проект теперь работает с использованием локальной базы данных SQLite. Все данные аккумулируются и хранятся в ней. Впереди - разработка веб интерфейса.

main.py

@@ -7,6 +7,7 @@ sys.path.append(os.path.dirname(os.path.abspath(__file__)))
 
 from config import DATE_TODAY, DATE_YESTERDAY, OUTPUT_DIR, DATA_DIR, normalize_fio
 from modules.scud_export import run_export
+from modules.share_copier import copy_1c_files_from_share
 from modules.data_validator import check_file_freshness
 from modules.data_loader import load_all_data
 from modules.excel_exporter import generate_summary_excel, generate_detailed_excel
@@ -14,9 +15,17 @@ from modules.ai_verifier import ai_verify_scud_against_staff
 from modules.text_reporter import generate_markdown_report
 from modules.feedback_loop import review_ai_decisions
 from modules.knowledge_base import load_knowledge_base
+from modules.database import (
+    init_db, 
+    save_scud_to_db, 
+    save_staff_to_db,
+    save_absences_to_db, 
+    save_anomalies_to_db
+)
 
 
 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 {}
@@ -32,58 +41,45 @@ def load_static_reason_workers():
 
 def detect_all_anomalies(merged_df, static_reasons_dict, kb_rules):
     """
-    Автоматически находит логические конфликты между СКУД, 1С, статической удалёнкой и исключениями
-    с учётом динамических правил из базы знаний (knowledge_base.json).
+    Автоматически находит ИСТИННЫЕ аномалии.
+    
+    ПРАВИЛА КОМПАНИИ:
+    1. Удалённые сотрудники имеют право беспрепятственно работать в офисе (НЕ аномалия).
+    2. Документы отсутствий из 1С имеют 100% приоритет над стат. реестром (НЕ аномалия).
+    3. АНОМАЛИЯ — Физический выход по СКУД при наличии в 1С ЛЮБЫХ причин отсутствия
+       (отпуск, больничный, уход за ребенком и т.д.), КРОМЕ командировок и служебных поездок.
     """
     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)
         reason_1c = str(row.get('Вид_отсутствия', '')).strip()
         has_1c_reason = pd.notna(row.get('Вид_отсутствия')) and reason_1c != ''
-        has_static_reason = fio_clean in static_reasons_dict
 
         is_fio_whitelisted_in_kb = fio_clean.lower() in kb_rules_text
 
-        # 🚨 АНОМАЛИЯ 1: Пришел по СКУД, но в 1С числится отсутствие (Отпуск/Больничный)
         if is_present and has_1c_reason:
-            if not is_fio_whitelisted_in_kb:
+            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 оформлено: '{reason_1c}'"
+                    "details": f"Сотрудник пришел по СКУД, но в 1С оформлен документ: '{reason_1c}'"
                 })
 
-        # 🚨 АНОМАЛИЯ 2: Удаленщик физически пришел в офис
-        if is_present and has_static_reason:
-            static_val = static_reasons_dict[fio_clean]
-            if 'удален' in str(static_val).lower():
-                if not is_fio_whitelisted_in_kb:
-                    anomalies.append({
-                        "type": "УДАЛЁНЩИК В ОФИСЕ",
-                        "fio": fio,
-                        "details": f"Сотрудник числится как '{static_val}' в реестре, но сегодня зафиксирован вход по СКУД."
-                    })
-
-        # 🚨 АНОМАЛИЯ 3: Конфликт 1С и Статического реестра
-        if has_static_reason and has_1c_reason:
-            static_val = static_reasons_dict[fio_clean]
-            if reason_1c.lower() != static_val.lower() and not is_present:
-                if not is_fio_whitelisted_in_kb:
-                    anomalies.append({
-                        "type": "КОНФЛИКТ СПРАВОЧНИКОВ (1С vs РЕЕСТР)",
-                        "fio": fio,
-                        "details": f"В стат. реестре указано '{static_val}', а в 1С оформлен документ '{reason_1c}'"
-                    })
-
     return anomalies
 
 
 def aggregate_scud_by_employee(df, debug=False):
-    if df.empty or 'fio_clean' not in df.columns:
+    """Агрегирует проходы СКУД по уникальным сотрудникам."""
+    if df is None or df.empty or 'fio_clean' not in df.columns:
         return df
 
     aggregated = []
@@ -106,186 +102,221 @@ def main():
     parser = argparse.ArgumentParser(description="Система модульного контроллинга СКУД ⟷ 1С")
     parser.add_argument('-d', '--debug', action='store_true', help="Запуск в режиме отладки")
     parser.add_argument('--skip-export', action='store_true', help="Пропустить выгрузку СКУД из MS SQL")
+    parser.add_argument('--with-xlsx', action='store_true', help="Сохранять дублирующие сырые XLSX-файлы в папке data/")
     args = parser.parse_args()
 
