙ НУМЕРАЦИИ ВНУТРИ ДНЯ СОЗДАНИЯ ===") # Счетчик текущего порядкового номера strictly за ДЕНЬ СОЗДАНИЯ (YYYYMMDD) seq_counters = {} for snap_time_raw, log_date_raw in rows: d_snap = parse_to_date(snap_time_raw) d_log = parse_to_date(log_date_raw) if not d_snap or not d_log: continue date_prefix = d_snap.strftime("%Y%m%d") # Если дата логов строго раньше даты создания снапшота — ставим Y is_yesterday = (d_log < d_snap) prefix = "Y" if is_yesterday else "" # Приращиваем сквозной счетчик за ЭТОТ ДЕНЬ СОЗДАНИЯ seq_counters[date_prefix] = seq_counters.get(date_prefix, 0) + 1 seq_num = seq_counters[date_prefix] new_id = f"{prefix}{date_prefix}-{seq_num:03d}" cursor.execute( "UPDATE scud_logs SET snapshot_id = ? WHERE snapshot_time = ? AND log_date = ?", (new_id, snap_time_raw, log_date_raw) ) print(f" • Срез создания: {snap_time_raw} | Логи за: {log_date_raw} ===> Назначен ID: [{new_id}]") conn.commit() conn.close() print("\n[✓] Переиндексация внутри дней создания успешно выполнена!") if __name__ == "__main__": fix_snapshots() ``` ## File: `./scripts/init_tool_registry.py` ```py """ Скрипт инициализации таблицы tool_action_registry в SQLite БД. """ import os import sys import json import sqlite3 BASE_DIR = os.path.abspath(os.path.join(os.path.dirname(__file__), "..")) DB_PATH = os.path.join(BASE_DIR, "data", "scud_orion_ai.db") def init_tool_action_registry(): conn = sqlite3.connect(DB_PATH) cursor = conn.cursor() # 1. Создаем таблицу cursor.execute(""" CREATE TABLE IF NOT EXISTS tool_action_registry ( id INTEGER PRIMARY KEY AUTOINCREMENT, tool_name TEXT UNIQUE NOT NULL, category TEXT DEFAULT 'general', bypass_llm INTEGER DEFAULT 1, success_template TEXT NOT NULL, follow_up_question TEXT, action_type TEXT DEFAULT 'BUTTONS', buttons_json TEXT, is_active INTEGER DEFAULT 1, updated_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP ); """) # 2. Начальное наполнение базовыми сценариями seed_tools = [ ( "db_confirm_prompt_preview", "prompt", 1, "✅ Системный промпт успешно сохранен и применен в базе данных.", "Желаете продолжить работу с системным промптом?", "FOLLOW_UP_ACTION", json.dumps([ {"label": "Показать промпт", "value": "покажи системный промпт"}, {"label": "Готово", "value": "нет, спасибо"} ], ensure_ascii=False) ), ( "db_cancel_prompt_preview", "prompt", 1, "❌ Изменения системного промпта отменены.", "Желаете продолжить работу с системным промптом?", "FOLLOW_UP_ACTION", json.dumps([ {"label": "Показать промпт", "value": "покажи системный промпт"}, {"label": "Готово", "value": "нет, спасибо"} ], ensure_ascii=False) ), ( "db_delete_task", "tasks", 1, "🗑 Задача успешно удалена из вашего реестра.", "Хотите посмотреть обновленный список задач?", "FOLLOW_UP_ACTION", json.dumps([ {"label": "Показать задачи", "value": "покажи список задач"}, {"label": "Готово", "value": "нет"} ], ensure_ascii=False) ), ( "db_delete_snapshots", "snapshots", 1, "🗑 Выбранные снапшоты успешно удалены из базы данных.", "Вывести актуальный список снапшотов?", "FOLLOW_UP_ACTION", json.dumps([ {"label": "Показать снапшоты", "value": "покажи список снапшотов"}, {"label": "Готово", "value": "нет"} ], ensure_ascii=False) ) ] for item in seed_tools: cursor.execute(""" INSERT INTO tool_action_registry ( tool_name, category, bypass_llm, success_template, follow_up_question, action_type, buttons_json ) VALUES (?, ?, ?, ?, ?, ?, ?) ON CONFLICT(tool_name) DO UPDATE SET category = excluded.category, bypass_llm = excluded.bypass_llm, success_template = excluded.success_template, follow_up_question = excluded.follow_up_question, action_type = excluded.action_type, buttons_json = excluded.buttons_json, updated_at = CURRENT_TIMESTAMP """, item) conn.commit() conn.close() print("[✓] Таблица tool_action_registry успешно создана и наполнена!") if __name__ == "__main__": init_tool_action_registry() ``` ## File: `./scripts/diagnostics/inspect_db.py` ```py import os import sqlite3 # Автопоиск файла базы данных в проекте db_path = 'data/scud_orion_ai.db' if os.path.exists('data/scud_orion_ai.db') else 'scud_orion_ai.db' print("=" * 80) print(f"🔍 ДИАГНОСТИКА СУБД SQLITE: {db_path}") print("=" * 80) if not os.path.exists(db_path): print(f"❌ Файл базы данных {db_path} не найден!") exit(1) conn = sqlite3.connect(db_path) cursor = conn.cursor() # 1. Список всех таблиц и колонок cursor.execute("SELECT name FROM sqlite_master WHERE type='table' ORDER BY name") tables = [t[0] for t in cursor.fetchall()] print("\n📋 СТРУКТУРА ТАБЛИЦ И КОЛИЧЕСТВО ЗАПИСЕЙ:") print("-" * 80) for t_name in tables: cursor.execute(f"PRAGMA table_info({t_name})") cols = [c[1] for c in cursor.fetchall()] cursor.execute(f"SELECT COUNT(*) FROM {t_name}") count = cursor.fetchone()[0] print(f"• [{t_name:<20}] — {count:>6} строк | Колонки: {cols}") # 2. Просмотр правил Базы Знаний if 'ai_knowledge_base' in tables: print("\n" + "=" * 80) print("🧠 АКТУАЛЬНЫЕ ПРАВИЛА БАЗЫ ЗНАНИЙ (ai_knowledge_base):") print("=" * 80) cursor.execute("SELECT id, rule_text, added_by FROM ai_knowledge_base ORDER BY id ASC") rules = cursor.fetchall() if not rules: print("Таблица ai_knowledge_base пуста.") else: for r_id, r_text, r_author in rules: print(f" {r_id}. [{r_author}] {r_text}\n") conn.close() print("=" * 80) ``` ## File: `./scripts/diagnostics/inspect_ephemeral.py` ```py import os import sqlite3 DB_PATH = os.path.join(os.path.dirname(__file__), "../../data/scud_orion_ai.db") if not os.path.exists(DB_PATH): DB_PATH = "data/scud_orion_ai.db" conn = sqlite3.connect(DB_PATH) cursor = conn.cursor() print("=" * 90) print(f"🔍 ИНСПЕКЦИЯ СООБЩЕНИЙ В БАЗЕ: {DB_PATH}") print("=" * 90) # 1. Проверяем наличие колонки is_ephemeral cursor.execute("PRAGMA table_info(chat_messages);") cols = [c[1] for c in cursor.fetchall()] if "is_ephemeral" not in cols: print("❌ Колонка is_ephemeral отсутствует в таблице chat_messages!") conn.close() exit(1) # 2. Считаем общее количество и распределение cursor.execute("SELECT COUNT(*) FROM chat_messages") total_count = cursor.fetchone()[0] cursor.execute("SELECT COUNT(*) FROM chat_messages WHERE is_ephemeral = 1") ephemeral_count = cursor.fetchone()[0] cursor.execute("SELECT COUNT(*) FROM chat_messages WHERE is_ephemeral = 0") permanent_count = cursor.fetchone()[0] print(f"Всего записей в истории: {total_count}") print(f" • Постоянные (is_ephemeral = 0): {permanent_count}") print(f" • Фантомные / Эфемерные (is_ephemeral = 1): {ephemeral_count}") print("-" * 90) # 3. Выводим все фантомные записи if ephemeral_count == 0: print("В базе нет фантомных записей (is_ephemeral = 1 пуст).") else: print(f"📋 СПИСОК ВСЕХ ФАНТОМНЫХ СООБЩЕНИЙ ({ephemeral_count} шт.):") cursor.execute(""" SELECT id, session_id, role, created_at, content FROM chat_messages WHERE is_ephemeral = 1 ORDER BY id ASC """) for row in cursor.fetchall(): msg_id, session_id, role, created_at, content = row print(f"\n[ID: {msg_id}] | Сессия: {session_id} | Роль: {role} | Время: {created_at}") print("Содержимое:") print(content.strip()) print("-" * 70) conn.close() print("=" * 90) ``` ## File: `./scripts/diagnostics/inspect_files.py` ```py import os print("=" * 80) print("📂 ТЕКУЩЕЕ СОСТОЯНИЕ ФАЙЛОВ ПРОЕКТА (scud_ai)") print("=" * 80) total_files = 0 total_size = 0 for root, dirs, files in os.walk('.'): # Исключаем служебные каталоги dirs[:] = [d for d in dirs if d not in ['.git', '__pycache__', 'venv', '.venv', 'extracted_project']] for f in files: p = os.path.join(root, f) size = os.path.getsize(p) total_files += 1 total_size += size print(f"{p:<55} ({size:>10,} bytes)".replace(',', ' ')) print("-" * 80) print(f"ИТОГО: файлов: {total_files} | Общий объем: {total_size / (1024 * 1024):.2f} MB") print("=" * 80) ``` ## File: `./scripts/diagnostics/make_code_snapshot.py` ```py import os OUTPUT_SNAPSHOT = "project_code_snapshot.md" # Расширения файлов для включения в снимок ALLOWED_EXTENSIONS = {'.py', '.json', '.md', '.sh', '.ini', '.js', '.html', '.css', '.sql'} EXCLUDE_DIRS = {'.git', '__pycache__', 'venv', '.venv', 'output', 'logs', 'extracted_project'} EXCLUDE_FILES = {OUTPUT_SNAPSHOT, 'scud_orion_ai_v2.tar.gz', 'context_memory.db'} print(f"🔄 Сборка полного контекстного слепка проекта в {OUTPUT_SNAPSHOT}...") with open(OUTPUT_SNAPSHOT, 'w', encoding='utf-8') as out: out.write("# 📦 ПОЛНЫЙ ИСХОДНЫЙ КОД И КОНФИГУРАЦИЯ ПРОЕКТА scud_orion_ai_v2\n\n") for root, dirs, files in os.walk('.'): dirs[:] = [d for d in dirs if d not in EXCLUDE_DIRS] for file in sorted(files): ext = os.path.splitext(file)[1].lower() if ext in ALLOWED_EXTENSIONS and file not in EXCLUDE_FILES: filepath = os.path.join(root, file) out.write(f"## File: `{filepath}`\n") out.write("```" + (ext.replace('.', '') if ext != '.md' else '') + "\n") try: with open(filepath, 'r', encoding='utf-8', errors='replace') as f: out.write(f.read()) except Exception as e: out.write(f"// Ошибка чтения файла: {e}\n") out.write("\n```\n\n") print(f"✓ Успешно создан слепок проекта: {OUTPUT_SNAPSHOT} ({os.path.getsize(OUTPUT_SNAPSHOT):,} bytes)") ``` ## File: `./scripts/diagnostics/show_tree.py` ```py import os EXCLUDE_DIRS = {'.git', '__pycache__', 'venv', '.venv', 'output', 'logs', 'extracted_project'} def print_tree(startpath): print("=" * 60) print("📂 ДЕРЕВО АРХИТЕКТУРЫ ПРОЕКТА") print("=" * 60) for root, dirs, files in os.walk(startpath): dirs[:] = [d for d in dirs if d not in EXCLUDE_DIRS] level = root.replace(startpath, '').count(os.sep) indent = ' ' * 4 * (level) print(f'{indent}📁 {os.path.basename(root)}/') subindent = ' ' * 4 * (level + 1) for f in sorted(files): if not f.endswith('.pyc'): print(f'{subindent}📄 {f}') print("=" * 60) if __name__ == "__main__": print_tree('.') ``` ## File: `./services/__init__.py` ```py ``` ## File: `./services/ai_verifier.py` ```py import json import re import requests import pandas as pd from config import OLLAMA_URL, OLLAMA_MODEL from core.database import get_all_rules_from_db from core.database import get_department_synonyms_dict, add_department_synonym_to_db def resolve_department_exception_ai(dept_1c, dept_scud, exception_departments): """ Универсальный сопоставитель отделов. Проверяет 1С, СКУД, локальную базу синонимов SQLite и задействует ИИ для сложных случайных аббревиатур. """ if not exception_departments: return False d_1c = str(dept_1c).strip().lower() if dept_1c else "" d_scud = str(dept_scud).strip().lower() if dept_scud else "" exc_list = [d.strip().lower() for d in exception_departments] # 1. Прямая проверка: если точное имя или подстрока уже совпали в 1С или СКУД for exc in exc_list: if exc and (exc in d_1c or exc in d_scud or d_1c in exc or d_scud in exc): return True # 2. Проверка по сохраненной Базе Знаний синонимов из SQLite synonyms = get_department_synonyms_dict() for exc in exc_list: # Если в БД зафиксировано: 'овк' -> 'отдел внутреннего контроля' full_from_db = synonyms.get(exc, "") if full_from_db and (full_from_db in d_1c or full_from_db in d_scud): return True # 3. Умный ИИ-арбитраж (если отдел спорный и еще не сохранен в БД) if d_1c or d_scud: dept_to_check = d_1c if d_1c else d_scud prompt = f""" Ты — кадровый аналитик. Проверь, является ли отдел сотрудника "{dept_to_check}" тем же самым подразделением, что и один из отделов-исключений: {exception_departments}? Примеры: - "Отдел внутреннего контроля" — это "ОВК" (Да) - "Отдел технического обеспечения" — это "ОТО" (Да) Ответь СТРОГО в формате JSON: {{ "is_match": true/false, "matched_exception": "Название из списка исключений", "explanation": "краткое объяснение" }} """ try: raw_res = ask_ollama(prompt, system_prompt="Отвечай только валидным JSON.") match = re.search(r'\{.*\}', raw_res, re.DOTALL) if match: data = json.loads(match.group(0)) if data.get("is_match"): matched_exc = data.get("matched_exception", "").lower() # Запоминаем открытую ИИ связь в SQLite навсегда! add_department_synonym_to_db(matched_exc, dept_to_check) return True except Exception as e: print(f"[⚠️] Ошибка ИИ-арбитража отделов: {e}") return False def ask_ollama(prompt, system_prompt=None): """ Универсальная функция отправки запросов к локальной модели Ollama (Qwen 2.5). """ payload = { "model": OLLAMA_MODEL, "prompt": f"{system_prompt}\n\n{prompt}" if system_prompt else prompt, "stream": False } try: response = requests.post(OLLAMA_URL, json=payload, timeout=120) if response.status_code == 200: data = response.json() if "response" in data: return data["response"].strip() elif "message" in data and "content" in data["message"]: return data["message"]["content"].strip() else: return f"⚠️ Неизвестная структура ответа Ollama: {data}" else: return f"⚠️ Ошибка Ollama (Код {response.status_code}): {response.text}" except requests.exceptions.ConnectionError: return "⚠️ Не удалось подключиться к Ollama. Проверьте, запущен ли сервис (ollama run qwen2.5:14b)." except Exception as e: return f"⚠️ Ошибка при обращении к Ollama: {e}" def get_system_rules_context(): """ Загружает динамические системные правила компании напрямую из Базы Данных SQLite. """ rules = get_all_rules_from_db() if not rules: return "" rules_text = "\n".join([f"- {r}" for r in rules]) return f"\nОБЯЗАТЕЛЬНЫЕ ГЛОБАЛЬНЫЕ ПРАВИЛА И ПРИОРИТЕТЫ КОМПАНИИ (ИЗ SQLITE БД):\n{rules_text}\n" def analyze_scud_mass_failure_ai(df_scud): """ Оценивает процент аномалий 'ANOMALY_NO_IN_HAS_ACTIVITY' в выгрузке. Если процент аномалий превышает 5% от смены или 10 человек, вызывает ИИ для генерации критического алерта. """ if df_scud is None or df_scud.empty: return None total_records = len(df_scud) anomaly_rows = df_scud[df_scud.get('anomaly_flag', 'NONE') == 'ANOMALY_NO_IN_HAS_ACTIVITY'] anomaly_count = len(anomaly_rows) if total_records == 0: return None anomaly_percent = round((anomaly_count / total_records) * 100, 1) if anomaly_percent > 5.0 or anomaly_count >= 10: rules_context = get_system_rules_context() prompt = f""" {rules_context} ВНИМАНИЕ! Проведён анализ смены СКУД: - Всего записей за смену: {total_records} - Выявлено сотрудников без утреннего входа, но с зафиксированной дневной активностью: {anomaly_count} ({anomaly_percent}% от смены) Сформируй понятное предупреждение для Администратора СКУД и Руководителя. Объясни, что это критический массовый сбой турникетов/контроллеров входа на КПП, и порекомендуй действия. """ alert_text = ask_ollama(prompt, system_prompt="Ты — ИИ-аналитик контроллинга СКУД. Отвечай кратко и строго по делу.") return { "is_mass_failure": True, "anomaly_count": anomaly_count, "anomaly_percent": anomaly_percent, "alert_text": alert_text } return { "is_mass_failure": False, "anomaly_count": anomaly_count, "anomaly_percent": anomaly_percent, "alert_text": "Массовых сбоев оборудования не зафиксировано." } def ai_verify_scud_against_staff(unrecognized_scud_fios, staff_fios): if not unrecognized_scud_fios or not staff_fios: return {} # 🛡 Исключаем точные совпадения (чтобы ИИ не совершал ложных замен) staff_fios_set = set(staff_fios) real_unrecognized = [f for f in unrecognized_scud_fios if f not in staff_fios_set] if not real_unrecognized: return {} rules_context = get_system_rules_context() prompt = f""" Ты — кадровый аудитор безопасности СКУД. {rules_context} В СКУД записаны неопознанные ФИО: {json.dumps(unrecognized_scud_fios, ensure_ascii=False)} В официальном Штатном расписании 1С записаны ЭТАЛОНЫ: {json.dumps(staff_fios, ensure_ascii=False)} СТРОГИЕ ПРАВИЛА: 1. Запись из Штат 1С — это 100% ПРАВИЛЬНЫЙ эталон. 2. В СКУД допущена опечатка. 3. Любое присутствие сотрудника по СКУД при наличии в 1С документа отсутствия (кроме командировок) является гарантированной аномалией. 4. В поле "warning" опиши обнаруженную опечатку. 5. Запрещено выдумывать опечатки и объединять разных людей/однофамильцев! ОТВЕЧАЙ ТОЛЬКО ИСКЛЮЧИТЕЛЬНО В ФОРМАТЕ JSON! Формат ответа: {{ "verified_matches": [ {{ "scud_fio": "ФИО из СКУД", "staff_fio": "эталон ФИО из Штат 1С", "warning": "Описание опечатки в СКУД или 'Точное совпадение (без опечаток)'" }} ] }} """ raw_response = ask_ollama( prompt, system_prompt="Ты — JSON API. Выдавай ТОЛЬКО валидный JSON без markdown-разметки." ) mapping = {} try: match = re.search(r'\{.*\}', raw_response, re.DOTALL) if match: json_str = match.group(0) json_str = re.sub(r'\}\s*[^}\]]*$', '}', json_str) data = json.loads(json_str) for item in data.get("verified_matches", []): scud_f = item.get("scud_fio") staff_f = item.get("staff_fio") warn = item.get("warning", "Точное совпадение (без опечаток)") if scud_f and staff_f: mapping[scud_f] = {"staff_fio": staff_f, "warning": warn} except Exception as e: print(f"[!] Ошибка разбора JSON от ИИ при сверке опечаток: {e}") return mapping def ai_verify_department_exceptions(unexplained_df, exception_departments): """ Локальный ИИ проверяет, не являются ли неотмеченные отделы синонимами отделов-исключений. """ if unexplained_df.empty or not exception_departments: return [] dept_list = unexplained_df['Подразделение'].dropna().unique().tolist() rules_context = get_system_rules_context() prompt = f""" {rules_context} Ты — кадровый аудитор. Список отделов-исключений компании: {json.dumps(exception_departments, ensure_ascii=False)} Список отделов сотрудников, попавших в неизвестные: {json.dumps(dept_list, ensure_ascii=False)} Определи, какие из отделов сотрудников являются ПОЛНЫМИ НАЗВАНИЯМИ или СИНУНИМАМИ отделов-исключений (например: 'Отдел внутреннего контроля' — это 'ОВК'). Выдай ответ строго в формате JSON: {{ "matched_departments": ["Название отдела 1", "Название отдела 2"] }} """ raw_response = ask_ollama(prompt, system_prompt="Выдавай только валидный JSON.") try: match = re.search(r'\{.*\}', raw_response, re.DOTALL) if match: data = json.loads(match.group(0)) return data.get("matched_departments", []) except Exception as e: print(f"[⚠️] Ошибка ИИ-арбитража отделов: {e}") return [] ``` ## File: `./services/data_loader.py` ```py import os import pandas as pd import warnings from config import ( normalize_fio, clean_scud_fio_light, load_exceptions, DATE_TODAY, DATE_YESTERDAY, find_dated_file, ZUP_1C_DIR, SCUD_DIR ) # Импортируем прямую SQL-выгрузку отсутствий из 1С и функции работы с SQLite from services.zup_extractor import fetch_zup_absences_from_sql from core.database import ( load_scud_from_db_by_snapshot, load_staff_from_db, load_absences_from_db ) warnings.filterwarnings('ignore', category=UserWarning, module='pandas') def is_excluded(fio, dept, pos, exceptions): """Проверяет, входит ли сотрудник или должность в список исключений.""" fio_clean = normalize_fio(fio) dept_str = str(dept).strip().upper() if pd.notna(dept) else "" pos_str = str(pos).strip().lower() if pd.notna(pos) else "" if fio_clean in exceptions["fio"] or dept_str in exceptions["departments"] or pos_str in exceptions["positions"]: return True if any(keyword in pos_str for keyword in exceptions["position_keywords"]): return True return False def load_staff_data(date_str): """ Загружает файл Штатного расписания 1С за конкретную дату из папки 1c. """ filepath = find_dated_file("Штат", date_str) if not filepath: fallback_path = os.path.join(ZUP_1C_DIR, "штат.xlsx") if os.path.exists(fallback_path): filepath = fallback_path else: return None try: df_raw = pd.read_excel(filepath, skiprows=8) # Индексы столбцов в файле 1С: 1 — ФИО, 5 — Подразделение, 12 — Должность df_staff = df_raw.iloc[:, [1, 5, 12]].copy() df_staff.columns = ['ФИО', 'Подразделение', 'Должность'] df_staff = df_staff.dropna(subset=['ФИО']).reset_index(drop=True) df_staff = df_staff[~df_staff['ФИО'].astype(str).str.contains('Всего|Организация|Сотрудник|ФИО', case=False, na=False)] df_staff['fio_clean'] = df_staff['ФИО'].apply(normalize_fio) return df_staff except Exception as e: print(f"[❌] Ошибка загрузки штата из {filepath}: {e}") return None def load_absent_data(date_str): """ Загружает документально подтвержденные отсутствия сотрудников НАПРЯМУЮ из базы MS SQL 1С:ЗУП за указанную дату, а также автоматически обогащает их удаленщиками из static_reason_workers.csv. """ df_absent = None try: df_absent = fetch_zup_absences_from_sql(date_str) if df_absent is not None and not df_absent.empty: df_absent = df_absent.dropna(subset=['ФИО', 'Вид_отсутствия']) df_absent = df_absent[~df_absent['ФИО'].astype(str).str.contains('АО "ЛЕНМОРНИИПРОЕКТ"|Сотрудник', case=False, na=False)] df_absent['fio_clean'] = df_absent['ФИО'].apply(normalize_fio) df_absent = df_absent[['fio_clean', 'Вид_отсутствия']].dropna(subset=['fio_clean']) else: df_absent = pd.DataFrame(columns=['fio_clean', 'Вид_отсутствия']) except Exception as e: print(f"[⚠️] Ошибка SQL-выгрузки отсутствий за {date_str}: {e}") df_absent = pd.DataFrame(columns=['fio_clean', 'Вид_отсутствия']) # ⭐️ ОБОГАЩЕНИЕ УДАЛЕНЩИКАМИ ИЗ static_reason_workers.csv try: from config import DATA_DIR static_path = os.path.join(DATA_DIR, "static_reason_workers.csv") if os.path.exists(static_path): df_static = pd.read_csv(static_path, encoding='utf-8') if 'fio' in df_static.columns and 'reason' in df_static.columns: df_static['fio_clean'] = df_static['fio'].apply(normalize_fio) existing_fios = set(df_absent['fio_clean'].dropna().tolist()) if not df_absent.empty else set() new_rows = [] for _, s_row in df_static.iterrows(): if s_row['fio_clean'] not in existing_fios: new_rows.append({ 'fio_clean': s_row['fio_clean'], 'Вид_отсутствия': s_row['reason'] }) if new_rows: df_absent = pd.concat([df_absent, pd.DataFrame(new_rows)], ignore_index=True) except Exception as e: print(f"[⚠️] Ошибка обогащения удаленщиками в load_absent_data: {e}") return df_absent if not df_absent.empty else None def load_1c_data_smart(date_str, use_db=False): """ Универсальный загрузчик данных 1С (Штат и Отсутствия). Если use_db=True, приоритетно извлекает сохраненные данные из SQLite БД за целевую дату указанного снапшота. """ df_staff = None df_absent = None if use_db: df_staff = load_staff_from_db(date_str) df_absent = load_absences_from_db(date_str) # Если в базе нет записей за эту дату или use_db=False — загружаем из файлов/SQL if df_staff is None: df_staff = load_staff_data(date_str) if df_absent is None: df_absent = load_absent_data(date_str) return df_staff, df_absent def process_scud_anomalies(df_scud, exceptions=None): """ Вычисляет 'Первую активность' и маркирует аномалии СКУД. """ if exceptions is None: exceptions = load_exceptions() start_col = 'Начало_дня' if 'Начало_дня' in df_scud.columns else ('Начало дня' if 'Начало дня' in df_scud.columns else None) end_col = 'Конец_дня' if 'Конец_дня' in df_scud.columns else ('Конец дня' if 'Конец дня' in df_scud.columns else None) status_col = 'Статус' if 'Статус' in df_scud.columns else None first_activities = [] anomaly_flags = [] is_present_flags = [] for _, row in df_scud.iterrows(): fio = str(row.get('Сотрудник', row.get('fio_raw', ''))).strip() fio_clean = normalize_fio(fio) dept = str(row.get('Подразделение', '')).strip() pos = str(row.get('Должность', '')).strip() val_start = str(row.get(start_col, '')).strip() if start_col else '' val_end = str(row.get(end_col, '')).strip() if end_col else '' val_status = str(row.get(status_col, '')).strip().lower() if status_col else '' raw_first_event = row.get('raw_first_event', None) if pd.isna(raw_first_event) or str(raw_first_event).strip() in ['', 'None', 'nan', '00:00:00']: raw_first_event = None has_no_in = (val_start in ['нет входа', 'none', 'nan', '', '00:00:00', '00:00']) has_no_out = (val_end in ['нет выхода', 'none', 'nan', '', '00:00:00', '00:00']) first_act = '—' anom_flag = 'NONE' is_present = not ('отсутствовал' in val_status or has_no_in) if has_no_in: if raw_first_event is not None or not has_no_out: first_act = str(raw_first_event) if raw_first_event else val_end anom_flag = 'ANOMALY_NO_IN_HAS_ACTIVITY' if not is_excluded(fio, dept, pos, exceptions): is_present = False else: first_act = '—' is_present = False first_activities.append(first_act) anomaly_flags.append(anom_flag) is_present_flags.append(is_present) df_scud['Первая_активность'] = first_activities df_scud['anomaly_flag'] = anomaly_flags df_scud['Пришел'] = is_present_flags return df_scud def load_scud_data(target_date_type="today", snapshot_param=None): """ Загружает логи СКУД за 'today' или 'yesterday' НАПРЯМУЮ из локальной базы SQLite. """ target_date = DATE_TODAY if target_date_type == "today" else DATE_YESTERDAY df_scud = load_scud_from_db_by_snapshot(target_date, snapshot_param=snapshot_param) if df_scud is None or df_scud.empty: df_scud = load_scud_from_db_by_snapshot(DATE_TODAY, snapshot_param=snapshot_param) if df_scud is None or df_scud.empty: print(f"[ℹ️] В базе SQLite / файлах отсутствует СКУД за {target_date}. Возвращаем пустой набор.") return pd.DataFrame() exceptions = load_exceptions() if 'fio_clean' not in df_scud.columns: fio_raw_col = 'fio' if 'fio' in df_scud.columns else ('Сотрудник' if 'Сотрудник' in df_scud.columns else df_scud.columns[0]) df_scud['fio_raw'] = df_scud[fio_raw_col].astype(str) df_scud['fio_clean'] = df_scud['fio_raw'].apply(clean_scud_fio_light) if 'Начало_дня' not in df_scud.columns and 'time_in' in df_scud.columns: df_scud['Начало_дня'] = df_scud['time_in'] if 'Конец_дня' not in df_scud.columns and 'time_out' in df_scud.columns: df_scud['Конец_дня'] = df_scud['time_out'] if 'Первая_активность' not in df_scud.columns and 'first_activity' in df_scud.columns: df_scud['Первая_активность'] = df_scud['first_activity'] if 'Пришел' not in df_scud.columns and 'is_present' in df_scud.columns: df_scud['Пришел'] = df_scud['is_present'].astype(bool) df_scud['is_excluded'] = df_scud.apply( lambda r: is_excluded(r.get('fio', r.get('Сотрудник', '')), r.get('department', r.get('Подразделение', '')), r.get('position', r.get('Должность', '')), exceptions), axis=1 ) return df_scud def load_all_data(): """ Загружает слитные датасеты за Сегодня и за Вчера напрямую из базы SQLite и 1С. """ df_scud_today = load_scud_data(target_date_type="today") try: df_scud_yesterday = load_scud_data(target_date_type="yesterday") except FileNotFoundError: df_scud_yesterday = df_scud_today.copy() df_staff_today, df_absent_today = load_1c_data_smart(DATE_TODAY) df_staff_yesterday, df_absent_yesterday = load_1c_data_smart(DATE_YESTERDAY) return ( df_scud_today, df_scud_yesterday, df_staff_today, df_absent_today, df_staff_yesterday, df_absent_yesterday ) ``` ## File: `./services/data_validator.py` ```py import os import time from datetime import datetime from config import DATE_TODAY, DATE_YESTERDAY, find_dated_file, ZUP_1C_DIR, SCUD_DIR def check_file_freshness(max_age_hours=24): """ Проверяет существование входных файлов 1С и СКУД. Возвращает флаги доступности файлов за Сегодня и Вчера. """ warnings = [] errors = [] # 1. Проверка файлов 1С за СЕГОДНЯ staff_today = find_dated_file("Штат", DATE_TODAY) absent_today = find_dated_file("Отсутствия", DATE_TODAY) has_today_1c = bool(staff_today and absent_today) if not has_today_1c: warnings.append( f"Файлы 1С за СЕГОДНЯ ({DATE_TODAY}) еще не выложены на сетевую шару. " f"Формирование Ежедневной сводки за сегодня будет временно пропущено." ) # 2. Проверка файлов 1С за ВЧЕРА (критически важны для детального отчета) staff_yesterday = find_dated_file("Штат", DATE_YESTERDAY) absent_yesterday = find_dated_file("Отсутствия", DATE_YESTERDAY) if not staff_yesterday or not absent_yesterday: errors.append( f"Отсутствуют файлы 1С за ВЧЕРА ({DATE_YESTERDAY}) в папке {ZUP_1C_DIR}. " f"Невозможно построить детальный отчет за прошлую смену." ) # 3. Проверка файлов СКУД scud_today = find_dated_file("Сотрудники", DATE_TODAY, search_dirs=[SCUD_DIR]) if not scud_today: warnings.append(f"Сегодняшний файл СКУД за {DATE_TODAY} еще не сформирован в {SCUD_DIR}") is_valid = len(errors) == 0 return is_valid, warnings, errors, has_today_1c ``` ## File: `./services/excel_exporter.py` ```py import math import os import time import openpyxl import pandas as pd from datetime import datetime from openpyxl import Workbook from openpyxl.styles import Font, Alignment, PatternFill, Border, Side from openpyxl.utils import get_column_letter from config import OUTPUT_DIR # Словарь месяцев для текстового формата в названиях файлов MONTHS_RU = { 1: "января", 2: "февраля", 3: "марта", 4: "апреля", 5: "мая", 6: "июня", 7: "июля", 8: "августа", 9: "сентября", 10: "октября", 11: "ноября", 12: "декабря" } def format_date_ru(date_str): """Преобразует дату формата '27.07.2026' в '27 июля 2026'""" try: dt = datetime.strptime(date_str, "%d.%m.%Y") return f"{dt.day} {MONTHS_RU[dt.month]} {dt.year}" except Exception: return date_str # Границы ячеек THIN_SIDE = Side(border_style="thin", color="D3D3D3") THIN_BORDER = Border(left=THIN_SIDE, right=THIN_SIDE, top=THIN_SIDE, bottom=THIN_SIDE) # Палитра заливки для Сводки FILL_HEADER = PatternFill(start_color="D9E1F2", end_color="D9E1F2", fill_type="solid") FILL_TOTAL_LIST = PatternFill(start_color="F2F2F2", end_color="F2F2F2", fill_type="solid") FILL_UNEXPLAINED = PatternFill(start_color="FCE4D6", end_color="FCE4D6", fill_type="solid") FILL_PRESENT = PatternFill(start_color="E2EFDA", end_color="E2EFDA", 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") # Мягкий пастельно-голубой для "Нет пропуска" CATEGORY_PASTEL_COLORS = ["FFF2CC", "E1D5E7", "E1F5FE", "FFF0F5", "E8F8F5", "FCF3CF"] # Палитра для Детального отчета YELLOW_FILL = PatternFill(start_color="FFF2CC", end_color="FFF2CC", fill_type="solid") # Обычные отсутствия LIGHT_RED_FILL = PatternFill(start_color="FCE4D6", end_color="FCE4D6", fill_type="solid") # Потенциальные прогулы GREEN_FILL = PatternFill(start_color="E2EFDA", end_color="E2EFDA", fill_type="solid") # Аномалии (пришел в отпуске) LIGHT_BLUE_FILL = PatternFill(start_color="E1F5FE", end_color="E1F5FE", fill_type="solid") # Бледно-голубой для "Нет пропуска" def calculate_deviation(time_in_building_str, reason="", norm_hours=8, lunch_minutes=30): """Рассчитывает точное отклонение от нормы с учетом обеда 30 мин и уважительных причин""" if pd.notna(reason) and isinstance(reason, str) and reason.strip() != "": return "0:00" if not isinstance(time_in_building_str, str) or time_in_building_str in ['00:00', '0', '', 'None', 'nan', 'NaN']: return f"-{norm_hours}:00" try: parts = time_in_building_str.strip().split(':') hh = int(parts[0]) mm = int(parts[1]) if len(parts) > 1 else 0 total_in_building_minutes = hh * 60 + mm if total_in_building_minutes == 0: return f"-{norm_hours}:00" work_minutes = max(0, total_in_building_minutes - lunch_minutes) norm_minutes = norm_hours * 60 diff = work_minutes - norm_minutes if diff == 0: return "0:00" sign = "-" if diff < 0 else "" abs_diff = abs(diff) res_hh = abs_diff // 60 res_mm = abs_diff % 60 return f"{sign}{res_hh}:{res_mm:02d}" except Exception: return f"-{norm_hours}:00" def apply_borders_to_cell(cell, border=THIN_BORDER): cell.border = border def format_row_cells(ws, r_num, fill_obj, is_bold=False, align_b="right", bold_font=None, wrap_b=False): cell_a = ws.cell(row=r_num, column=1) cell_b = ws.cell(row=r_num, column=2) if fill_obj: cell_a.fill = fill_obj cell_b.fill = fill_obj apply_borders_to_cell(cell_a) apply_borders_to_cell(cell_b) if is_bold and bold_font: cell_a.font = bold_font cell_b.font = bold_font if align_b: cell_b.alignment = Alignment(horizontal=align_b, vertical="center", wrap_text=wrap_b) # --- 1. СВОДКА НА СЕГОДНЯ --- def generate_summary_excel(merged_df, date_str="27.07.2026", filename=None): if not filename: filename = f"{format_date_ru(date_str)} сводка.xlsx" output_path = os.path.join(OUTPUT_DIR, filename) wb = Workbook() ws = wb.active ws.title = "Лист_1" ws.sheet_properties.outlinePr.summaryBelow = False ws.sheet_properties.outlinePr.summaryRight = False ws.sheet_properties.outlinePr.showOutlineSymbols = True ws.sheet_view.showOutlineSymbols = True 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) 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) current_row = 4 # Подготовка флагов для точной фильтрации 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 (Исключаем категорию "Нет пропуска" и "Исключения ОВК/Охрана") unexplained = merged_df[ (merged_df['Пришел'] == False) & (merged_df['Вид_отсутствия'].isna() | (merged_df['Вид_отсутствия'].astype(str).str.strip() == '')) & (~is_no_pass) & (~is_exc) ] ws.cell(row=current_row, column=1, value="неизвестно") ws.cell(row=current_row, column=2, value=len(unexplained)) format_row_cells(ws, current_row, FILL_UNEXPLAINED, is_bold=True, bold_font=bold_font) current_row += 1 for fio in sorted(unexplained['Сотрудник'].dropna().unique()): ws.cell(row=current_row, column=1, value=fio) format_row_cells(ws, current_row, FILL_UNEXPLAINED, is_bold=False) ws.row_dimensions[current_row].outlineLevel = 1 ws.row_dimensions[current_row].hidden = False current_row += 1 # 4. РАЗДЕЛ: НЕТ ПРОПУСКА (Строго один независимый блок) 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) current_row += 1 if not no_pass_df.empty: for fio in sorted(no_pass_df['Сотрудник'].dropna().unique()): ws.cell(row=current_row, column=1, value=fio) format_row_cells(ws, current_row, FILL_NO_PASS, is_bold=False) ws.row_dimensions[current_row].outlineLevel = 1 ws.row_dimensions[current_row].hidden = False current_row += 1 # 5. КАТЕГОРИИ ОТСУТСТВИЙ (Свернуты hidden=True) absent_only = merged_df[ (merged_df['Пришел'] == False) & (merged_df['Вид_отсутствия'].notna()) & (~merged_df['Вид_отсутствия'].astype(str).str.startswith('Исключение')) ] absent_groups = absent_only.groupby('Вид_отсутствия') for idx_cat, (cat_name, group) in enumerate(absent_groups): hex_color = CATEGORY_PASTEL_COLORS[idx_cat % len(CATEGORY_PASTEL_COLORS)] cat_fill = PatternFill(start_color=hex_color, end_color=hex_color, fill_type="solid") ws.cell(row=current_row, column=1, value=cat_name) ws.cell(row=current_row, column=2, value=len(group)) format_row_cells(ws, current_row, cat_fill, is_bold=True, bold_font=bold_font) current_row += 1 for fio in sorted(group['Сотрудник'].dropna().unique()): ws.cell(row=current_row, column=1, value=fio) format_row_cells(ws, current_row, cat_fill, is_bold=False) ws.row_dimensions[current_row].outlineLevel = 1 ws.row_dimensions[current_row].hidden = True current_row += 1 # 6. ИТОГО НА РАБОТЕ (Свернут hidden=True) is_working_mask = (merged_df['Пришел'] == True) | ( merged_df['Вид_отсутствия'].astype(str).str.lower().str.contains('командировк|удален|дистанцион|разъездн', regex=True, na=False) ) present = merged_df[is_working_mask] 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) current_row += 1 if not present.empty: for fio in sorted(present['Сотрудник'].dropna().unique()): ws.cell(row=current_row, column=1, value=fio) format_row_cells(ws, current_row, FILL_PRESENT, is_bold=False) ws.row_dimensions[current_row].outlineLevel = 1 ws.row_dimensions[current_row].hidden = True current_row += 1 # 7. АНОМАЛИИ СКУД И 1С (ОВК и Подрядчики из исключений СУДА НЕ ПОПАДАЮТ) anomalies = merged_df[ (~is_exc) & ( ((merged_df['Пришел'] == True) & (merged_df['Вид_отсутствия'].notna()) & (~merged_df['Вид_отсутствия'].astype(str).str.startswith('Исключение'))) | (merged_df.get('anomaly_flag', 'NONE') == 'ANOMALY_NO_IN_HAS_ACTIVITY') ) ] ws.cell(row=current_row, column=1, value="Аномалии СКУД и 1С") ws.cell(row=current_row, column=2, value=len(anomalies)) format_row_cells(ws, current_row, FILL_ANOMALY, is_bold=True, bold_font=bold_font) current_row += 1 chars_per_line_b = 30 if not anomalies.empty: for _, row in anomalies.iterrows(): fio = row.get('Сотрудник', '') reason = row.get('Вид_отсутствия', '') anom_flag = row.get('anomaly_flag', 'NONE') if anom_flag == 'ANOMALY_NO_IN_HAS_ACTIVITY': first_act = row.get('Первая_активность', '—') reason_text = f"🚨 АНОМАЛИЯ СКУД: Нет входа (первая активность: {first_act})" else: reason_text = f"В 1С: {reason}" 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) 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 ws.column_dimensions['A'].width = 45.0 ws.column_dimensions['B'].width = 38.0 try: wb.save(output_path) print(f"[✓] Ежедневная сводка сохранена: {output_path}") except PermissionError: alt_filename = filename.replace(".xlsx", f"_{int(time.time())}.xlsx") alt_path = os.path.join(OUTPUT_DIR, alt_filename) wb.save(alt_path) print(f"[⚠️] Файл открыт в Excel! Сохранено как: {alt_path}") # --- 2. ДЕТАЛЬНЫЙ ОТЧЕТ ЗА ВЧЕРА --- def generate_detailed_excel(merged_df, date_str="26.07.2026", filename=None): if not filename: filename = f"{format_date_ru(date_str)} отчет.xlsx" output_path = os.path.join(OUTPUT_DIR, filename) wb = Workbook() ws = wb.active ws.title = "Детальный_отчет" ws["B2"] = "Дата:" ws["D2"] = date_str ws["B2"].font = Font(name="Arial", size=10, bold=True) ws["D2"].font = Font(name="Arial", size=10, bold=True) headers = [ "№", "ФИО", "Подразделение", "время входа", "первая активность", "время выхода", "находился в здании", "причина отсутствия", "норма", "отклонение от нормы" ] ws.append([]) ws.append(headers) header_fill = PatternFill(start_color="D9E1F2", end_color="D9E1F2", fill_type="solid") for col_idx in range(1, len(headers) + 1): cell = ws.cell(row=4, column=col_idx) cell.fill = header_fill cell.font = Font(name="Arial", size=10, bold=True) cell.alignment = Alignment(horizontal="center", vertical="center", wrap_text=True) apply_borders_to_cell(cell) start_col = 'Начало дня' if 'Начало дня' in merged_df.columns else 'Начало_дня' end_col = 'Конец дня' if 'Конец дня' in merged_df.columns else 'Конец_дня' hours_col = 'Часы' if 'Часы' in merged_df.columns else 'Находился_в_здании' chars_per_line_h = 24 for idx, row in merged_df.reset_index(drop=True).iterrows(): 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_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', ''))) deviation_val = calculate_deviation(in_building_str, reason=absence_reason if has_reason else "", norm_hours=8, lunch_minutes=30) ws.append([ idx + 1, row.get('Сотрудник', ''), dept_scud_val, row.get(start_col, 'Нет входа'), first_act_val, row.get(end_col, 'Нет выхода'), in_building_str, absence_reason if has_reason else '', 8, deviation_val ]) row_num = 5 + idx # ЗАЛИВКА СТРОК: if is_present and has_reason: row_fill = GREEN_FILL elif not is_present and has_reason: row_fill = YELLOW_FILL elif not is_present and not has_reason and not has_first_act: # Розово-красный подсвечивает исключительно неизвестные случаи (потенциальные прогулы) row_fill = LIGHT_RED_FILL else: row_fill = None val_h_str = str(absence_reason) if has_reason else "" if len(val_h_str) > chars_per_line_h: needed_lines = math.ceil(len(val_h_str) / chars_per_line_h) 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]: cell.alignment = Alignment(horizontal="center", vertical="center") else: cell.alignment = Alignment(horizontal="left", vertical="center") # Динамический компактный автоподгон ширины колонок for col in ws.columns: col_letter = get_column_letter(col[0].column) max_len = 0 for cell in col: 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: alt_filename = filename.replace(".xlsx", f"_{int(time.time())}.xlsx") alt_path = os.path.join(OUTPUT_DIR, alt_filename) wb.save(alt_path) print(f"[⚠️] Файл открыт в Excel! Сохранено как: {alt_path}") def export_raw_scud(df_scud, filename="СКУД_Сырые_данные.xlsx"): output_path = os.path.join(OUTPUT_DIR, filename) df_scud.to_excel(output_path, index=False) ``` ## File: `./services/feedback_loop.py` ```py import os import json from core.database import add_rule_to_db try: from services.knowledge_base import save_rule except ImportError: try: from services.knowledge_base import add_rule as save_rule except ImportError: save_rule = None def review_ai_decisions(report_text, suspicious_cases): """ Интерактивный консольный модуль обучения (Human-in-the-Loop). Запрашивает подтверждение оператора ТОЛЬКО по нетипичным/сложным случаям. """ if not suspicious_cases: print("\n[✓] Все аномалии валидированы автоматически. Спорных вопросов для оператора нет.") return print("\n" + "=" * 60) print("РЕЖИМ ОБУЧЕНИЯ И ПРОВЕРКИ РЕШЕНИЙ ИИ (HUMAN-IN-THE-LOOP)") print("=" * 60) for idx, case in enumerate(suspicious_cases, 1): fio_target = case.get('fio_target', 'Неизвестно') reason = case.get('reason', 'Нет описания') print(f"\n[?] Спорный случай {idx}/{len(suspicious_cases)}: {fio_target}") print(f" Детали: {reason}") user_input = input("Подтверждаете аномалию? (д / да / н / нет / или введите текст правила): ").strip() user_input_clean = user_input.lower() # Расширенный список вариантов "ДА" if user_input_clean in ['д', 'да', 'da', 'yes', 'y', 'ок', 'ага', '+']: print(" [✓] Решение подтверждено оператором.") elif user_input_clean in ['н', 'нет', 'no', 'n', '-']: print(" [ℹ️] Решение отклонено оператором.") elif user_input: # Если оператор обучает систему синониму отделов if "отдел" in user_input_clean or "овк" in user_input_clean: from core.database import add_department_synonym_to_db add_department_synonym_to_db(user_input.strip(), "отдел внутреннего контроля") new_rule = f"Правило: {user_input}" add_rule_to_db(new_rule, added_by="Human_Admin") print(f" [✓] Новое правило записано в Базу Знаний SQLite: {new_rule}") else: print(" [ℹ️] Запись пропущена.") print("\n[✓] ЭТАП ОБУЧЕНИЯ ЗАВЕРШЕН.") ``` ## File: `./services/knowledge_base.py` ```py import os from core.database import get_all_rules_from_db, add_rule_to_db def load_knowledge_base(): """ Загружает актуальные правила Базы Знаний компании напрямую из базы данных SQLite. """ rules = get_all_rules_from_db() return { "rules": rules if rules else [], "fio_corrections": {} } def add_rule_to_kb(new_rule): """ Добавляет новое принятое человеком правило в SQLite таблицу ai_knowledge_base. """ if not new_rule or not new_rule.strip(): return add_rule_to_db(new_rule.strip(), added_by="Human") print(f"[✓] База знаний SQLite успешно обновлена! Новое правило: {new_rule.strip()}") ``` ## File: `./services/scud_export.py` ```py """ Модуль автоматического экспорта данных СКУД (Orion) из MS SQL Server в SQLite и Excel. Добавлена фиксация Первой Активности (без учета направления) и среза по времени. """ import argparse import logging import os import sys import warnings from datetime import datetime, timedelta import pandas as pd import pyodbc from openpyxl.utils import get_column_letter from config import SCUD_DIR, clean_scud_fio_light, load_exceptions from core.database import save_scud_to_db, has_scud_logs_for_date, has_yesterday_final_snapshot warnings.filterwarnings("ignore", message="pandas only supports SQLAlchemy connectable") SCRIPT_DIR = os.path.dirname(os.path.abspath(__file__)) LOG_DIR = os.path.join(SCRIPT_DIR, "..", "logs") os.makedirs(LOG_DIR, exist_ok=True) TODAY_DATE_STR = datetime.now().strftime("%d.%m.%Y") LOG_FILE = os.path.join(LOG_DIR, f"export_{TODAY_DATE_STR}.log") logger = logging.getLogger("scud_export") logger.setLevel(logging.INFO) if not logger.handlers: _file_handler = logging.FileHandler(LOG_FILE, encoding="utf-8") _console_handler = logging.StreamHandler(sys.stdout) _formatter = logging.Formatter("[%(asctime)s] [%(levelname)s] %(message)s", datefmt="%Y-%m-%d %H:%M:%S") _file_handler.setFormatter(_formatter) _console_handler.setFormatter(_formatter) logger.addHandler(_file_handler) logger.addHandler(_console_handler) def log(message: str, level: str = "INFO"): level_map = { "INFO": logging.INFO, "ERROR": logging.ERROR, "WARNING": logging.WARNING, "SUCCESS": logging.INFO, } if level == "SUCCESS": logger.info(f"[SUCCESS] {message}") else: logger.log(level_map.get(level, logging.INFO), message) SERVER_NAME = r"172.16.31.221\SQL" DATABASE_NAME = "Orion-14.01.21-1" SQL_USER = "sa" SQL_PASSWORD = "123456" ODBC_DRIVER = "ODBC Driver 18 for SQL Server" SQL_QUERY_TEMPLATE = r""" DECLARE @InputDate DATE = '{target_date}'; DECLARE @TargetDate DATE = @InputDate; DECLARE @StartDate DATETIME = CAST(@TargetDate AS DATETIME); DECLARE @EndDate DATETIME = DATEADD(SECOND, -1, DATEADD(DAY, 1, @StartDate)); WITH DailyLogs AS ( SELECT log.HozOrgan AS EmployeeID, log.TimeVal, log.Event, log.Mode, CASE WHEN log.Mode = 2 OR log.Event IN (29, 27, 33) THEN 'OUT' WHEN log.Mode = 1 OR log.Event IN (28, 26, 32) THEN 'IN' ELSE 'OTHER' END AS Direction, ROW_NUMBER() OVER (PARTITION BY log.HozOrgan ORDER BY log.TimeVal DESC) AS RowNumDesc FROM pLogData log WITH (NOLOCK) WHERE log.TimeVal BETWEEN @StartDate AND @EndDate AND log.HozOrgan IS NOT NULL AND log.HozOrgan > 0 AND log.Event IN (26, 27, 28, 29, 32, 33, 54, 55, 64, 65) ), Passages AS ( SELECT EmployeeID, MIN(TimeVal) AS FirstRawEvent, MAX(TimeVal) AS LastRawEvent, MIN(CASE WHEN Direction = 'IN' THEN TimeVal END) AS FirstIn, MAX(CASE WHEN Direction = 'OUT' THEN TimeVal END) AS LastOut, MAX(CASE WHEN RowNumDesc = 1 THEN Direction END) AS LastEventType FROM DailyLogs GROUP BY EmployeeID ) SELECT N'ЛЕНМОРНИИПРОЕКТ' AS [Фирма], ISNULL(CAST(div.Name AS NVARCHAR(255)), N'Без подразделения') AS [Подразделение], LTRIM(RTRIM( ISNULL(CAST(p.Name AS NVARCHAR(255)), N'') + CASE WHEN p.FirstName IS NOT NULL AND CAST(p.FirstName AS NVARCHAR(255)) <> '' THEN N' ' + CAST(p.FirstName AS NVARCHAR(255)) ELSE N'' END + CASE WHEN p.MidName IS NOT NULL AND CAST(p.MidName AS NVARCHAR(255)) <> '' THEN N' ' + CAST(p.MidName AS NVARCHAR(255)) ELSE N'' END )) AS [Сотрудник], ISNULL(CAST(post.Name AS NVARCHAR(255)), N'—') AS [Должность], ISNULL(CAST(p.TabNumber AS NVARCHAR(50)), N'—') AS [Таб_№], CONVERT(VARCHAR(10), @TargetDate, 104) AS [Дата], ISNULL(CAST(CONVERT(VARCHAR(8), pass.FirstIn, 108) AS NVARCHAR(20)), N'Нет входа') AS [Начало_дня], CASE WHEN pass.FirstIn IS NULL AND pass.FirstRawEvent IS NOT NULL THEN CAST(CONVERT(VARCHAR(8), pass.FirstRawEvent, 108) AS NVARCHAR(20)) ELSE N'—' END AS [Первая_активность], CASE WHEN @TargetDate = CAST(GETDATE() AS DATE) AND (pass.LastEventType = 'IN' OR pass.LastOut IS NULL OR pass.LastOut <= pass.FirstIn) THEN N'Нет выхода' WHEN pass.LastOut IS NOT NULL AND pass.LastOut > pass.FirstIn THEN CAST(CONVERT(VARCHAR(8), pass.LastOut, 108) AS NVARCHAR(20)) WHEN @TargetDate < CAST(GETDATE() AS DATE) AND pass.LastRawEvent IS NOT NULL AND pass.LastRawEvent > ISNULL(pass.FirstIn, pass.FirstRawEvent) THEN CAST(CONVERT(VARCHAR(8), pass.LastRawEvent, 108) AS NVARCHAR(20)) ELSE N'Нет выхода' END AS [Конец_дня], CASE WHEN pass.EmployeeID IS NOT NULL AND (pass.FirstIn IS NOT NULL OR pass.FirstRawEvent IS NOT NULL) THEN RIGHT('0' + CAST(DATEDIFF(MINUTE, ISNULL(pass.FirstIn, pass.FirstRawEvent), CASE WHEN @TargetDate = CAST(GETDATE() AS DATE) AND (pass.LastEventType = 'IN' OR pass.LastOut IS NULL OR pass.LastOut <= pass.FirstIn) THEN GETDATE() ELSE ISNULL(pass.LastOut, pass.LastRawEvent) END) / 60 AS VARCHAR), 2) + ':' + RIGHT('0' + CAST(DATEDIFF(MINUTE, ISNULL(pass.FirstIn, pass.FirstRawEvent), CASE WHEN @TargetDate = CAST(GETDATE() AS DATE) AND (pass.LastEventType = 'IN' OR pass.LastOut IS NULL OR pass.LastOut <= pass.FirstIn) THEN GETDATE() ELSE ISNULL(pass.LastOut, pass.LastRawEvent) END) % 60 AS VARCHAR), 2) ELSE N'00:00' END AS [Находился_в_здании], CASE WHEN pass.EmployeeID IS NOT NULL THEN N'Присутствовал' ELSE N'Отсутствовал (Нет событий)' END AS [Статус] FROM pList p WITH (NOLOCK) LEFT JOIN PDivision div WITH (NOLOCK) ON p.Section = div.ID LEFT JOIN PPost post WITH (NOLOCK) ON p.Post = post.ID LEFT JOIN Passages pass ON p.ID = pass.EmployeeID WHERE ISNULL(p.StatusRecord, 0) = 0 AND p.DateTimeInArchive IS NULL AND ISNULL(CAST(div.Name AS NVARCHAR(255)), N'') NOT LIKE N'Аренд%' AND ISNULL(CAST(div.Name AS NVARCHAR(255)), N'') NOT IN (N'Без подразделения', N'') AND p.Name NOT LIKE N'бр.%' AND p.Name NOT LIKE N'Гость%' AND ISNULL(CAST(div.Name AS NVARCHAR(255)), N'') NOT IN (N'БГИ', N'КНР') AND ISNULL(CAST(div.Name AS NVARCHAR(255)), N'') NOT LIKE N'Рабоч%' AND ISNULL(CAST(div.Name AS NVARCHAR(255)), N'') NOT LIKE N'Врем%' AND ISNULL(CAST(div.Name AS NVARCHAR(255)), N'') NOT LIKE N'Практика%' AND ISNULL(CAST(div.Name AS NVARCHAR(255)), N'') NOT LIKE N'тест%' AND ISNULL(CAST(post.Name AS NVARCHAR(255)), N'') NOT LIKE N'Практикант%' ORDER BY p.Name ASC; """ def auto_fit_columns(file_path: str, sheet_name: str, padding: float = 2.0, min_width: float = 8.0, max_width: float = 60.0): from openpyxl import load_workbook wb = load_workbook(file_path) ws = wb[sheet_name] for col_cells in ws.columns: max_len = 0 col_letter = get_column_letter(col_cells[0].column) for cell in col_cells: if cell.value is not None: cell_len = len(str(cell.value)) if cell_len > max_len: max_len = cell_len width = max(min_width, min(max_len + padding, max_width)) ws.column_dimensions[col_letter].width = width wb.save(file_path) def get_targets(input_date: str | None): targets = [] if input_date: try: parsed = datetime.strptime(input_date, "%d.%m.%Y").date() targets.append({"name": "Указанная дата", "date": parsed}) except ValueError: log(f"ОШИБКА: Неверный формат даты '{input_date}'. Используйте ДД.ММ.ГГГГ", "ERROR") sys.exit(1) else: now = datetime.now() yesterday = (now - timedelta(days=3 if now.weekday() == 0 else 1)).date() today = now.date() targets.append({"name": "Вчера", "date": yesterday}) targets.append({"name": "Сегодня", "date": today}) return targets def run_export(input_date: str | None = None, save_xlsx: bool = True, debug: bool = False): if debug: logger.setLevel(logging.DEBUG) log("=== ВКЛЮЧЕН РЕЖИМ ОТЛАДКИ (DEBUG MODE) ===", "WARNING") log("=== [ЭТАП 0] Выгрузка свежих данных СКУД напрямую из БД Орион ===") os.makedirs(SCUD_DIR, exist_ok=True) targets = get_targets(input_date) conn_str = ( f"DRIVER={{{ODBC_DRIVER}}};" f"SERVER={SERVER_NAME};" f"DATABASE={DATABASE_NAME};" f"UID={SQL_USER};" f"PWD={SQL_PASSWORD};" f"TrustServerCertificate=yes;" f"Encrypt=no;" ) success = True for target in targets: processing_date = target["date"] processing_date_str = processing_date.strftime("%d.%m.