     DEBUG = args.debug
+    SAVE_XLSX = args.with_xlsx
 
     print("=" * 60)
     print(f"ЗАПУСК СИСТЕМЫ МОДУЛЬНОГО КОНТРОЛЛИНГА СКУД ⟷ 1С {'[DEBUG MODE]' if DEBUG else ''}")
     print("=" * 60)
 
-    # Загружаем существующие правила из Базы Знаний
+    # 0. Инициализация локальной базы данных SQLite и Базы Знаний
+    init_db()
     kb_data = load_knowledge_base()
     kb_rules = kb_data.get("rules", [])
 
-    # 0. Выгрузка из БД СКУД
+    # 0.1 Выгрузка из БД СКУД напрямую в SQLite
     if not args.skip_export:
-        print("[0/5] Экспорт свежих данных из базы СКУД 'Орион Pro'...")
         try:
-            run_export(debug=DEBUG)
+            run_export(save_xlsx=SAVE_XLSX, debug=DEBUG)
         except Exception as e:
-            print(f"[⚠️] Ошибка автоэкспорта из БД: {e}. Используем имеющиеся файлы в data/scud.")
+            print(f"[⚠️] Ошибка автоэкспорта из БД: {e}. Используем имеющиеся записи в SQLite.")
     else:
         print("[0/5] Пропуск прямого экспорта из БД (--skip-export)...")
 
-    # 1. Валидация файлов
-    print("[1/5] Проверка актуальности и свежести входных файлов...")
-    is_valid, warnings, errors = check_file_freshness()
+    # 0.5 Копирование файлов 1С с сетевой шары \\storage\SCUD\Обмен\Штат
+    copy_1c_files_from_share()
+
+    # 1. Валидация наличия файлов и данных
+    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(f"  • {w}")
         print("-" * 45)
 
     if not is_valid:
         print("\n" + "!" * 60)
-        print("🛑 ОСТАНОВКА ВЫПОЛНЕНИЯ: Обнаружены критические ошибки данных!")
+        print("🛑 ОСТАНОВКА ВЫПОЛНЕНИЯ: Отсутствуют критически важные файлы за вчерашний день!")
         for e in errors:
             print(f"  {e}")
         print("!" * 60)
         sys.exit(1)
 
-    print("[✓] Проверка актуальности успешно пройдена!\n")
+    print("[✓] Проверка доступности данных успешно пройдена!\n")
 
-    # 2. Раздельная загрузка данных (Сегодня и Вчера)
-    print("[2/5] Загрузка данных из data/scud, data/1c, реестра причин и исключений...")
-    raw_scud_today_df, raw_scud_yesterday_df, staff_fios_clean, df_absent = load_all_data()
+    # 2. Раздельная загрузка данных за Сегодня и за Вчера
+    print("[2/5] Загрузка данных из СКУД, 1С:ЗУП, реестра причин и исключений...")
+    (
+        raw_scud_today_df,
+        raw_scud_yesterday_df,
+        df_staff_today,
+        df_absent_today,
+        df_staff_yesterday,
+        df_absent_yesterday
+    ) = load_all_data()
+
+    # 💾 СОХРАНЕНИЕ КАДРОВЫХ СРЕЗОВ 1С В БАЗУ ДАННЫХ SQLite
+    if df_staff_yesterday is not None:
+        save_staff_to_db(df_staff_yesterday, DATE_YESTERDAY)
+    if df_absent_yesterday is not None:
+        save_absences_to_db(df_absent_yesterday, DATE_YESTERDAY)
+
+    if df_staff_today is not None:
+        save_staff_to_db(df_staff_today, DATE_TODAY)
+    if df_absent_today is not None:
+        save_absences_to_db(df_absent_today, DATE_TODAY)
+
+    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()
 
-    # 3. ИИ-сверка ФИО (СКУД + 1С)
-    print("[3/5] Проверка опечаток и сопоставление ФИО через ИИ...")
+    # ============================================================
+    # 🎯 ЧАСТЬ 1: ДЕТАЛЬНЫЙ ОТЧЕТ ЗА ВЧЕРА (Строится Всегда)
+    # ============================================================
+    print("\n[3/5] Обработка данных за ВЧЕРА...")
+    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 []
     