%Y") period_label = target["name"] is_yesterday = (period_label == "Вчера") # ⚡️ ПРОВЕРКА НАЛИЧИЯ ВЧЕРАШНЕГО ДНЯ В SQLITE: # Если это вчерашний день и его снапшот уже зафиксирован в SQLite — пропускаем тяжелый запрос к MS SQL if is_yesterday and has_yesterday_final_snapshot(processing_date_str): log(f"[ℹ️] Вчерашний день ({processing_date_str}) уже зафиксирован финишным снапшотом Y. Пропускаем запрос к MS SQL.") continue if is_yesterday: snapshot_time = f"{processing_date.strftime('%Y-%m-%d')} 22:00:00" else: snapshot_time = datetime.now().strftime("%Y-%m-%d %H:%M:%S") log(f"--- Обработка периода: {period_label} ({processing_date_str}) --- [Снапшот: {snapshot_time}]") sql_query = SQL_QUERY_TEMPLATE.format(target_date=processing_date.strftime("%Y-%m-%d")) connection = None try: connection = pyodbc.connect(conn_str, timeout=120) df = pd.read_sql(sql_query, connection) log(f"База вернула {len(df)} строк за {processing_date_str}") if len(df) > 0: df['fio_clean'] = df['Сотрудник'].apply(clean_scud_fio_light) df['anomaly_flag'] = 'NONE' mask_anomaly = (df['Начало_дня'] == 'Нет входа') & (df['Первая_активность'] != '—') df.loc[mask_anomaly, 'anomaly_flag'] = 'ANOMALY_NO_IN_HAS_ACTIVITY' df['Пришел'] = df['Статус'].str.contains('Присутствовал', case=False, na=False) & (~mask_anomaly) save_scud_to_db(df, processing_date_str, snapshot_time=snapshot_time, is_yesterday=is_yesterday) log(f"[✓] Записи за {processing_date_str} успешно сохранены в SQLite!", "SUCCESS") if save_xlsx: file_name = f"Сотрудники_{processing_date_str}.xlsx" file_path = os.path.join(SCUD_DIR, file_name) if os.path.exists(file_path): try: os.remove(file_path) except OSError as e: log(f"ОШИБКА при удалении старого файла {file_name}: {e}", "ERROR") df.to_excel(file_path, sheet_name="Отчет", index=False, engine="openpyxl") auto_fit_columns(file_path, sheet_name="Отчет") log(f"[✓] Успешно экспортирован файл: data/scud/{file_name}", "SUCCESS") else: log(f"Запрос за {processing_date_str} вернул 0 строк.", "WARNING") except Exception as e: log(f"🛑 ОШИБКА выгрузки СКУД за {processing_date_str}: {e}", "ERROR") success = False finally: if connection is not None: connection.close() log("=== Выгрузка СКУД завершена ===\n") return success if __name__ == "__main__": help_text = """ Модуль прямого экспорта данных СКУД Орион Pro (MS SQL Server) в SQLite и Excel. ПРИМЕРЫ ЗАПУСКА: python services/scud_export.py -- Автоматическая выгрузка за Сегодня и Вчера python services/scud_export.py --date 05.08.2026 -- Точечная выгрузка СКУД за конкретную дату python services/scud_export.py --no-xlsx -- Сохранение логов СКУД ТОЛЬКО в SQLite без дублирования в XLSX python services/scud_export.py -d -- Запуск в режиме отладки MS SQL запросов (DEBUG) """ parser = argparse.ArgumentParser( description=help_text, formatter_class=argparse.RawDescriptionHelpFormatter ) parser.add_argument("--date", dest="input_date", default=None, help="Дата выгрузки в формате ДД.ММ.ГГГГ (по умолчанию выгружаются Вчера и Сегодня)") parser.add_argument("-d", "--debug", action="store_true", help="Включить подробные логи отладки подключения и запросов к MS SQL") parser.add_argument("--no-xlsx", dest="save_xlsx", action="store_false", default=True, help="Отключить генерирование промежуточных XLSX-файлов в папке data/scud/") args = parser.parse_args() run_export(args.input_date, save_xlsx=args.save_xlsx, debug=args.debug) ``` ## File: `./services/share_copier.py` ```py import os import shutil from config import DATE_TODAY, DATE_YESTERDAY, ZUP_1C_DIR, SHARE_1C_DIR def find_file_strictly_on_share(prefix, date_str): """ Ищет файл со строгой привязкой ТОЛЬКО к сетевой шаре SHARE_1C_DIR, не обращаясь к локальным папкам. """ if not os.path.exists(SHARE_1C_DIR): return None date_dots = date_str date_underscores = date_str.replace('.', '_') try: for f in os.listdir(SHARE_1C_DIR): if f.endswith('.xlsx') or f.endswith('.csv'): if f.lower().startswith(prefix.lower()): if date_dots in f or date_underscores in f: return os.path.join(SHARE_1C_DIR, f) except Exception as e: print(f" [⚠️] Ошибка чтения сетевой шары: {e}") return None def copy_1c_files_from_share(): r""" Копирует свежие файлы 1С (Штат и Отсутствия) за Сегодня и Вчера из сетевой шары \\storage\SCUD\Обмен\Штат в локальную папку data/1c/ """ print(f"[0.5/5] Проверка и копирование файлов 1С с шары: {SHARE_1C_DIR}...") if not os.path.exists(SHARE_1C_DIR): print(f"[⚠️] Сетевой шар недоступен или путь не найден: {SHARE_1C_DIR}") print(" Используем ранее сохраненные локальные файлы из data/1c/\n") return False dates_to_copy = [DATE_TODAY, DATE_YESTERDAY] prefixes = ["Штат", "Отсутствия"] copied_count = 0 os.makedirs(ZUP_1C_DIR, exist_ok=True) for d_str in dates_to_copy: for prefix in prefixes: remote_file = find_file_strictly_on_share(prefix, d_str) if remote_file and os.path.exists(remote_file): filename = os.path.basename(remote_file) local_target_path = os.path.join(ZUP_1C_DIR, filename) try: shutil.copy2(remote_file, local_target_path) print(f" [✓] Успешно скопирован с шары: {filename} -> data/1c/") copied_count += 1 except Exception as e: print(f" [⚠️] Ошибка копирования {filename}: {e}") else: d_fmt = d_str.replace('.', '_') print(f" [ℹ️] На сетевой шаре отсутствует {prefix} за {d_str} ({prefix}_{d_fmt}.xlsx)") if copied_count > 0: print(f"[✓] Успешно скопировано файлов с сетевой шары: {copied_count} шт.\n") else: print("[ℹ️] Новых файлов за указанные даты на сетевой шаре не обнаружено.\n") return True ``` ## File: `./services/text_reporter.py` ```py import json import difflib import re 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): """ Точный поиск совпадений ФИО силами Python (без галлюцинаций ИИ). Сравнивает фамилию и полное имя с порогом сходства >= 0.75. """ if unexplained_df.empty or raw_absent_df is None or raw_absent_df.empty: return [] absent_dict = {} for idx, r in raw_absent_df.iterrows(): 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 = [] unexplained_fios = unexplained_df['fio_clean'].unique() if 'fio_clean' in unexplained_df.columns else [] for fio in unexplained_fios: fio_parts = fio.split() if not fio_parts: continue surname = fio_parts[0].lower() for abs_clean, abs_info in absent_dict.items(): abs_parts = abs_clean.split() if not abs_parts: continue abs_surname = abs_parts[0].lower() if surname == abs_surname: ratio = difflib.SequenceMatcher(None, fio.lower(), abs_clean.lower()).ratio() 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 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"): # 1. Загрузка Базы Знаний kb = load_knowledge_base() custom_rules = kb.get("rules", []) custom_rules_str = "\n".join([f"- {r}" for r in custom_rules]) if custom_rules else "Специфических правил компании пока нет." # 2. Предварительный расчет ключевых метрик (РЕШАЕТ NameError: total_staff) total_staff = len(merged_df) is_working_mask = (merged_df['Пришел'] == True) | ( merged_df['Вид_отсутствия'].astype(str).str.lower().str.contains('командировк|удален|дистанцион|разъездн', regex=True, na=False) ) present_cnt = len(merged_df[is_working_mask]) explained_cnt = len(absent_explained) unexplained_cnt = len(absent_unexplained) anomalies_cnt = len(anomalies_list) if anomalies_list else 0 # 3. Точный расчет неточных совпадений через Python fio_mismatches_python = find_python_fuzzy_matches(absent_unexplained, raw_absent_df) # 4. Формирование списка неизвестных с приоритетом аббревиатуры СКУД unexplained_list = [] if not absent_unexplained.empty: for idx, r in absent_unexplained.iterrows(): fio = r.get('Сотрудник', r.get('fio_clean', '')) dept_scud = str(r.get('department_scud', '')).strip() dept_1c = str(r.get('Подразделение', '')).strip() dept = dept_scud if (dept_scud and dept_scud.lower() != 'nan' and dept_scud != '—') else dept_1c if not dept: dept = '—' pos = r.get('Должность', '—') unexplained_list.append(f"{fio} — {dept}, {pos}") # 5. Сборка промпта для Ollama prompt = f""" Ты — старший аудитор кадровой безопасности и контроллинга СКУД. Сформируй итоговую сводку кадрового контроля на {date_str}. 📌 БАЗА ЗНАНИЙ И ПРАВИЛА ПРЕДПРИЯТИЯ: {custom_rules_str} 🚨 ВХОДНЫЕ МЕТРИКИ: - Всего сотрудников: {total_staff} - Работают (офис / удаленка / командировки): {present_cnt} - Официально отсутствуют: {explained_cnt} - Неизвестно (истинно неотмеченные): {unexplained_cnt} - Выявлено аномалий/конфликтов реестров: {anomalies_cnt} --- 🚨 ПОДТВЕРЖДЁННЫЕ АНОМАЛИИ ({anomalies_cnt} шт): {json.dumps(anomalies_list, ensure_ascii=False, indent=2)} --- ⚠️ ПОДТВЕРЖДЁННЫЕ PYTHON ОШИБКИ СОПОСТАВЛЕНИЯ ФИО В 1С ({len(fio_mismatches_python)} шт): {json.dumps(fio_mismatches_python, ensure_ascii=False, indent=2)} --- 📊 СПИСОК НЕИЗВЕСТНЫХ СЛУЧАЕВ ({unexplained_cnt} чел): {json.dumps(unexplained_list, ensure_ascii=False, indent=2)} СТРОГИЕ ИНСТРУКЦИИ ДЛЯ ИИ: 1. КАТЕГОРИЧЕСКИ ЗАПРЕЩЕНО придумывать несуществующие совпадения ФИО или приписывать суффиксы "(осн.)". Используй ТОЛЬКО массив `ПОДТВЕРЖДЁННЫЕ PYTHON ОШИБКИ СОПОСТАВЛЕНИЯ ФИО`. Если этот массив пуст, напиши в этом разделе: "Ошибок сопоставления ФИО и неточностей в 1С не обнаружено." 2. В разделе "Неизвестные случаи" выведи НУМЕРОВАННЫЙ СПИСОК всех {unexplained_cnt} человек ровно в том виде, в котором они переданы выше. 3. В разделе "Рекомендации" дай 2-3 конкретные системные рекомендации для кадровой службы. НЕ ПЕРЕЧИСЛЯЙ конкретные ФИО в тексте рекомендаций. СТРОГИЙ ШАБЛОН ОТВЕТА: **Сводка контроллинга СКУД и 1С:ЗУП на {date_str}** - Всего офисных сотрудников: **{total_staff}** - Работают (офис / удаленка / командировки): **{present_cnt}** - Официально отсутствуют: **{explained_cnt}** - Неизвестно (истинно неотмеченные): **{unexplained_cnt}** чел. - Выявлено аномалий/конфликтов реестров: **{anomalies_cnt}** шт. #### 🚨 Выявленные ИИ аномалии и конфликты источников ({anomalies_cnt}): (Описание аномалий из anomalies_list. Если их нет — "Аномалий не обнаружено.") #### ⚠️ Подозрения на ошибки сопоставления ФИО и несоответствия 1С: (Выведи данные ИСКЛЮЧИТЕЛЬНО из массива fio_mismatches_python. Если он пуст — "Ошибок сопоставления ФИО и неточностей в 1С не обнаружено.") #### Неизвестные случаи: {unexplained_cnt} (Выведи нумерованный список всех {unexplained_cnt} человек) ### Точечные рекомендации: (2-3 системные рекомендации без указания ФИО сотрудников) """ sys_prompt = "Ты — русскоязычный кадровый аудитор. Пиши СТРОГО на русском языке по предоставленному Markdown-шаблону. Категорически запрещено выводить JSON или китайские символы." return ask_ollama(prompt, system_prompt=sys_prompt) ``` ## File: `./services/zup_extractor.py` ```py import os import logging from datetime import date, datetime import pyodbc import pandas as pd from config import DATA_DIR, normalize_fio, ZUP_SQL_CONFIG logger = logging.getLogger(__name__) def get_zup_connection_string() -> str: """Формирует строку подключения pyodbc к MS SQL Server из config.py.""" return ( f"DRIVER={ZUP_SQL_CONFIG['driver']};" f"SERVER={ZUP_SQL_CONFIG['server']};" f"DATABASE={ZUP_SQL_CONFIG['database']};" f"UID={ZUP_SQL_CONFIG['user']};" f"PWD={ZUP_SQL_CONFIG['password']};" f"TrustServerCertificate={ZUP_SQL_CONFIG.get('trust_server_certificate', 'yes')};" f"Encrypt={ZUP_SQL_CONFIG.get('encrypt', 'no')};" ) def fetch_zup_absences_from_sql(target_date) -> pd.DataFrame: """ Извлекает оперативные отсутствия и действующие декреты из MS SQL 1С:ЗУП 3.1 на указанную дату (принимает как datetime.date, так и строку 'DD.MM.YYYY' / 'DD_MM_YYYY'). """ if isinstance(target_date, str): clean_date_str = target_date.replace('_', '.') try: target_date = datetime.strptime(clean_date_str, "%d.%m.%Y").date() except ValueError: logger.error(f"[❌] Неверный формат даты для SQL-запроса: {target_date}. Ожидался DD.MM.YYYY") return pd.DataFrame() query = """ DECLARE @TargetDate DATE = ?; -- 1. Оперативные отсутствия (Отпуска, Командировки, Больничные, Отгулы) SELECT LTRIM(RTRIM(ref_emp._Description)) AS [ФИО], CASE state._Fld16925RRef WHEN 0x9C10B2452D414FDF4A90E2B2AB81D3F7 THEN N'Отпуск основной' WHEN 0xBA63FCF94B4AD0664ED369D2E6505D67 THEN N'Командировка' WHEN 0x8C3B61F23954155A40EB0108FC0932DB THEN N'Болезнь' WHEN 0x853001C18D0965EE4B2702405C94054A THEN N'Отпуск неоплачиваемый по разрешению работодателя' WHEN 0xB7335AEFD8708C3E462861FC59489A38 THEN N'Отпуск по беременности и родам' ELSE N'Другое отсутствие' END AS [Вид_отсутствия] FROM dbo._InfoRg16921 state WITH (NOLOCK) INNER JOIN dbo._Reference299 ref_emp WITH (NOLOCK) ON state._Fld16922RRef = ref_emp._IDRRef WHERE @TargetDate BETWEEN CAST(CASE WHEN YEAR(state._Fld16926) > 3000 THEN DATEADD(YEAR, -2000, state._Fld16926) ELSE state._Fld16926 END AS DATE) AND CAST(CASE WHEN YEAR(state._Fld16927) > 3000 THEN DATEADD(YEAR, -2000, state._Fld16927) ELSE state._Fld16927 END AS DATE) UNION ALL -- 2. Динамический выбор ДЕЙСТВУЮЩИХ декретниц по уходу за ребенком SELECT active_state.fio AS [ФИО], N'Отпуск по уходу за ребенком' AS [Вид_отсутствия] FROM ( SELECT LTRIM(RTRIM(ref_emp._Description)) AS fio, all_states._Fld16925RRef AS state_guid, CAST(CASE WHEN YEAR(all_states._Fld16926) > 3000 THEN DATEADD(YEAR, -2000, all_states._Fld16926) ELSE all_states._Fld16926 END AS DATE) AS date_start, ROW_NUMBER() OVER ( PARTITION BY all_states._Fld16922RRef ORDER BY all_states._Fld16926 DESC ) AS rn FROM dbo._InfoRg16921 all_states WITH (NOLOCK) INNER JOIN dbo._Reference299 ref_emp WITH (NOLOCK) ON all_states._Fld16922RRef = ref_emp._IDRRef WHERE CAST(CASE WHEN YEAR(all_states._Fld16926) > 3000 THEN DATEADD(YEAR, -2000, all_states._Fld16926) ELSE all_states._Fld16926 END AS DATE) <= @TargetDate ) active_state WHERE active_state.rn = 1 AND active_state.state_guid = 0xA4FBA038663B3C2A48DA151C262855E1 AND active_state.date_start >= DATEADD(YEAR, -3, @TargetDate) ORDER BY [ФИО] ASC; """ try: conn_str = get_zup_connection_string() with pyodbc.connect(conn_str, timeout=5) as conn: df = pd.read_sql(query, conn, params=[target_date]) if not df.empty: df['fio_clean'] = df['ФИО'].apply(normalize_fio) return df except Exception as e: logger.error(f"[❌] Ошибка SQL-выгрузки отсутствий за {target_date}: {e}") return pd.DataFrame() def fetch_zup_staff_from_sql() -> pd.DataFrame: """Резервная выгрузка штата из MS SQL.""" query = """ SELECT DISTINCT LTRIM(RTRIM(ref_emp._Description)) AS [ФИО], N'Организация' AS [Подразделение], N'Сотрудник' AS [Должность] FROM dbo._Reference299 ref_emp WITH (NOLOCK) WHERE ref_emp._Description <> '' AND ref_emp._Marked = 0x00 ORDER BY [ФИО] ASC; """ try: conn_str = get_zup_connection_string() with pyodbc.connect(conn_str, timeout=5) as conn: df = pd.read_sql(query, conn) if not df.empty: df['fio_clean'] = df['ФИО'].apply(normalize_fio) return df except Exception as e: logger.error(f"[❌] Ошибка выгрузки штата из MS SQL: {e}") return pd.DataFrame() def sync_zup_to_excel(target_date) -> bool: """Создает дамп в Excel при необходимости.""" try: if isinstance(target_date, str): clean_date_str = target_date.replace('_', '.') target_date_obj = datetime.strptime(clean_date_str, "%d.%m.%Y").date() else: target_date_obj = target_date date_str_file = target_date_obj.strftime("%d_%m_%Y") c_1c_dir = os.path.join(DATA_DIR, "1c") os.makedirs(c_1c_dir, exist_ok=True) df_staff = fetch_zup_staff_from_sql() df_absences = fetch_zup_absences_from_sql(target_date_obj) staff_excel_path = os.path.join(c_1c_dir, f"Штат_{date_str_file}.xlsx") absences_excel_path = os.path.join(c_1c_dir, f"Отсутствия_{date_str_file}.xlsx") with pd.ExcelWriter(staff_excel_path, engine='openpyxl') as writer: dummy_headers = pd.DataFrame([[""] * 13] * 8) dummy_headers.to_excel(writer, index=False, header=False) df_staff[['ФИО', 'Подразделение', 'Должность']].to_excel(writer, startrow=8, index=False) with pd.ExcelWriter(absences_excel_path, engine='openpyxl') as writer: dummy_headers = pd.DataFrame([[""] * 3] * 3) dummy_headers.to_excel(writer, index=False, header=False) df_absences[['ФИО', 'Вид_отсутствия']].to_excel(writer, startrow=3, index=False) return True except Exception as e: logger.error(f"[❌] Ошибка прямого импорта из MS SQL 1С: {e}") return False ``` ## File: `./docs/PROJECT BRAIN_ SCUD Orion AI & Context API (Master Manifesto v5.0).md` ``` # **PROJECT BRAIN: SCUD Orion AI & Context API (Master Technical & Architectural Manifesto)** **Версия документа:** 5.0 (Ultimate Developer & LLM Context Engine) **Назначение:** Исчерпывающий контекстный дамп проекта для немедленного продолжения разработки в любой передовой LLM без потери исторического контекста, с полным пониманием бизнес-логики, схем баз данных, подводных камней и нерешенных задач. ## --- **1\. Архитектурный паспорт и инфраструктурный профиль** | Компонент | Параметры и стек | | :---- | :---- | | **Среда и ОС** | Linux Docker Home (Debian/Ubuntu), Python 3.11/3.12 в виртуальном окружении venv, Git/Gitea. Разработка ведется через VS Code Remote-SSH. | | **Локальная СУБД проекта** | SQLite (data/scud\_orion\_ai.db), режим PRAGMA journal\_mode \= WAL, PRAGMA synchronous \= NORMAL, PRAGMA foreign\_keys \= ON. | | **СКУД Источник (MSSQL)** | MS SQL Server 172.16.31.221\\SQL (база Orion-14.01.21-1), драйвер ODBC Driver 18 for SQL Server (TrustServerCertificate=yes, Encrypt=no). Доступ через pyodbc. | | **1С:ЗУП 3.1 Источник (MSSQL)** | MS SQL Server ACCOUNT-01 (база ZUP30, пользователь scud\_reader). Прямое чтение таблиц dbo.\_Reference299 (сотрудники) и dbo.\_InfoRg16921 (состояния отсутствий). Резервная Samba-шара: /mnt/scud\_share. | | **Локальный контур LLM** | Ollama на http://192.168.11.3:11434 (GPU NVIDIA RTX 5070 Ti 16GB). Модель qwen2.5:14b (основной агент, Function Calling, анализ аномалий), qwen2.5vl:7b-q8\_0 (OCR документов/картинок). | | **Web API & Фронтенд** | FastAPI (Uvicorn), JWT (HS256, 30 дней), Passlib (bcrypt). Фронтенд: Single Page Application (HTML5, Tailwind CSS, Vanilla JS) с Generative UI виджетами. | ## --- **2\. Энциклопедия подводных камней, инцидентов и принятых инженерных решений** ### **2.1. Галлюцинации LLM и переход к парадигме Python-Driven Diff** > * **Проблема:** Попытка передать списки в 300 ФИО напрямую в промпт модели с командой «сравни списки» приводила к потере контекста, выдуманным опечаткам (*«ЛЕНМОРНИИПРОЕКТ ОЭС Варламова Мария»*) и плейсхолдерам ('Васильев Л.И.', ...). > * **Решение:** Утверждена строгая гибридная схема: 1. **Детерминированный слой (Python / Pandas / SQL):** читает файлы, нормализует строки, агрегирует совмещения и мгновенно находит 95%+ точных соответствий. 2. **Интеллектуальный слой (Qwen 2.5:14b):** вызывается *только на спорный несовпавший остаток* (1–5 записей) в виде строгого JSON-интерфейса Entity Resolution. ### **2.2. Символьная нормализация и кадровые совмещения (Кейс Балаевой О.Г.)** > * **Проблема символов:** Латинские омоглифы (буквы клавиатуры a, c, e, o, p, x, y вместо русских), разделители 1С в скобках ((осн.), (совм.), (внешн.)), неразрывные пробелы \\xa0, буква ё и случайный ввод цифры 0 вместо буквы О. > * **Решение (normalize\_fio):** Очистка скобок через регулярное выражение re.sub(r'\\(.\*?\\)', '', fio), замена латиницы через str.maketrans('aceopxyABCEHKMOPTX', 'асеорхуАВСЕНКМОРТХ'), замена ё-\>е и удаление лишних пробелов. > * **Коллизия 270 vs 271:** В СКУД 270 физических лиц (один пропуск на человека), в 1С — 271 строка. Сотрудник **Балаева Ольга Геннадьевна** числится на двух ставках в разных отделах (*Руководитель управления персоналом* и *Руководитель режимно-секретного отдела*). > * **Решение:** Внедрена группировка датафрейма 1С по fio\_clean с агрегацией должностей и подразделений через разделитель " / ". ### **2.3. Защита от коллизий полных тёзок и ложных связок однофамильцев (Кейс Семеновых)** > * **Инцидент:** Неограниченная строгими правилами LLM связала двух разных сотрудниц — *«Семенову Юлию Борисовну»* (работает) и *«Семенову Дину Дмитриевну»* (в отпуске), посчитав разные имена опечаткой из\-за одинаковой фамилии. В результате Юлии Борисовне ошибочно был приписан статус отпуска. > * **Двухконтурный барьер:** 1. **В промпте:** Запрет объединения однофамильцев с разными именами/отчествами. 2. **В Python:** Проверка совпадения первых букв имени и отчества. При несовпадении сопоставление ИИ аннулируется с логированием ⚠️ \[Блокировка фейка\]. ### **2.4. Вынесение исключений в exceptions.json и синонимы отделов** > * Служебный персонал (отдел «ЭТО», уборщики производственных и служебных помещений, клинеры, дворники, гардеробщики) вынесен в exceptions.json. > * Для сопоставления кратких аббревиатур СКУД и полных названий отделов 1С (*«ОВК» ⟷ «Отдел внутреннего контроля»*) создана таблица department\_synonyms с автоматическим самообучением при работе человека (Human-in-the-Loop). ### **2.5. Разгадка феномена «исчезающих неизвестных» и аппаратный сбой СКУД 04.08.2026** > * **Аномалия:** Утром 04.08.2026 на главном КПП зависли контроллеры входа. У 119 сотрудников не записалось утреннее событие (time\_in \= 'Нет входа'). Из них 57 человек были в отпусках/командировках по 1С. Оставшиеся 74 человека были на работе без утренней отметки. Однако вечерняя сводка показала всего 4–7 «неизвестных». > * **Причина:** Скрипт агрегации видел дневные перемещения (обед, внутренние двери, туалет, вечерний выход) и автоматически проставлял Статус \= 'Присутствовал' и is\_present \= 1, несмотря на то, что колонка Начало\_дня оставалась 'Нет входа'. В итоге 70 человек тихо ушли в «Итого на работе», а системный сбой оборудования был замаскирован. > * **Архитектурный фикс:** 1. Введена колонка **first\_activity («Первая активность»)** — вычисление MIN(TimeVal) AS FirstRawEvent по таблице pLogData без учета направления двери. 2. Если time\_in \== 'Нет входа', но first\_activity \!= '—', записи ставится anomaly\_flag \= 'ANOMALY\_NO\_IN\_HAS\_ACTIVITY', а is\_present принудительно сбрасывается в 0\. 3. Внедрен модуль analyze\_scud\_mass\_failure\_ai(): если доля таких аномалий превышает 5% смены (\>10 чел.), ИИ генерирует системный алерт о массовом сбое контроллеров КПП. > * **Кейс Равина В.Э.:** Главный специалист официально находился в основном отпуске по 1С, утреннего входа на КПП не было, но зафиксирована активность в 14:11:06 и вечерний выход в 17:18:38. Система зарегистрировала истинную кадровую аномалию (физическое присутствие при официальном отпуске). ### **2.6. Система сквозных датированных снапшотов (срезов)** > * **Формат ID:** \[Y\]YYYYMMDD-NNN (например, Y20260804-001 для вчерашнего зафиксированного вечернего среза на 22:00 и 20260805-002 для дневного). > * **Оптимизация:** Функция has\_yesterday\_final\_snapshot() проверяет наличие вчерашнего среза в SQLite: если он есть, повторный тяжелый запрос к MS SQL Орион пропускается. > * **CLI-управление:** Поддержка запуска отчетов по любому историческому снапшоту через ключ \--snapshot \[ID\] и пропуск выгрузки через \--skip-export. ### **2.7. Web API, Generative UI и управление жизненным циклом сессий (Topic Drift & Ephemeral Buffer)** > * **Проблема засорения контекста LLM:** Вывод объемных списков задач, системных промптов и таблиц срезов забивал окно диалога, вызывая галлюцинации и «залипание» модели на старых данных. > * **Решение:** * В chat\_messages введен флаг is\_ephemeral \= 1 для временных сообщений. * Двухфазные сессии (PROMPT\_PREVIEW → PROMPT\_FOLLOWUP) и детерминированный счетчик idle\_turns. * **Context Guard:** На 3-м шаге отвлечения оператора на сторонние темы система отвечает на вопрос и выводит интерактивное напоминание с кнопками \[Завершить настройку\] / \[Показать промпт\]. При idle\_turns \> 3 происходит автоочистка сессии вызовом db\_purge\_ephemeral\_messages(). * **Fast-Path:** Прямой перехват команд подтверждения («да», «подтверждаю») и выхода («нет, спасибо») без обращения к LLM (ответ за 0.05 сек). * **Декларативный реестр (tool\_action\_registry):** Хранение шаблонов ответов, кнопок и настроек эфемерности в SQLite. > * **Generative UI (Задачи):** Инструмент db\_get\_tasks возвращает TASK\_INTERACTIVE\_CARD, рендерящий на клиенте живой виджет задач с табами (Все / В работе / В планах / Завершенные), чекбоксами и inline-созданием задач через REST API. ## --- **3\. Полная схема базы данных SQLite (data/scud\_orion\_ai.db)** | Таблица | Назначение и бизнес-логика | Структура полей | | :---- | :---- | :---- | | **scud\_logs** | Логи проходов СКУД, расчетное время в здании и снапшоты. | id INTEGER PK AUTOINCREMENT, log\_date TEXT, fio TEXT, fio\_clean TEXT, department TEXT, position TEXT, time\_in TEXT, first\_activity TEXT DEFAULT '—', time\_out TEXT, time\_in\_building TEXT, is\_present INTEGER, anomaly\_flag TEXT DEFAULT 'NONE', snapshot\_time TEXT, snapshot\_id TEXT, created\_at TIMESTAMP | | **zup\_staff** | Штатное расписание 1С:ЗУП на даты срезов. | id INTEGER PK AUTOINCREMENT, snapshot\_date TEXT, fio TEXT, fio\_clean TEXT, department TEXT, position TEXT, created\_at TIMESTAMP | | **zup\_absences** | Документы отклонений 1С (отпуска, больничные, командировки, декреты). | id INTEGER PK AUTOINCREMENT, absence\_date TEXT, fio TEXT, fio\_clean TEXT, absence\_type TEXT, created\_at TIMESTAMP | | **anomalies\_history** | Журнал выявленных кадровых и аппаратных аномалий. | id INTEGER PK AUTOINCREMENT, anomaly\_date TEXT, fio TEXT, anomaly\_type TEXT, details TEXT, human\_status TEXT DEFAULT 'Pending', created\_at TIMESTAMP | | **ai\_knowledge\_base** | Глобальные правила арбитража и приоритеты компании для ИИ. | id INTEGER PK AUTOINCREMENT, rule\_text TEXT UNIQUE, added\_by TEXT DEFAULT 'Human', created\_at TIMESTAMP | | **system\_prompts** | Версионные системные промпты агента (активный по is\_active=1). | id INTEGER PK AUTOINCREMENT, name TEXT, prompt\_text TEXT, is\_active INTEGER DEFAULT 1, updated\_at TIMESTAMP | | **tool\_action\_registry** | Декларативный реестр шаблонов, кнопок и настроек эфемерности инструментов. | id INTEGER PK AUTOINCREMENT, tool\_name TEXT UNIQUE, category TEXT, bypass\_llm INTEGER, success\_template TEXT, follow\_up\_question TEXT, action\_type TEXT, buttons\_json TEXT, is\_active INTEGER, is\_ephemeral INTEGER, updated\_at TIMESTAMP | | **session\_states** | Активные состояния сессий, черновики и счетчик idle\_turns. | session\_id TEXT PRIMARY KEY, state\_type TEXT, pending\_data TEXT, updated\_at TIMESTAMP | | **chat\_messages** | История диалогов с поддержкой разделения на постоянные и эфемерные сообщения. | id INTEGER PK AUTOINCREMENT, session\_id TEXT, role TEXT, content TEXT, is\_ephemeral INTEGER DEFAULT 0, created\_at TIMESTAMP | | **tasks** | Реестр задач операторов с привязкой к user\_id. | id INTEGER PK AUTOINCREMENT, task\_id TEXT, module TEXT, title TEXT, priority TEXT, status TEXT, due\_date TEXT, user\_id INTEGER, created\_at TIMESTAMP | | **users** | Учетные записи операторов (хэши паролей bcrypt, права администратора). | id INTEGER PK AUTOINCREMENT, username TEXT UNIQUE, password\_hash TEXT, is\_admin INTEGER, full\_name TEXT, created\_at TIMESTAMP | | **department\_synonyms** | База соответствия аббревиатур СКУД полным названиям отделов 1С. | id INTEGER PK AUTOINCREMENT, short\_name TEXT UNIQUE, full\_name TEXT, created\_at TIMESTAMP | | **system\_reference** | Справочник команд и примеров промптов для операторов. | id INTEGER PK AUTOINCREMENT, category TEXT, title TEXT, example\_prompt TEXT, description TEXT | ## --- **4\. Архитектурная структура каталогов** scud\_ai/ ├── config.py \# Конфигурация: пути, расчет дат, URL Ollama, параметры MS SQL ├── exceptions.json \# Декларативные фильтры исключений (ОВК, уборщики, подрядчики) ├── main\_etl.py \# Оркестратор ETL: экспорт СКУД/1С \-\> SQLite \-\> Excel/MD отчеты ├── project\_code\_snapshot.md \# Полный монолитный исходный код всех файлов репозитория ├── core/ │ └── database.py \# Драйвер SQLite (WAL), функции сохранения/загрузки срезов ├── services/ │ ├── scud\_export.py \# Прямой SQL-экспорт из MS SQL «Орион Pro» │ ├── zup\_extractor.py \# Прямой SQL-экспорт из MS SQL 1С:ЗУП 3.1 │ ├── data\_loader.py \# Загрузка данных, нормализация ФИО, расчет первой активности │ ├── data\_validator.py \# Проверка свежести и наличия файлов за Вчера и Сегодня │ ├── excel\_exporter.py \# Генерация сводки и детального отчета в Excel (openpyxl) │ ├── text\_reporter.py \# Построение итогового Markdown-отчета через Qwen 2.5 │ ├── ai\_verifier.py \# Модули ИИ-аудита, Fuzzy Matching и детекции сбоев СКУД │ ├── feedback\_loop.py \# Интерактивный консольный модуль Human-in-the-Loop │ ├── knowledge\_base.py \# Интерфейс работы с базой знаний правил │ └── share\_copier.py \# Резервное скачивание файлов 1С с шары /mnt/scud\_share ├── scripts/ │ ├── db\_cli.py \# CLI-утилита управления БД, снапшотами, дампами и сессиями │ ├── fix\_snapshots.py \# Скрипт переиндексации и нормализации снапшотов │ ├── init\_tool\_registry.py \# Инициализация декларативного реестра инструментов │ └── diagnostics/ │ ├── inspect\_db.py \# Диагностика структуры таблиц и количества записей │ ├── inspect\_ephemeral.py \# Анализ распределения постоянных и эфемерных сообщений │ ├── inspect\_files.py \# Аудит файлов и размеров на диске │ └── show\_tree.py \# Вывод дерева каталогов ├── modules/web\_api/ │ ├── main.py \# Точка входа FastAPI приложения, роутеры и раздача статики │ ├── routers/ (admin, auth, chat, tasks) \# REST эндпоинты │ ├── llm/ │ │ ├── agent.py \# Координатор диалога, Tool Calls и Topic Drift Guard │ │ ├── schemas.py \# Описание JSON-схем инструментов для Ollama │ │ ├── file\_parser.py \# Мультимодальный парсер файлов (PDF, PNG, XLSX, TXT) │ │ ├── db\_tools.py \# Фасадные вызовы функций БД для агента │ │ ├── core/ (calendar\_utils, fast\_path, ollama\_client, prompt\_merger, tool\_injector) │ │ └── db/ (connection, db\_chat, db\_prompts, db\_snapshots, db\_tasks) │ └── static/ (index.html, css/styles.css, js/app.js, js/auth.js, js/chat.js, js/tasks.js) └── docs/ └── development\_roadmap.md \# Стратегическая дорожная карта и архитектурный бэклог ## --- **5\. Справочник команд CLI (HOWTO)** ### **ETL Пайплайн (main\_etl.py):** > * python main\_etl.py — стандартный дневной запуск (экспорт из MS SQL, сохранение снапшота, генерация отчетов). > * python main\_etl.py \--skip-export — построение отчетов по последнему имеющемуся снапшоту из SQLite без повторного запроса к MS SQL. > * python main\_etl.py \--snapshot 20260805-001 — точный расчет отчетов по указанному составному ID снапшота. > * python main\_etl.py \-d — запуск в режиме расширенной отладки (DEBUG). ### **CLI базы данных (scripts/db\_cli.py):** > * python scripts/db\_cli.py stats — статистика по количеству строк во всех таблицах БД. > * python scripts/db\_cli.py snapshots \[ДД.ММ.ГГГГ\] — просмотр реестра снапшотов с сортировкой по времени создания (свежие сверху). > * python scripts/db\_cli.py scud \[ДД.ММ.ГГГГ\] \[--snapshot ID\] \[--export-xlsx NAME\] — инспекция логов СКУД и экспорт в Excel. > * python scripts/db\_cli.py absences \[ДД.ММ.ГГГГ\] — список кадровых отклонений из 1С:ЗУП. > * python scripts/db\_cli.py anomalies — история выявленных аномалий. > * python scripts/db\_cli.py rules — правила базы знаний компании. > * python scripts/db\_cli.py prompts — системные промпты из system\_prompts. > * python scripts/db\_cli.py tools — декларативный реестр действий инструментов и кнопок. > * python scripts/db\_cli.py sessions — активные сессионные стейты и висящие черновики. > * python scripts/db\_cli.py snapshot del \[ID\] — удаление конкретного снапшота по ID. > * python scripts/db\_cli.py snapshot del \--day \[ДД.ММ.