-    # Сверка СКУД (Сегодня)
-    scud_unrecognized = raw_scud_today_df[~raw_scud_today_df['fio_clean'].isin(staff_fios_clean)]['fio_clean'].tolist()
-    fio_mapping_scud = ai_verify_scud_against_staff(scud_unrecognized, staff_fios_clean)
-    if fio_mapping_scud:
-        print(f"    [ИИ] Найдено совпадений в СКУД (Сегодня): {len(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
-        )
-
-    # Сверка СКУД (Вчера)
-    scud_yesterday_unrecognized = raw_scud_yesterday_df[~raw_scud_yesterday_df['fio_clean'].isin(staff_fios_clean)]['fio_clean'].tolist()
-    fio_mapping_scud_y = ai_verify_scud_against_staff(scud_yesterday_unrecognized, staff_fios_clean)
+    fio_mapping_scud_y = ai_verify_scud_against_staff(scud_yesterday_unrecognized, staff_fios_yesterday_clean)
     if fio_mapping_scud_y:
-        print(f"    [ИИ] Найдено совпадений в СКУД (Вчера): {len(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
         )
 
-    # Сверка 1С:Отсутствий
-    absent_unrecognized = df_absent[~df_absent['fio_clean'].isin(staff_fios_clean)]['fio_clean'].tolist()
-    if absent_unrecognized:
-        fio_mapping_absent = ai_verify_scud_against_staff(absent_unrecognized, staff_fios_clean)
-        if fio_mapping_absent:
-            print(f"    [ИИ] Найдено совпадений в 1С Отсутствиях: {len(fio_mapping_absent)}")
-            df_absent['fio_clean'] = df_absent['fio_clean'].apply(
-                lambda x: fio_mapping_absent[x]['staff_fio'] if x in fio_mapping_absent 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_today_df = aggregate_scud_by_employee(raw_scud_today_df, debug=DEBUG)
     raw_scud_yesterday_df = aggregate_scud_by_employee(raw_scud_yesterday_df, debug=DEBUG)
 
-    # 4. Объединение и детекция
-    print("[4/5] Объединение реестров 1С, СКУД, статических причин и исключений...")
-    
-    # Датасет СЕГОДНЯ
-    merged_today = raw_scud_today_df[raw_scud_today_df['fio_clean'].isin(staff_fios_clean)].copy()
-    merged_today = merged_today.merge(df_absent, on='fio_clean', how='left')
+    merged_yesterday = raw_scud_yesterday_df[raw_scud_yesterday_df['fio_clean'].isin(staff_fios_yesterday_clean)].copy()
+    if df_absent_yesterday is not None:
+        merged_yesterday = merged_yesterday.merge(df_absent_yesterday, on='fio_clean', how='left')
 
-    # Датасет ВЧЕРА
-    merged_yesterday = raw_scud_yesterday_df[raw_scud_yesterday_df['fio_clean'].isin(staff_fios_clean)].copy()
-    merged_yesterday = merged_yesterday.merge(df_absent, on='fio_clean', how='left')
-
-    # Детекция аномалий С УЧЁТОМ БАЗЫ ЗНАНИЙ (по сегодняшнему дню)
-    anomalies_list = detect_all_anomalies(merged_today, static_reasons_dict, kb_rules)
-
-    # Применение статических причин и исключений для СЕГОДНЯ и ВЧЕРА
     if static_reasons_dict:
         for fio_clean, reason_val in static_reasons_dict.items():
-            mask_apply_static = (
-                (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_apply_static, 'Вид_отсутствия'] = reason_val
-
-            mask_apply_static_y = (
+            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_apply_static_y, 'Вид_отсутствия'] = reason_val
+            merged_yesterday.loc[mask_yesterday, 'Вид_отсутствия'] = reason_val
 
-    mask_apply_exceptions = (
-        (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_apply_exceptions, 'Вид_отсутствия'] = 'Исключение (ОВК/Подрядчики)'
-
-    mask_apply_exceptions_y = (
+    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_apply_exceptions_y, 'Вид_отсутствия'] = 'Исключение (ОВК/Подрядчики)'
+    merged_yesterday.loc[mask_exc_yesterday, 'Вид_отсутствия'] = 'Исключение (ОВК/Подрядчики)'
 