ГГГГ\] — удаление всех снапшотов за день. > * python scripts/db\_cli.py dump \[backup.xlsx\] — полный дамп всех таблиц базы данных в многостраничный Excel. ## --- **6\. Стратегическая дорожная карта и нерешенные задачи (Roadmap & Backlog)** > 1. **Масштабирование механизма эфемерного контекста на все инструменты (Rollout Roadmap):** * **Снапшоты (snapshots):** Перевод вывода объемных таблиц срезов в эфемерный режим (is\_ephemeral \= 1), внедрение интерактивного подтверждения при удалении снапшотов по ID/дате через состояния SNAPSHOTS\_PREVIEW / SNAPSHOTS\_FOLLOWUP. * **База знаний и аномалии (kb & anomalies):** Вывод справочников команд, правил арбитража и списков аномалий исключительно во временный слой для исключения «залипания» модели на устаревших правилах из истории сообщений. * **Декларативная унификация в tool\_action\_registry:** Расширение схемы таблицы полями followup\_state\_type, auto\_purge\_on\_exit, guard\_question\_template для устранения хардкода имен функций в agent.py. > 2. **Модуль анализа внутридневных перемещений («Контроль перекуров»):** * Анализ интервалов между событиями OUT (выход) и IN (возврат) по журналу pLogData. * Подсчет суммарного времени нахождения вне рабочего места в течение смены с отсечением технологической нормы (30–40 минут). * Вывод аналитического блока и злостных нарушителей в отдельный лист Excel-отчета и итоговую Markdown-сводку. > 3. **Интерактивный Task Planner & Roadmap Engine:** * Специализированный инструмент для ведения динамических проектных планов и чек-листов с чекбоксами (\[ \] / \[x\]) прямо в диалоге с синхронизацией в таблицу tasks. > 4. **Изолированная среда исполнения кода (Code Execution Sandbox):** * Безопасный изолированный Docker/gVisor контейнер для динамического выполнения генерируемого моделью Python/Pandas кода на лету с возвратом stdout/stderr и графиков в контекст. > 5. **Автоматизация расписания срезов и Telegram-алерты:** * Автозапуск выгрузок в 12:00, 17:00 и 19:00 через systemd-таймеры с фиксацией snapshot\_time. * Отправка мгновенных алертов о массовых сбоях турникетов (\>5%) и критических кадровых конфликтах дежурному системному администратору в Telegram. ``` ## File: `./docs/SCUD Orion AI — Полная энциклопедическая хроника, архитектурный паспорт и технический контекст (v4.0).md` ``` # **SCUD Orion AI — Полная энциклопедическая хроника, архитектурный паспорт, разбор всех инцидентов и технический контекст проекта** **Версия документа:** 4.0 (Исчерпывающий монолитный контекстный паспорт для новой сессии) **Стек технологий и инфраструктура:** Python 3.11+, FastAPI (Uvicorn), SQLite (WAL mode, PRAGMA synchronous=NORMAL, внешние ключи ON), Ollama REST API (Qwen 2.5:14b — основной текстовый агент и классификатор, Qwen 2.5-VL:7b-q8\_0 / Qwen 3-VL:8b — OCR и зрение), MS SQL Server 2019/2022 (СКУД «Орион Pro» ЗАО НВП «Болид», 1С:ЗУП 3.1 через pyodbc / ODBC Driver 18), сетевая Samba-шара (/mnt/scud\_share), Git/Gitea, HTML5 / Vanilla JS / Tailwind CSS. ## --- **1\. Исходный бизнес-контекст, роли систем и фундаментальные задачи** Проект решает комплексную проблему контроллинга трудовой дисциплины, автоматического сопоставления кадровых фактов и защиты от рассинхронизации мастер-данных на предприятии со штатом \~270–276 сотрудников. ### **Источники первичных данных:** > * **СКУД «Орион Pro» (Болид):** База данных MS SQL Server (SERVER: 172.16.31.221\\SQL, DB: Orion-14.01.21-1). Основные таблицы: * pLogData — журнал всех сырых физических транзакций турникетов, калиток и внутренних дверей. Ключевые поля: TimeVal (время сервера), DeviceTime (время контроллера), HozOrgan / Hrk (ID сотрудника), Event (код события: 26, 28, 32 — вход; 27, 29, 33 — выход; 54, 55, 64, 65 — внутренние считыватели), Mode (направление: 1 — IN, 2 — OUT), ReaderIndex, DoorIndex. * pList — реестр физических лиц и пропусков (ФИО, табельный номер, статус архива). * PDivision, PPost — справочники подразделений и должностей СКУД. > * **1С:ЗУП 3.1 (Кадры):** База данных MS SQL Server (SERVER: ACCOUNT-01, DB: ZUP30). * dbo.\_Reference299 — эталонный справочник сотрудников. * dbo.\_InfoRg16921 — периодический регистр сведений состояний сотрудников (отпуска основные, больничные, командировки, декретные отпуска, отпуска без сохранения оплаты). * Файловые выгрузки с сетевой шары /mnt/scud\_share: файлы Штат\_ДД\_ММ\_ГГГГ.xlsx (шапка 7–8 строк) и Отсутствия\_ДД\_ММ\_ГГГГ.xlsx (шапка 3–4 строки). > * **Реестры статических исключений:** static\_reason\_workers.csv (реестр удаленщиков и постоянных разъездных сотрудников), exceptions.json (декларативный фильтр обслуживающего персонала и спец-отделов). ## --- **2\. Подробнейшая пошаговая хронология разработки, эволюция идей и разбор ошибок** ### **Фаза 1: Первые эксперименты с LLM, выявление галлюцинаций и гибридная парадигма** > * **Попытка передачи сырых списков в чат:** Первоначальная попытка скормить модели Qwen 2.5:14b список из сотен ФИО с инструкцией *«запомни список 1С»* показала, что у LLM нет постоянной памяти между сессиями. Модель теряла контекст, путала фамилии и выдавала ответы с троеточиями ('Васильев Л.И.', ...) или придумывала несуществующие строки (*«ЛЕНМОРНИИПРОЕКТ ОЭС Варламова Мария»*). > * **Ошибки openpyxl vs pandas:** Первая генерация кода моделью использовала библиотеку openpyxl с построчным перебором ячеек, жестко зашитыми опечатками (поиск слова 'фиио') и падением по FileNotFoundError. > * **Переход к детерминированному пайплайну:** Принято ключевое архитектурное решение — **LLM не считает математику и не фильтрует 300 строк текста**. Всю механическую работу (ETL, слияние, фильтрацию) выполняет быстрый детерминированный Python (pandas, SQL), а локальная LLM выступает исключительно в роли «умного ревизора» на этапе сопоставления сомнительного несовпавшего остатка (Diff). ### **Фаза 2: Нормализация ФИО, кодировки и коллизия совместителей (Кейс Балаевой О.Г.)** > * **Символьные ловушки:** * Латинские буквы-двойники (омоглифы a, c, e, o, p, x, y, случайно набранные в английской раскладке). * Служебные суффиксы в скобках, добавляемые 1С ((осн.), (совм.), (внешн.)). * Буквы ё/е, двойные пробелы, неразрывные пробелы \\xa0 и случайный ввод цифры 0 вместо буквы О. > * **Функция normalize\_fio():** Разработан строгий конвейер очистки: > `def normalize_fio(fio):` > `if not fio or not isinstance(fio, str): return ""` > `fio_clean = re.sub(r'\(.*?\)', '', fio) # Удаление скобок` > `fio_clean = fio_clean.replace('\xa0', ' ')` > `trans = str.maketrans('aceopxyABCEHKMOPTX', 'асеорхуАВСЕНКМОРТХ')` > `fio_clean = fio_clean.translate(trans)` > `fio_clean = fio_clean.replace('ё', 'е').replace('Ё', 'Е')` > `return " ".join(fio_clean.strip().split()).title()` > * **Коллизия 270 vs 271:** В СКУД числилось 270 уникальных человек, а в 1С — 271 строка. Ручной разбор показал, что **Балаева Ольга Геннадьевна** занимает две ставки в 1С (*Руководитель управления персоналом* и *Руководитель режимно-секретного отдела*) при одном физическом пропуске в СКУД. > * **Решение:** Внедрена обязательная группировка штата 1С по fio\_clean с объединением должностей и подразделений через " / ". ### **Фаза 3: Защита Entity Resolution от однофамильцев (Инцидент с Семеновыми)** > * **Сбой модели:** При передаче несовпавших ФИО в Qwen 2.5 модель ошибочно сопоставила *«Семенову Юлию Борисовну»* (которая была на работе) с *«Семеновой Диной Дмитриевной»* (находившейся в отпуске), посчитав это опечаткой в имени из\-за одинаковой фамилии. В результате Юлия Борисовна получила статус нарушителя («в отпуске, но пришла»). > * **Двухконтурная защита:** 1. В системный промпт ИИ зашито категорическое правило: однофамильцы с разными именами/отчествами — строго разные люди, объединение запрещено. 2. В Python встроен дублирующий барьер: если фамилии совпадают, но инициалы/первые буквы имен различаются, связь ИИ принудительно аннулируется с логированием ⚠️ \[Блокировка фейка\]. ### **Фаза 4: Декларативные исключения и синонимы отделов** > * **Переход к exceptions.json:** Исключение клининга, дворников, гардеробщиков и хозяйственного персонала отдела «ЭТО» вынесено из кода в конфигурационный файл exceptions.json (поддержка списков departments, positions, fio, position\_keywords). > * **База синонимов отделов (department\_synonyms):** Для сопоставления сокращений СКУД с длинными названиями 1С (например, *«ОВК» ⟷ «Отдел внутреннего контроля»*) создана таблица SQLite, автоматически обучаемая при подтверждениях оператора. ### **Фаза 5: Аппаратный сбой СКУД 04.08.2026, разгадка «исчезающих неизвестных» и Первая активность** > * **Анатомия сбоя:** Утром 04.08.2026 зависли регистраторы входа на главном КПП. У 119 сотрудников не записалось событие входа (time\_in \= 'Нет входа'). Из них 57 человек были официально закрыты документами 1С (отпуска, командировки). Оставшиеся \~74 человека реально пришли на работу, но утренней отметки не имели. Однако вечером сводка выдала всего 4–7 «неизвестных». > * **Вскрытие механизма ошибки:** Было обнаружено, что скрипт агрегации видел дневные перемещения сотрудников (выходы на обед, считыватели туалетов, внутренние двери) и автоматически выставлял Статус \= 'Присутствовал' и is\_present \= 1\. Из-за этого люди попадали в категорию «Итого на работе», а массовый аппаратный сбой скрывался. > * **Внедрение «Первой активности»:** 1. В базу данных и выгрузки Excel добавлена колонка **first\_activity («Первая активность»)** — минимальное время любого события дня в здании (MIN(TimeVal) AS FirstRawEvent без учета направления двери). 2. Если time\_in \== 'Нет входа', но first\_activity \!= '—', записи присваивается anomaly\_flag \= 'ANOMALY\_NO\_IN\_HAS\_ACTIVITY', а is\_present принудительно сбрасывается в 0\. 3. Внедрен модуль analyze\_scud\_mass\_failure\_ai(): при превышении порога в 5% смены (\>10 человек) ИИ поднимает тревогу о массовом сбое контроллеров КПП. > * **Кейс Равина В.Э.:** Сотрудник находился в официальном отпуске, утреннего входа не имел, но пришел после обеда (первая активность 14:11:06, выход 17:18:38). Система корректно зафиксировала истинную кадровую аномалию (физическое присутствие при официальном отпуске). ### **Фаза 6: Архитектурная миграция под Gitea и система срезов (снапшотов)** > * **Безопасный рефакторинг:** Монолит разделен на слои (core/, services/, scripts/, modules/web\_api/) через git mv с сохранением истории коммитов в ветке refactor/modular-structure. > * **Формат ID снапшота:** Введена схема \[Y\]YYYYMMDD-NNN (например, Y20260804-001 для вчерашнего зафиксированного вечернего среза на 22:00 и 20260805-002 для дневного). > * **Оптимизация экспорта:** Если в SQLite уже зафиксирован вчерашний срез с префиксом Y, повторный тяжелый SQL-запрос к СКУД Орион не выполняется (функция has\_yesterday\_final\_snapshot). > * **Инспекция и CLI:** Написан инструмент scripts/db\_cli.py с командами stats, snapshots, scud, absences, anomalies, rules, prompts, tools, sessions, dump, snapshot del. ### **Фаза 7: Web API, Generative UI, управление памятью LLM и Topic Drift Guard** > * **FastAPI & Безопасность:** Развернут Web API с JWT-авторизацией (bcrypt), изолированными задачами пользователей (tasks с привязкой к user\_id), гостевым режимом и ролевой моделью. > * **Проблема деградации контекста LLM:** Вывод объемных списков задач, текстов системных промптов и таблиц снапшотов засорял контекстное окно чата, приводя к галлюцинациям и «залипанию» модели на старых правилах. > * **Решение проблемы памяти (Topic Drift & Ephemeral Context):** * В таблицу chat\_messages добавлен флаг is\_ephemeral \= 1 для временных сообщений. * Введены двухфазные сессии (PROMPT\_PREVIEW → PROMPT\_FOLLOWUP) и детерминированный счетчик отвлечений idle\_turns. * **Context Guard:** На 3-м шаге отвлечения оператора на сторонние темы система отвечает на вопрос и выводит интерактивное напоминание с кнопками \[Завершить настройку\] / \[Показать промпт\]. При idle\_turns \> 3 происходит автоочистка сессии вызовом db\_purge\_ephemeral\_messages(). * **Fast-Path:** Прямой перехват команд подтверждения («да», «подтверждаю», «сохранить») и выхода («нет, спасибо», «закончить настройку») без обращения к LLM (ответ за 0.05 сек). * **Декларативный реестр действий (tool\_action\_registry):** Хранение шаблонов ответов, типов кнопок и признаков эфемерности в SQLite. > * **Generative UI (Интерактивные карточки задач):** Инструмент db\_get\_tasks возвращает полезную нагрузку TASK\_INTERACTIVE\_CARD. Фронтенд рендерит живой виджет с табами (Все / В работе / В планах / Завершенные), чекбоксами и inline-созданием задач через REST API без вызова LLM. ## --- **3\. Полная схема базы данных SQLite (data/scud\_orion\_ai.db)** | Таблица | Назначение и бизнес-логика | Полная структура колонок | | :---- | :---- | :---- | | **scud\_logs** | Хранение логов проходов СКУД, расчетного времени и снапшотов. | id (PK), log\_date, fio, fio\_clean, department, position, time\_in, first\_activity, time\_out, time\_in\_building, is\_present, anomaly\_flag, snapshot\_time, snapshot\_id, created\_at | | **zup\_staff** | Штатное расписание 1С:ЗУП на даты срезов. | id (PK), snapshot\_date, fio, fio\_clean, department, position, created\_at | | **zup\_absences** | Официальные кадровые отклонения 1С (отпуска, больничные, командировки, декреты). | id (PK), absence\_date, fio, fio\_clean, absence\_type, created\_at | | **anomalies\_history** | Журнал выявленных кадровых и аппаратных аномалий. | id (PK), anomaly\_date, fio, anomaly\_type, details, human\_status, created\_at | | **ai\_knowledge\_base** | Глобальные правила арбитража и приоритеты компании для ИИ. | id (PK), rule\_text, added\_by, created\_at | | **system\_prompts** | Версионные системные промпты агента (активный промпт по is\_active=1). | id (PK), name, prompt\_text, is\_active, updated\_at | | **tool\_action\_registry** | Декларативный реестр шаблонов, кнопок и настроек эфемерности инструментов. | id (PK), tool\_name, category, bypass\_llm, success\_template, follow\_up\_question, action\_type, buttons\_json, is\_active, is\_ephemeral, updated\_at | | **session\_states** | Активные состояния сессий, черновики и счетчик idle\_turns. | session\_id (PK), state\_type, pending\_data, updated\_at | | **chat\_messages** | История диалогов с поддержкой разделения на постоянные и эфемерные сообщения. | id (PK), session\_id, role, content, is\_ephemeral, created\_at | | **tasks** | Реестр задач пользователей с привязкой к user\_id. | id (PK), task\_id, module, title, priority, status, due\_date, user\_id, created\_at | | **users** | Учетные записи операторов (хэши паролей bcrypt, права администратора). | id (PK), username, password\_hash, is\_admin, full\_name, created\_at | | **department\_synonyms** | База знаний соответствия аббревиатур СКУД полным названиям отделов 1С. | id (PK), short\_name, full\_name, created\_at | | **system\_reference** | Справочник команд и примеров промптов для операторов. | id (PK), category, title, example\_prompt, description | ## --- **4\. Актуальная архитектура каталогов и назначение файлов** `scud_ai/` `├── config.py # Конфигурация: пути, расчет дат, URL Ollama, параметры MS SQL` `├── exceptions.json # Декларативные фильтры исключений (ОВК, уборщики, подрядчики)` `├── main_etl.py # Оркестратор ETL: экспорт СКУД/1С -> SQLite -> Excel/MD отчеты` `├── project_code_snapshot.md # Полный исходный код всех файлов репозитория` `├── core/` `│ └── database.py # Драйвер SQLite (WAL), функции сохранения/загрузки срезов` `├── services/` `│ ├── scud_export.py # Прямой SQL-экспорт из MS SQL «Орион Pro»` `│ ├── zup_extractor.py # Прямой SQL-экспорт из MS SQL 1С:ЗУП 3.1` `│ ├── data_loader.py # Загрузка данных, нормализация ФИО, расчет первой активности` `│ ├── data_validator.py # Проверка свежести и наличия файлов за Вчера и Сегодня` `│ ├── excel_exporter.py # Генерация сводки и детального отчета в Excel (openpyxl)` `│ ├── text_reporter.py # Построение итогового Markdown-отчета через Qwen 2.5` `│ ├── ai_verifier.py # Модули ИИ-аудита, Fuzzy Matching и детекции сбоев СКУД` `│ ├── feedback_loop.py # Интерактивный консольный модуль Human-in-the-Loop` `│ ├── knowledge_base.py # Интерфейс работы с базой знаний правил` `│ └── share_copier.py # Резервное скачивание файлов 1С с шары /mnt/scud_share` `├── scripts/` `│ ├── db_cli.py # CLI-утилита управления БД, снапшотами, дампами и сессиями` `│ ├── fix_snapshots.py # Скрипт переиндексации и нормализации снапшотов` `│ ├── init_tool_registry.py # Инициализация декларативного реестра инструментов` `│ └── diagnostics/` `│ ├── inspect_db.py # Диагностика структуры таблиц и количества записей` `│ ├── inspect_ephemeral.py # Анализ распределения постоянных и эфемерных сообщений` `│ ├── inspect_files.py # Аудит файлов и размеров на диске` `│ └── show_tree.py # Вывод дерева каталогов` `├── modules/web_api/` `│ ├── main.py # Точка входа FastAPI приложения, роутеры и раздача статики` `│ ├── routers/` `│ │ ├── admin.py # Управление пользователями` `│ │ ├── auth.py # JWT аутентификация и смена паролей` `│ │ ├── chat.py # Эндпоинты диалогов (авторизованный и гостевой)` `│ │ └── tasks.py # REST API управления задачами` `│ ├── llm/` `│ │ ├── agent.py # Координатор диалога, Tool Calls и Topic Drift Guard` `│ │ ├── schemas.py # Описание JSON-схем инструментов для Ollama` `│ │ ├── file_parser.py # Мультимодальный парсер файлов (PDF, PNG, XLSX, TXT)` `│ │ ├── db_tools.py # Фасадные вызовы функций БД для агента` `│ │ ├── core/` `│ │ │ ├── calendar_utils.py # Формирование системного контекста дат и дней недели` `│ │ │ ├── fast_path.py # Быстрый перехват команд подтверждения/отмены (0.05 с)` `│ │ │ ├── ollama_client.py # HTTP-клиент взаимодействия с Ollama API` `│ │ │ ├── prompt_merger.py # Парсинг и слияние правок системного промпта` `│ │ │ └── tool_injector.py # Очистка сырых тегов и артефактов Tool Calls` `│ │ └── db/` `│ │ ├── connection.py # Подключение к scud_orion_ai.db` `│ │ ├── db_chat.py # Сохранение истории и очистка эфемерных сообщений` `│ │ ├── db_prompts.py # Системные промпты, стейты и реестр действий` `│ │ ├── db_snapshots.py # Выборка и удаление снапшотов` `│ │ └── db_tasks.py # CRUD операции с задачами пользователей` `│ └── static/` `│ ├── index.html # SPA разметка (модалки, чат, боковая панель задач)` `│ ├── css/styles.css # Стили и мобильные оптимизации` `│ └── js/` `│ ├── app.js # Инициализация приложения` `│ ├── auth.js # Логика входа, смены паролей и администрирования` `│ ├── chat.js # Обработка сообщений, Drag&Drop, виджет задач и кнопки` `│ └── tasks.js # Управление боковой панелью задач (Drawer)` `└── docs/` `└── development_roadmap.md # Стратегическая дорожная карта и архитектурный бэклог` ## --- **5\. Справочник команд командной строки (CLI Reference)** ### **Главный конвейер контроллинга (main\_etl.py)** > * python main\_etl.py — стандартный дневной запуск: экспорт свежих данных СКУД и 1С, сохранение снапшота в SQLite, генерация Excel и Markdown отчетов. > * python main\_etl.py \--skip-export — построение отчетов по последнему имеющемуся снапшоту из SQLite без повторного запроса к MS SQL. > * python main\_etl.py \--snapshot 20260805-001 — точный расчет отчетов по указанному составному ID снапшота. > * python main\_etl.py \-d — запуск в режиме расширенной отладки (DEBUG). ### **CLI-утилита управления SQLite базой данных (scripts/db\_cli.py)** > * python scripts/db\_cli.py stats — общая статистика количества записей по всем таблицам БД. > * python scripts/db\_cli.py snapshots \[ДД.ММ.ГГГГ\] — просмотр реестра снапшотов с сортировкой по времени создания (самые свежие сверху). > * python scripts/db\_cli.py scud \[ДД.ММ.ГГГГ\] \[--snapshot ID\] \[--export-xlsx NAME\] — просмотр логов СКУД и опциональный экспорт в Excel. > * python scripts/db\_cli.py absences \[ДД.ММ.ГГГГ\] — список кадровых отклонений из 1С:ЗУП. > * python scripts/db\_cli.py anomalies — история выявленных аномалий. > * python scripts/db\_cli.py rules — правила базы знаний компании. > * python scripts/db\_cli.py prompts — просмотр системных промптов из таблицы system\_prompts. > * python scripts/db\_cli.py tools — вывод декларативного реестра действий инструментов и шаблонов кнопок. > * python scripts/db\_cli.py sessions — просмотр активных сессионных стейтов и висящих черновиков. > * python scripts/db\_cli.py snapshot del \[ID\] — удаление конкретного снапшота по ID. > * python scripts/db\_cli.py snapshot del \--day \[ДД.ММ.ГГГГ\] — удаление всех снапшотов за выбранный день. > * python scripts/db\_cli.py dump \[backup.xlsx\] — полный дамп всех таблиц базы данных в многостраничный Excel-файл. ## --- **6\. Стратегическая дорожная карта развития (Roadmap & Backlog)** > 1. **Масштабирование механизма эфемерного контекста на все инструменты (Rollout Roadmap):** * **Снапшоты (snapshots):** Перевод вывода объемных таблиц срезов в эфемерный режим (is\_ephemeral \= 1), внедрение интерактивного подтверждения при удалении снапшотов по ID/дате через состояния SNAPSHOTS\_PREVIEW / SNAPSHOTS\_FOLLOWUP. * **База знаний и аномалии (kb & anomalies):** Вывод справочников команд, правил арбитража и списков аномалий исключительно во временный слой для исключения «залипания» модели на устаревших правилах из истории сообщений. * **Декларативная унификация в tool\_action\_registry:** Расширение схемы таблицы полями followup\_state\_type, auto\_purge\_on\_exit, guard\_question\_template для устранения хардкода имен функций в agent.py. > 2. **Модуль анализа внутридневных перемещений («Контроль перекуров»):** * Анализ интервалов между событиями OUT (выход) и IN (возврат) по журналу pLogData. * Подсчет суммарного времени нахождения вне рабочего места в течение смены с отсечением технологической нормы (30–40 минут). * Вывод аналитического блока и злостных нарушителей в отдельный лист Excel-отчета и итоговую Markdown-сводку. > 3. **Интерактивный Task Planner & Roadmap Engine:** * Специализированный инструмент для ведения динамических проектных планов и чек-листов с чекбоксами (\[ \] / \[x\]) прямо в диалоге с синхронизацией в таблицу tasks. > 4. **Изолированная среда исполнения кода (Code Execution Sandbox):** * Безопасный изолированный Docker/gVisor контейнер для динамического выполнения генерируемого моделью Python/Pandas кода на лету с возвратом stdout/stderr и графиков в контекст. > 5. **Автоматизация расписания срезов и Telegram-алерты:** * Автозапуск выгрузок в 12:00, 17:00 и 19:00 через systemd-таймеры с фиксацией snapshot\_time. * Отправка мгновенных алертов о массовых сбоях турникетов (\>5%) и критических кадровых конфликтах дежурному системному администратору в Telegram. ``` ## File: `./docs/development_roadmap.md` ``` # 🗺️ ДОРОЖНАЯ КАРТА И АРХИТЕКТУРНЫЙ РОАДМАП ПРОЕКТА SCUD ORION AI ## 📌 Зафиксированные вехи и концептуальные архитектурные решения Схема веток Gitea для ближайшего развития проекта: main (100% стабильный релиз) │ ├──► feature/tool-registry-db ──────┐ (Создание таблицы tool_action_registry в SQLite) │ ▼ ├───────────────────────────────► merge to main │ ├──► feature/interactive-buttons ───┐ (Подключение Да/Нет чипсов на фронтенде) │ ▼ ├───────────────────────────────► merge to main │ └──► feature/ephemeral-context ─────┐ (Внедрение флагов is_ephemeral для очистки памяти LLM) ▼ merge to main ### 1. Архитектура скользящего контекста и отслеживания смены темы (Intent / Topic Drift Tracking) * **Проблема:** При работе с длинными операциями (редактирование промптов, мастера табелей, снапшотов) оператор может отвлекаться на сторонние вопросы или уточнения. Жесткий сброс сессии уничтожает черновики, а вечное хранение засоряет память LLM. * **Решение (Сферическое / Фундаментальное):** 1. **Семантическая оценка моделью:** Модель через системный контекст определяет, относится ли вопрос оператора к активному черновику/инструменту или разговор ушел в сторону (`topic_shift = true`). 2. **Детерминированный счетчик в бэкенде:** Бэкенд фиксирует шаги отвлечения (`idle_turns`). Пока $N < 3$, оператор может свободно общаться, не теряя висящий контекст. 3. **Вежливый перехват и выбор (Guard):** На 3-м шаге отвлечения система отвечает на текущий вопрос оператора и мягко напоминает о незавершенной транзакции кнопками `[Применить / Сохранить]` или `[Отменить и сбросить]`. --- ## 🚀 Будущие модули и запланированный функционал (Backlog) ### 2. Интерактивный модуль планирования и дорожных карт (Checklist & Task Planner Engine) * **Концепция:** Специализированный инструмент для LLM-агента, позволяющий вести динамические проектные чек-листы и планы с интерактивными чекбоксами прямо в диалоге и базе данных. * **Ключевые возможности:** * Составление многоуровневых планов с чекбоксами (`[ ]` / `[x]`). * Фиксация промежуточных комментариев и статусов выполнения по каждому пункту. * Синхронизация задач плана с SQLite-таблицей `tasks`. * Экспорт планов в Markdown/Excel и отображение на дашборде. ### 3. Изолированная среда выполнения и песочница кода (Code Execution Sandbox Engine) * **Концепция:** Безопасный изолированный Docker-контейнер (или gVisor / Pyodide / nsjail окружение) для динамического выполнения кода, генерируемого моделью в процессе рассуждений и анализа данных. * **Ключевые возможности:** * Запуск сложных вычислений, агрегаций и статистического анализа данных СКУД на лету (Pandas / NumPy). * Выполнение тестовых сценариев и валидация скриптов перед их сохранением/применением на проде. * Полная изоляция от хост-системы: read-only доступ к копиям данных, ограничение памяти/CPU (cgroups), отсутствие доступа к чувствительным сетевым интерфейсам. * Возврат результатов вычислений (stdout, stderr, артефакты, сгенерированные таблицы/графики) обратно в контекст модели. ### 1. Архитектура скользящего контекста и отслеживания смены темы (Intent / Topic Drift Tracking) * **Статус:** `MVP Реализован и протестирован` (на базе инструментов системного промпта: `db_preview_prompt_merge`, `db_confirm_prompt_preview`, `db_cancel_prompt_preview`). * **Концептуальное решение:** 1. **Двухфазное состояние сессии:** Разделение жизненного цикла на фазу черновика (`PROMPT_PREVIEW`) и фазу интерактивного подтверждения/диалога (`PROMPT_FOLLOWUP`). 2. **Эфемерный буфер:** Промежуточные экраны, подтверждения и тяжелые выводы помечаются `is_ephemeral = 1` и не засоряют постоянную историю диалога. 3. **Детерминированный счетчик (Topic Drift):** Бэкенд инкрементирует `idle_turns` при отвлечении на сторонние темы. На шаге $N = 3$ срабатывает **Context Guard** с напоминанием и кнопками действий, а при $N > 3$ происходит автоматический сброс сессии и вызов `db_purge_ephemeral_messages`. 4. **Fast-Path очистка:** Прямой перехват команд завершения (`нет, спасибо`, `закончить настройку`) моментально очищает эфемерный контекст. --- ### 1.1. План масштабирования механизма эфемерного контекста на все инструменты (Rollout Roadmap) План: [1. REST API (main.py)] ────► Добавляем POST, PATCH, DELETE для /api/v1/tasks │ [2. Agent (agent.py)] ────► При db_get_tasks отдаем payload {type: "TASK_INTERACTIVE_CARD", tasks: [...]} │ [3. UI (chat.js / CSS)] ────► Рендерим карточку с табами [Все] [В работе] [В планах] [Завершенные] #### Этап 1. Модуль задач и бэклога (`tasks`) * **Целевые инструменты:** `db_get_tasks`, `db_add_task`, `db_update_task_status`, `db_delete_task`. * **Задачи реализации:** * Перевод вывода объемных плоских списков задач в эфемерный режим (`is_ephemeral = 1`), чтобы история диалога не забивалась длинными перечнями. * Реализация состояния сессии `TASKS_FOLLOWUP` после создания/изменения/удаления задачи. * Интеграция с Context Guard: напоминание о завершении работы с задачами на 3-м шаге отвлечения. * Автоочистка промежуточных диалоговых карточек задач при переключении на аналитику СКУД или общие вопросы. #### Этап 2. Модуль срезов и архива СКУД (`snapshots`) * **Целевые инструменты:** `db_get_snapshots`, `db_delete_snapshots`. * **Задачи реализации:** * Маркировка объемных таблиц срезов и логов как эфемерных сообщений. * Внедрение интерактивного подтверждения при удалении снапшотов по ID или по дате (`SNAPSHOTS_PREVIEW` / `SNAPSHOTS_FOLLOWUP`). * Полная автоочистка временных таблиц срезов из памяти диалога после получения пользователем нужной информации. #### Этап 3. Модуль базы знаний, правил и аномалий (`kb & anomalies`) * **Целевые инструменты:** `db_get_rules`, `db_get_anomalies`, `db_get_reference`. * **Задачи реализации:** * Вывод справочников команд, правил арбитража и списков аномалий исключительно во временный слой. * Предотвращение «залипания» модели на старых правилах из истории: гарантия того, что LLM всегда запрашивает актуальные правила через Tool Call, а не читает их из контекста предыдущих сообщений. #### Этап 4. Декларативная унификация в `tool_action_registry` * **Целевые изменения:** * Расширение схемы `tool_action_registry` новыми декларативными полями: `followup_state_type`, `auto_purge_on_exit`, `guard_question_template`. * Устранение жестких проверок названий функций в `agent.py`: перевод всей логики жизненного цикла сессий и очистки памяти на декларативные параметры из базы данных SQLite. ``` ## File: `./core/__init__.py` ```py ``` ## File: `./core/database.py` ```py import os import sqlite3 import json import pandas as pd from datetime import datetime from config import DATA_DIR DB_PATH = os.path.join(DATA_DIR, "scud_orion_ai.db") def get_connection(): """Создает подключение к базе данных SQLite с оптимизированными настройками.""" conn = sqlite3.connect(DB_PATH) conn.execute("PRAGMA foreign_keys = ON;") conn.execute("PRAGMA journal_mode = WAL;") return conn def init_db(): """Создает структуру таблиц и индексов в базе данных.""" with get_connection() as conn: cursor = conn.cursor() cursor.execute(""" CREATE TABLE IF NOT EXISTS scud_logs ( id INTEGER PRIMARY KEY AUTOINCREMENT, log_date TEXT NOT NULL, fio TEXT NOT NULL, fio_clean TEXT NOT NULL, department TEXT, position TEXT, time_in TEXT, first_activity TEXT DEFAULT '—', time_out TEXT, time_in_building TEXT, is_present INTEGER NOT NULL, anomaly_flag TEXT DEFAULT 'NONE', snapshot_time TEXT DEFAULT NULL, snapshot_id TEXT DEFAULT NULL, created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP ); """) cursor.execute("PRAGMA table_info(scud_logs);") cols = [col[1] for col in cursor.fetchall()] if 'snapshot_id' not in cols: cursor.execute("ALTER TABLE scud_logs ADD COLUMN snapshot_id TEXT DEFAULT NULL;") cursor.execute(""" CREATE TABLE IF NOT EXISTS zup_staff ( id INTEGER PRIMARY KEY AUTOINCREMENT, snapshot_date TEXT NOT NULL, fio TEXT NOT NULL, fio_clean TEXT NOT NULL, department TEXT, position TEXT, created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP ); """) cursor.execute(""" CREATE TABLE IF NOT EXISTS zup_absences ( id INTEGER PRIMARY KEY AUTOINCREMENT, absence_date TEXT NOT NULL, fio TEXT NOT NULL, fio_clean TEXT NOT NULL, absence_type TEXT NOT NULL, created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP ); """) cursor.execute(""" CREATE TABLE IF NOT EXISTS anomalies_history ( id INTEGER PRIMARY KEY AUTOINCREMENT, anomaly_date TEXT NOT NULL, fio TEXT NOT NULL, anomaly_type TEXT NOT NULL, details TEXT NOT NULL, human_status TEXT DEFAULT 'Pending', created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP ); """) cursor.execute(""" CREATE TABLE IF NOT EXISTS ai_knowledge_base ( id INTEGER PRIMARY KEY AUTOINCREMENT, rule_text TEXT UNIQUE NOT NULL, added_by TEXT DEFAULT 'Human', created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP ); """) 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);") conn.commit() sync_knowledge_base_to_db() def has_scud_logs_for_date(date_str): """Проверяет, есть ли в базе данные СКУД за указанную дату.""" with get_connection() as conn: cursor = conn.cursor() cursor.execute("SELECT 1 FROM scud_logs WHERE log_date = ? LIMIT 1", (date_str,)) return cursor.fetchone() is not None def has_yesterday_final_snapshot(date_str): """Проверяет, зафиксирован ли уже ИТОГОВЫЙ вчерашний снапшот с индексом Y/22:00.""" 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", (date_str,) ) return cursor.fetchone() is not None def get_or_create_snapshot_id(snapshot_time, date_str=None, is_yesterday=False): """ Генерирует датированный составной ID снапшота (YYYYMMDD-NNN или YYYYMMDD-NNN). Префикс 'Y' присваивается автоматически, если дата логов (date_str) предшествует дате снятия (snapshot_time). """ try: dt_snap = datetime.strptime(snapshot_time, "%Y-%m-%d %H:%M:%S").date() date_prefix = dt_snap.strftime("%Y%m%d") except (ValueError, TypeError): dt_snap = datetime.now().date() date_prefix = dt_snap.strftime("%Y%m%d") # Автоматическая проверка: если дата логов раньше даты выгрузки — проставляем Y if date_str: try: dt_log = datetime.strptime(date_str, "%d.%m.%Y").date() if dt_log < dt_snap: is_yesterday = True except Exception: pass prefix = "Y" if is_yesterday else "" with get_connection() as conn: cursor = conn.cursor() if date_str: cursor.execute( "SELECT snapshot_id FROM scud_logs WHERE log_date = ? AND snapshot_time = ? AND snapshot_id IS NOT NULL LIMIT 1", (date_str, snapshot_time) ) else: cursor.execute( "SELECT snapshot_id FROM scud_logs WHERE snapshot_time = ? AND snapshot_id IS NOT NULL LIMIT 1", (snapshot_time,) ) row = cursor.fetchone() if row and row[0]: return row[0] cursor.execute(""" SELECT snapshot_id FROM scud_logs WHERE snapshot_id LIKE ? OR snapshot_id LIKE ? ORDER BY snapshot_id DESC LIMIT 1 """, (f"{date_prefix}-%", f"Y{date_prefix}-%")) last_row = cursor.fetchone() next_seq = 1 if last_row and last_row[0]: parts = last_row[0].replace("Y", "").split("-") if len(parts) > 1 and parts[1].isdigit(): next_seq = int(parts[1]) + 1 return f"{prefix}{date_prefix}-{next_seq:03d}" def save_scud_to_db(df_scud, date_str, snapshot_time=None, is_yesterday=False): """Сохраняет логи СКУД с автоматическим присвоением составного snapshot_id.""" if df_scud is None or df_scud.empty: return if not snapshot_time: snapshot_time = datetime.now().strftime("%Y-%m-%d %H:%M:%S") # Передаем date_str в генератор snapshot_id snapshot_id = get_or_create_snapshot_id(snapshot_time, date_str=date_str, is_yesterday=is_yesterday) data_to_insert = [] for _, r in df_scud.iterrows(): data_to_insert.append(( date_str, r.get('Сотрудник', r.get('fio_raw', '')), r.get('fio_clean', ''), r.get('Подразделение', ''), r.get('Должность', ''), r.get('Начало_дня', 'Нет входа'), r.get('Первая_активность', '—'), r.get('Конец_дня', 'Нет выхода'), r.get('Находился_в_здании', '00:00'), 1 if r.get('Пришел', False) else 0, r.get('anomaly_flag', 'NONE'), snapshot_time, snapshot_id )) with get_connection() as conn: cursor = conn.cursor() cursor.execute("DELETE FROM scud_logs WHERE log_date = ? AND snapshot_time = ?", (date_str, snapshot_time)) cursor.executemany(""" INSERT INTO scud_logs ( log_date, fio, fio_clean, department, position, time_in, first_activity, time_out, time_in_building, is_present, anomaly_flag, snapshot_time, snapshot_id ) VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?) """, data_to_insert) conn.commit() def get_latest_snapshot_time(date_str=None): with get_connection() as conn: cursor = conn.cursor() if date_str: cursor.execute("SELECT snapshot_time FROM scud_logs WHERE log_date = ? AND snapshot_time IS NOT NULL ORDER BY