-    absent_explained = merged_today[(merged_today['Пришел'] == False) & (merged_today['Вид_отсутствия'].notna())]
-    absent_unexplained = merged_today[(merged_today['Пришел'] == False) & (merged_today['Вид_отсутствия'].isna())]
-    scud_present_but_absent_in_1c = merged_today[(merged_today['Пришел'] == True) & (merged_today['Вид_отсутствия'].notna())]
-
-    if DEBUG:
-        print("\n--- [DEBUG STATS] ---")
-        print(f"  Всего по списку: {len(merged_today)}")
-        is_working_mask = (merged_today['Пришел'] == True) | (
-            merged_today['Вид_отсутствия'].astype(str).str.lower().str.contains('командировк|удален|дистанцион|разъездн', regex=True, na=False)
-        )
-        print(f"  Работают сегодня: {len(merged_today[is_working_mask])}")
-        print(f"  Официально отсутствуют: {len(absent_explained)}")
-        print(f"  Истинно неизвестные случаи: {len(absent_unexplained)}")
-        print(f"  Обнаружено аномалий: {len(anomalies_list)}")
-        print("---------------------\n")
-
-    # 5. ИИ-аудитор и сборка финальных Excel-отчетов
-    print("[5/5] Запуск ИИ-аудитора и сборка финальных Excel-отчетов...")
-    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=anomalies_list,
-        raw_scud_df=raw_scud_today_df,
-        raw_absent_df=df_absent,  # <-- ВАЖНО: передаем выгрузку 1С для ИИ-кросс-сверки
-        date_str=DATE_TODAY
-    )
-
-    suspicious_cases = []
-    if anomalies_list:
-        for a in anomalies_list:
-            suspicious_cases.append({
-                'fio_target': a['fio'],
-                'reason': f"{a['type']}: {a['details']}"
-            })
-            
-    review_ai_decisions(report_text, suspicious_cases)
-
-    # 1. Ежедневная сводка -> формируется по СЕГОДНЯШНЕМУ датасету
-    generate_summary_excel(merged_df=merged_today, date_str=DATE_TODAY)
-    
-    # 2. Детальный отчет -> формируется по ВЧЕРАШНЕМУ датасету
     generate_detailed_excel(merged_df=merged_yesterday, date_str=DATE_YESTERDAY)
 
-    print("\n" + "=" * 60)
-    print("ГОТОВАЯ ТЕКСТОВАЯ СВОДКА ИИС-АУДИТОРА:")
-    print("=" * 60)
-    print(report_text)
-    
-    md_report_path = os.path.join(OUTPUT_DIR, f"Сводка_контроллинга_{DATE_TODAY}.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}")
+    # 💾 СОХРАНЕНИЕ ВЧЕРАШНИХ ДАННЫХ В SQLite:
+    save_scud_to_db(merged_yesterday, DATE_YESTERDAY)
+
+    # ============================================================
+    # 🎯 ЧАСТЬ 2: ЕЖЕДНЕВНАЯ СВОДКА ЗА СЕГОДНЯ
+    # ============================================================
+    # 💾 СОХРАНЯЕМ СЕГОДНЯШНИЙ СКУД В SQLite (Даже если 1С еще не пришла):
+    save_scud_to_db(raw_scud_today_df, DATE_TODAY)
+
+    if has_today_1c and df_staff_today is not None and df_absent_today is not None:
+        print("\n[4/5] Обработка данных за СЕГОДНЯ...")
+        staff_fios_today_clean = df_staff_today['fio_clean'].dropna().tolist()
+
+        scud_unrecognized = raw_scud_today_df[~raw_scud_today_df['fio_clean'].isin(staff_fios_today_clean)]['fio_clean'].tolist()
+        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 = raw_scud_today_df[raw_scud_today_df['fio_clean'].isin(staff_fios_today_clean)].copy()
+        merged_today = merged_today.merge(df_absent_today, on='fio_clean', how='left')
+
+        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
+
+        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)'
+
+        anomalies_list = detect_all_anomalies(merged_today, static_reasons_dict, kb_rules)
+
+        # 💾 СОХРАНЕНИЕ СЕГОДНЯШНИХ АНОМАЛИЙ В БАЗУ ДАННЫХ SQLite
+        save_anomalies_to_db(anomalies_list, DATE_TODAY)
+
+        absent_explained = merged_today[(merged_today['Пришел'] == False) & (merged_today['Вид_отсутствия'].notna())]
+        absent_unexplained = merged_today[(merged_today['Пришел'] == False) & (merged_today['Вид_отсутствия'].isna())]
+        scud_present_but_absent_in_1c = merged_today[(merged_today['Пришел'] == True) & (merged_today['Вид_отсутствия'].notna())]
+
+        print("[5/5] Запуск ИИ-аудитора и построение Ежедневной сводки...")
+        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=anomalies_list,
+            raw_scud_df=raw_scud_today_df,
+            raw_absent_df=df_absent_today,
+            date_str=DATE_TODAY
+        )
+
+        generate_summary_excel(merged_df=merged_today, date_str=DATE_TODAY)
+
+        md_report_path = os.path.join(OUTPUT_DIR, f"Сводка_контроллинга_{DATE_TODAY}.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}")
+
+        # 🎯 ОПРОС ОПЕРАТОРА (HUMAN-IN-THE-LOOP):
+        # Доказанные нарушения (приход во время отпуска/больничного в 1С) записываются автоматически.
+        # Запрос оператору выводится ТОЛЬКО при спорных/нетипичных аномалиях.
+        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 {DATE_TODAY} ПРОПУЩЕНО.")
+        print("     Ждём появления файлов 1С за текущую дату на сетевой шаре.")
 
 
 if __name__ == "__main__":