snapshot_time DESC LIMIT 1", (date_str,)) else: cursor.execute("SELECT snapshot_time FROM scud_logs WHERE snapshot_time IS NOT NULL ORDER BY snapshot_time DESC LIMIT 1") row = cursor.fetchone() return row[0] if row else None def load_scud_from_db_by_snapshot(date_str, snapshot_param=None): """ Загружает логи СКУД по ID снапшота. Если snapshot_param не задан (или искался прошлый день), приоритетно выбирает финальный вечерний снапшот, начинающийся с буквы 'Y' (срез на 22:00) за дату date_str. """ with get_connection() as conn: df = pd.DataFrame() # 1. Если передан конкретный ID снапшота (например, '20260810-001') if snapshot_param: df = pd.read_sql_query( "SELECT * FROM scud_logs WHERE snapshot_id = ?", conn, params=(str(snapshot_param),) ) # 2. Если по snapshot_param ничего не найдено ИЛИ snapshot_param=None (запрос за вчерашний день): if df.empty and date_str: cursor = conn.cursor() # ⭐️ ПРИОРИТЕТ 1: Ищем срез, начальный символ которого 'Y' (вечерний зафиксированный Y-снапшот) cursor.execute( "SELECT snapshot_id FROM scud_logs WHERE log_date = ? AND snapshot_id LIKE 'Y%' ORDER BY id DESC LIMIT 1", (date_str,) ) row = cursor.fetchone() # ⭐️ ПРИОРИТЕТ 2: Если Y-снапшот не найден, берем самый свежий обычный if not row: cursor.execute( "SELECT snapshot_id FROM scud_logs WHERE log_date = ? ORDER BY id DESC LIMIT 1", (date_str,) ) row = cursor.fetchone() if row and row[0]: target_snap_id = row[0] df = pd.read_sql_query( "SELECT * FROM scud_logs WHERE snapshot_id = ?", conn, params=(target_snap_id,) ) # Приводим названия колонок к стандарту if not df.empty: rename_map = { 'department': 'Подразделение', 'position': 'Должность', 'fio': 'Сотрудник', 'time_in': 'Начало_дня', 'first_activity': 'Первая_активность', 'time_out': 'Конец_дня', 'duration': 'Находился_в_здании', 'is_present': 'Пришел' } # Переименовываем имеющиеся колонки df = df.rename(columns={k: v for k, v in rename_map.items() if k in df.columns}) # Заполняем недостающие колонки значениями по умолчанию, если их не было в БД required_cols = ['Пришел', 'Начало_дня', 'Первая_активность', 'Конец_дня', 'Находился_в_здании', 'anomaly_flag'] for col in required_cols: if col not in df.columns: if col == 'Пришел': df[col] = False else: df[col] = '—' # Приводим тип флага Пришел к bool if 'Пришел' in df.columns: df['Пришел'] = df['Пришел'].astype(bool) return df def get_available_snapshots(date_str=None): """ Возвращает список снапшотов. Сортировка по времени snapshot_time DESC. """ with get_connection() as conn: cursor = conn.cursor() if date_str: cursor.execute(""" SELECT snapshot_id, log_date, snapshot_time, COUNT(*) as cnt FROM scud_logs WHERE log_date = ? AND snapshot_time IS NOT NULL GROUP BY snapshot_id, log_date, snapshot_time ORDER BY snapshot_time DESC """, (date_str,)) else: cursor.execute(""" SELECT snapshot_id, log_date, snapshot_time, COUNT(*) as cnt FROM scud_logs WHERE snapshot_time IS NOT NULL GROUP BY snapshot_id, log_date, snapshot_time ORDER BY snapshot_time DESC """) return cursor.fetchall() def save_staff_to_db(df_staff, date_str): if df_staff is None or df_staff.empty: return data_to_insert = [ (date_str, r.get('ФИО', ''), r.get('fio_clean', ''), r.get('Подразделение', ''), r.get('Должность', '')) for _, r in df_staff.iterrows() ] with get_connection() as conn: cursor = conn.cursor() cursor.execute("DELETE FROM zup_staff WHERE snapshot_date = ?", (date_str,)) cursor.executemany("INSERT INTO zup_staff (snapshot_date, fio, fio_clean, department, position) VALUES (?, ?, ?, ?, ?)", data_to_insert) conn.commit() def save_absences_to_db(df_absent, date_str): if df_absent is None or df_absent.empty: return data_to_insert = [ (date_str, r.get('ФИО', r.get('fio_clean', '')), r.get('fio_clean', ''), r.get('Вид_отсутствия', '')) for _, r in df_absent.iterrows() ] with get_connection() as conn: cursor = conn.cursor() cursor.execute("DELETE FROM zup_absences WHERE absence_date = ?", (date_str,)) cursor.executemany("INSERT INTO zup_absences (absence_date, fio, fio_clean, absence_type) VALUES (?, ?, ?, ?)", data_to_insert) conn.commit() def save_anomalies_to_db(anomalies_list, date_str): if not anomalies_list: return data_to_insert = [ (date_str, a.get('fio', ''), a.get('type', ''), a.get('details', '')) for a in anomalies_list ] with get_connection() as conn: cursor = conn.cursor() cursor.execute("DELETE FROM anomalies_history WHERE anomaly_date = ?", (date_str,)) cursor.executemany("INSERT INTO anomalies_history (anomaly_date, fio, anomaly_type, details) VALUES (?, ?, ?, ?)", data_to_insert) conn.commit() def get_all_rules_from_db(): with get_connection() as conn: cursor = conn.cursor() cursor.execute("SELECT rule_text FROM ai_knowledge_base") return [r[0] for r in cursor.fetchall()] def add_rule_to_db(rule_text, added_by="Human"): if not rule_text or not rule_text.strip(): return with get_connection() as conn: cursor = conn.cursor() try: cursor.execute("INSERT OR IGNORE INTO ai_knowledge_base (rule_text, added_by) VALUES (?, ?)", (rule_text.strip(), added_by)) conn.commit() except Exception as e: print(f"[⚠️] Ошибка записи правила в БД: {e}") def sync_knowledge_base_to_db(): pass def delete_snapshot_by_id(snapshot_id: str): """Удаляет конкретный снапшот из таблицы scud_logs по его ID.""" with get_connection() as conn: cursor = conn.cursor() cursor.execute("DELETE FROM scud_logs WHERE snapshot_id = ?", (snapshot_id,)) deleted_count = cursor.rowcount conn.commit() print(f"[✓] Удален снапшот [{snapshot_id}]. Удалено строк: {deleted_count}") return deleted_count def delete_snapshots_by_date(date_str: str): """Удаляет все снапшоты за указанную дату (например, '04.08.2026').""" with get_connection() as conn: cursor = conn.cursor() # Удаляем по log_date или по дате внутри snapshot_id cursor.execute("DELETE FROM scud_logs WHERE log_date = ? OR snapshot_id LIKE ?", (date_str, f"%{date_str.replace('.', '')}%")) deleted_count = cursor.rowcount conn.commit() print(f"[✓] Удалены все снапшоты за дату [{date_str}]. Удалено строк: {deleted_count}") return deleted_count def init_department_synonyms_db(): """Создает таблицу синонимов отделов в БД SQLite.""" with get_connection() as conn: cursor = conn.cursor() cursor.execute(""" CREATE TABLE IF NOT EXISTS department_synonyms ( id INTEGER PRIMARY KEY AUTOINCREMENT, short_name TEXT UNIQUE NOT NULL, full_name TEXT NOT NULL, created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP ); """) # По умолчанию добавляем ОВК -> Отдел внутреннего контроля cursor.execute(""" INSERT OR IGNORE INTO department_synonyms (short_name, full_name) VALUES ('овк', 'отдел внутреннего контроля') """) conn.commit() def get_department_synonyms_dict(): """Возвращает словарь всех изученных синонимов {short_name: full_name}.""" init_department_synonyms_db() with get_connection() as conn: cursor = conn.cursor() cursor.execute("SELECT LOWER(short_name), LOWER(full_name) FROM department_synonyms") return {row[0]: row[1] for row in cursor.fetchall()} def add_department_synonym_to_db(short_name, full_name): """Сохраняет новую пару синонимов отдела в базу SQLite.""" init_department_synonyms_db() with get_connection() as conn: cursor = conn.cursor() cursor.execute( "INSERT OR REPLACE INTO department_synonyms (short_name, full_name) VALUES (?, ?)", (short_name.strip().lower(), full_name.strip().lower()) ) conn.commit() print(f"[✓] В базу SQLite добавлен новый синоним отдела: '{short_name}' ⟷ '{full_name}'") def load_staff_from_db(date_str): """Загружает Штатное расписание 1С из базы SQLite за указанную дату.""" with get_connection() as conn: df = pd.read_sql_query( "SELECT fio as 'ФИО', fio_clean, department as 'Подразделение', position as 'Должность' FROM zup_staff WHERE snapshot_date = ?", conn, params=(date_str,) ) return df if not df.empty else None def load_absences_from_db(date_str): """Загружает документальные отсутствия 1С из базы SQLite за указанную дату.""" with get_connection() as conn: df = pd.read_sql_query( "SELECT fio as 'ФИО', fio_clean, absence_type as 'Вид_отсутствия' FROM zup_absences WHERE absence_date = ?", conn, params=(date_str,) ) return df if not df.empty else None ``` ## File: `./modules/__init__.py` ```py ``` ## File: `./modules/web_api/__init__.py` ```py ``` ## File: `./modules/web_api/main.py` ```py """ =============================================================================== FILE: modules/web_api/main.py PROJECT: SCUD Orion AI (Unified Repository) MODULE: web_api (Main Application Entry Point) ROLE: Инициализация FastAPI приложения, подключение роутеров и статики. =============================================================================== """ # ANCHOR[APP_INIT_IMPORTS] import os import sys import logging CURRENT_DIR = os.path.dirname(os.path.abspath(__file__)) if CURRENT_DIR not in sys.path: sys.path.insert(0, CURRENT_DIR) from fastapi import FastAPI, HTTPException from fastapi.staticfiles import StaticFiles from fastapi.responses import FileResponse, JSONResponse from fastapi.exceptions import RequestValidationError from routers.auth import router as auth_router from routers.admin import router as admin_router from routers.tasks import router as tasks_router from routers.chat import router as chat_router # ANCHOR[APP_CONFIG] logging.basicConfig( level=logging.INFO, format="%(asctime)s [%(levelname)s] %(message)s", handlers=[logging.StreamHandler()] ) STATIC_DIR = os.path.join(CURRENT_DIR, "static") app = FastAPI(title="SCUD Orion AI Context API", version="2.5") if os.path.exists(STATIC_DIR): app.mount("/static", StaticFiles(directory=STATIC_DIR), name="static") @app.exception_handler(RequestValidationError) async def validation_exception_handler(request, exc): logging.error(f"❌ ОШИБКА ВАЛИДАЦИИ 422 НА {request.url}: {exc.errors()}") return JSONResponse( status_code=422, content={"detail": exc.errors(), "body": str(exc)} ) # ANCHOR[ROUTER_REGISTRATION] app.include_router(auth_router) app.include_router(admin_router) app.include_router(tasks_router) app.include_router(chat_router) # ANCHOR[ROOT_STATIC_ROUTES] @app.get("/") def read_root(): index_path = os.path.join(STATIC_DIR, "index.html") if os.path.exists(index_path): return FileResponse(index_path) raise HTTPException(status_code=404, detail="Frontend index.html not found") @app.get("/favicon.ico") async def favicon(): file_path = os.path.join(STATIC_DIR, "favicon.ico") if os.path.exists(file_path): return FileResponse(file_path) raise HTTPException(status_code=404) @app.get("/{file_path:path}") def serve_static_fallback(file_path: str): clean_path = file_path.lstrip("/") target = os.path.join(STATIC_DIR, clean_path) if os.path.isfile(target): return FileResponse(target) filename = os.path.basename(clean_path) target_js = os.path.join(STATIC_DIR, "js", filename) if filename.endswith(".js") and os.path.isfile(target_js): return FileResponse(target_js, media_type="application/javascript") target_css = os.path.join(STATIC_DIR, "css", filename) if filename.endswith(".css") and os.path.isfile(target_css): return FileResponse(target_css, media_type="text/css") raise HTTPException(status_code=404, detail="File not found") ``` ## File: `./modules/web_api/scripts/clear_history.py` ```py """ Скрипт полной очистки истории диалогов и сессионных состояний SQLite. """ import os import sqlite3 # Рассчитываем путь к общей БД data/scud_orion_ai.db в корне проекта BASE_DIR = os.path.abspath(os.path.join(os.path.dirname(__file__), "../../../")) DB_PATH = os.path.join(BASE_DIR, "data", "scud_orion_ai.db") def clear_chat_history(): if not os.path.exists(DB_PATH): print(f"❌ База данных не найдена по адресу: {DB_PATH}") return conn = sqlite3.connect(DB_PATH) cursor = conn.cursor() # Очищаем таблицы сообщений и стейтов try: cursor.execute("DELETE FROM chat_messages;") except sqlite3.OperationalError: pass try: cursor.execute("DELETE FROM session_states;") except sqlite3.OperationalError: pass try: cursor.execute("DELETE FROM chat_sessions;") except sqlite3.OperationalError: pass conn.commit() conn.close() print("✓ [SUCCESS] История сообщений чата и сессионные состояния успешно очищены!") if __name__ == "__main__": clear_chat_history() ``` ## File: `./modules/web_api/scripts/diagnostics/inspect_db.py` ```py import os import sqlite3 # Автопоиск файла базы данных в проекте db_path = '/home/puh/scud_orion_ai_v2/data/scud_orion_ai.db' if os.path.exists('/home/puh/scud_orion_ai_v2/data/scud_orion_ai.db') else 'scud_orion_ai.db' print("=" * 80) print(f"🔍 ДИАГНОСТИКА СУБД SQLITE: {db_path}") print("=" * 80) if not os.path.exists(db_path): print(f"❌ Файл базы данных {db_path} не найден!") exit(1) conn = sqlite3.connect(db_path) cursor = conn.cursor() # 1. Список всех таблиц и колонок cursor.execute("SELECT name FROM sqlite_master WHERE type='table' ORDER BY name") tables = [t[0] for t in cursor.fetchall()] print("\n📋 СТРУКТУРА ТАБЛИЦ И КОЛИЧЕСТВО ЗАПИСЕЙ:") print("-" * 80) for t_name in tables: cursor.execute(f"PRAGMA table_info({t_name})") cols = [c[1] for c in cursor.fetchall()] cursor.execute(f"SELECT COUNT(*) FROM {t_name}") count = cursor.fetchone()[0] print(f"• [{t_name:<20}] — {count:>6} строк | Колонки: {cols}") # 2. Просмотр правил Базы Знаний if 'ai_knowledge_base' in tables: print("\n" + "=" * 80) print("🧠 АКТУАЛЬНЫЕ ПРАВИЛА БАЗЫ ЗНАНИЙ (ai_knowledge_base):") print("=" * 80) cursor.execute("SELECT id, rule_text, added_by FROM ai_knowledge_base ORDER BY id ASC") rules = cursor.fetchall() if not rules: print("Таблица ai_knowledge_base пуста.") else: for r_id, r_text, r_author in rules: print(f" {r_id}. [{r_author}] {r_text}\n") conn.close() print("=" * 80) ``` ## File: `./modules/web_api/scripts/diagnostics/inspect_files.py` ```py import os print("=" * 80) print("📂 ТЕКУЩЕЕ СОСТОЯНИЕ ФАЙЛОВ ПРОЕКТА (scud_orion_context)") print("=" * 80) total_files = 0 total_size = 0 for root, dirs, files in os.walk('.'): # Исключаем служебные каталоги dirs[:] = [d for d in dirs if d not in ['.git', '__pycache__', 'venv', '.venv', 'extracted_project']] for f in files: p = os.path.join(root, f) size = os.path.getsize(p) total_files += 1 total_size += size print(f"{p:<55} ({size:>10,} bytes)".replace(',', ' ')) print("-" * 80) print(f"ИТОГО: файлов: {total_files} | Общий объем: {total_size / (1024 * 1024):.2f} MB") print("=" * 80) ``` ## File: `./modules/web_api/scripts/diagnostics/make_code_snapshot.py` ```py import os OUTPUT_SNAPSHOT = "api_code_snapshot.md" # Расширения файлов для включения в снимок ALLOWED_EXTENSIONS = {'.py', '.json', '.md', '.sh', '.ini', '.js', '.html', '.css'} EXCLUDE_DIRS = {'.git', '__pycache__', 'venv', '.venv', 'output', 'logs', 'extracted_project'} EXCLUDE_FILES = {OUTPUT_SNAPSHOT, 'scud_context_api.tar.gz', 'context_memory.db'} print(f"🔄 Сборка полного контекстного слепка проекта в {OUTPUT_SNAPSHOT}...") with open(OUTPUT_SNAPSHOT, 'w', encoding='utf-8') as out: out.write("# 📦 ПОЛНЫЙ ИСХОДНЫЙ КОД И КОНФИГУРАЦИЯ ПРОЕКТА scud_context_api\n\n") for root, dirs, files in os.walk('.'): dirs[:] = [d for d in dirs if d not in EXCLUDE_DIRS] for file in sorted(files): ext = os.path.splitext(file)[1].lower() if ext in ALLOWED_EXTENSIONS and file not in EXCLUDE_FILES: filepath = os.path.join(root, file) out.write(f"## File: `{filepath}`\n") out.write("```" + (ext.replace('.', '') if ext != '.md' else '') + "\n") try: with open(filepath, 'r', encoding='utf-8', errors='replace') as f: out.write(f.read()) except Exception as e: out.write(f"// Ошибка чтения файла: {e}\n") out.write("\n```\n\n") print(f"✓ Успешно создан слепок проекта: {OUTPUT_SNAPSHOT} ({os.path.getsize(OUTPUT_SNAPSHOT):,} bytes)") ``` ## File: `./modules/web_api/scripts/diagnostics/show_tree.py` ```py import os EXCLUDE_DIRS = {'.git', '__pycache__', 'venv', '.venv', 'output', 'logs', 'extracted_project'} def print_tree(startpath): print("=" * 60) print("📂 ДЕРЕВО АРХИТЕКТУРЫ ПРОЕКТА") print("=" * 60) for root, dirs, files in os.walk(startpath): dirs[:] = [d for d in dirs if d not in EXCLUDE_DIRS] level = root.replace(startpath, '').count(os.sep) indent = ' ' * 4 * (level) print(f'{indent}📁 {os.path.basename(root)}/') subindent = ' ' * 4 * (level + 1) for f in sorted(files): if not f.endswith('.pyc'): print(f'{subindent}📄 {f}') print("=" * 60) if __name__ == "__main__": print_tree('.') ``` ## File: `./modules/web_api/static/index.html` ```html
Авторизация в системе
ИИ-Ассистент
Привет! У каждого пользователя свое изолированное пространство задач. Вы можете задавать вопросы нейросети, прикреплять файлы или ставить персональные задачи.
${assistantTitle}
${escapeHtml(replyText)}
${interactiveWidgetHtml} ${actionButtonsHtml}