16 KiB
«Комбайн» — глубокая проработка и план реализации
Разбор выжимки проекта · 06.11.2026 · Opinionated: где план сильный, где сломается
Часть 1. Что в плане сильно (не трогаем)
| Решение | Почему правильно |
|---|---|
| LLM не решает совместимость | Единственный способ получить воспроизводимый результат. LLM объясняет, движок решает |
| «Боли» как первоклассные сущности | Это и есть ИС компании. Нельзя прятать в промпт |
| Граф, а не матрица | Матрица N² не масштабируется. Граф с рёбрами-ограничениями — да |
| BOM как производная | BOM = f(конфигурация) — правильно, не хранить отдельно |
| Модульность по LXC | Совпадает с нашей инфраструктурой |
| Начинаем с малого | Правильно, но порядок в плане неверный (см. ниже) |
Часть 2. Пять мест, где план сломается
2.1. PDF → JSON без провенанса = мусор в базе
План: PyMuPDF4LLM + Ollama + Pydantic → строгий JSON.
Проблема: Pydantic гарантирует форму, не истинность. LLM уверенно запишет poe_class: 4, когда в даташите 802.3at (это 4, но не всегда). Через месяц никто не поймёт, откуда взялось число.
Решение (обязательное):
class Field(BaseModel):
value: Any
confidence: float # 0..1 от парсера
source_page: int # страница PDF
source_text: str # цитата, из которой извлечено
extracted_by: Literal["rule", "llm", "manual"]
verified: bool = False # подтвердил человек
Правило: поле без verified не участвует в подборе. Это защита от «тихих» ошибок, которые дороже всего стоят в интеграции.
Практика: 80 % полей извлекаются правилами (regex по таблицам), LLM — только сложные (маркетинговые описания). Это дешевле и точнее.
2.2. Neo4j на старте — лишняя операционная нагрузка
План: «Neo4j или NetworkX на старте».
Решение: только NetworkX + Postgres. Причины:
- У нас 10 из 15 ГиБ RAM занято; Neo4j = ещё 1–2 ГиБ и JVM-обслуживание.
- До ~50 000 рёбер NetworkX в памяти работает мгновенно.
- Граф детерминированный и небольшой: устройств сотни, не миллионы.
Как хранить: edges(source_id, target_id, kind, constraints jsonb) в Postgres. Загрузка в NetworkX при старте сервиса. При росте >50k — тогда Neo4j, но не раньше.
2.3. Новый LXC под PostgreSQL — не нужен
У нас уже есть Postgres на CT151 (43 базы). pgvector ставится расширением.
Решение: не создавать новый контейнер. Новая база combine в существующем кластере + CREATE EXTENSION vector. Экономия 1–2 ГиБ RAM и одного бэкапа.
2.4. Ollama на Proxmox — не запускать
План: «Ollama (локальная LLM)» в списке новых компонентов.
Уже есть мини-ПК 192.168.1.229 (Ultra 5 125H, 8.2 ток/с). Запускать вторую модель на хосте, где swap 8.3 ГБ занят — повторить инцидент 04.11.
Решение: combine ходит на http://192.168.1.229:11434. Ничего не ставим.
2.5. n8n в критическом пути расчёта — архитектурная ошибка
План: «n8n → Python-сервис → расчёт». И одновременно: «n8n может быть скомпрометирован».
Противоречие: если n8n недоверенный, он не может быть в пути, где считается BOM для клиента.
Решение — разделить на два контура:
Контур А (доверенный): FastAPI «combine» ← прямой вызов из UI/бота
Контур Б (недоверенный): n8n только для внешних интеграций
(почта, CRM, уведомления) — читает результат,
не влияет на расчёт
Правило: n8n может только читать готовый BOM и запускать уведомления. Он не вызывает расчёт, не меняет конфигурацию. Тогда компрометация n8n = утечка КП, но не подмена данных.
Это же снимает вопрос «n8n в закрытом контуре»: его изоляция становится простой.
2.6. Harness (SaaS) в закрытом контуре ФСТЭК — несовместимо
План отводит Harness роль CI/CD + AI Code Assistant.
Проблема: Harness Cloud = данные и код вне периметра. При требованиях ФСТЭК/152-ФЗ это неприемлемо, а self-hosted Harness — это тяжёлый enterprise-зверь (десятки контейнеров).
Решение: Gitea Actions (у нас уже работает, runner есть) + локальный LLM для code review. AI-ассистент — через mini-PC. Это даёт 80 % пользы при нулевой внешней зависимости.
Часть 3. Что добавить (то, чего в плане нет)
3.1. Подбор как оптимизация, а не жадный расчёт
Главный уровень вверх. Сейчас план: «ceil(площадь/покрытие)» — жадный алгоритм.
Правильно: задача о покрытии с ограничениями = CP-SAT (OR-Tools):
- переменные: количество каждого устройства
- ограничения: полное покрытие зоны, PoE-бюджет коммутатора, бюджет денег, лимиты вендора (4×CM20 + 4×CS10)
- цель: минимум стоимости (или минимум устройств, или максимум равномерности)
Что это даёт: «вот 3 варианта: дешевле на 12 %, но на 1 микрофон больше». Это уровень, за который интеграторы платят. Жадный расчёт такого не даёт никогда.
3.2. Золотой набор проектов (регрессионные тесты)
Без этого «боли» будут ломать друг друга. Нужно:
- 20 реальных комнат: размеры, требования, эталонный BOM от эксперта
- Тест: движок выдаёт то же (или объяснимо другое)
- Каждое новое правило → прогон всего набора
Это единственный способ доверять движку. И это то, что делает «боли» безопасными.
3.3. Акустическая модель — не «радиус покрытия»
Yealink оперирует радиусом в идеальных условиях. Реальность: высота потолка, материалы, шум. Нужна честная модель:
- SPL на听众 (падает 6 дБ при удвоении расстояния)
- STI/реверберация (оценка по объёму + материалам)
- Микрофон: SNR с учётом расстояния и шума
Не надо выдавать это за точность — выдавать «оценка, погрешность ±20 %» + допущения. Интегратор оценит честность.
3.4. Версионирование каталога
Даташиты меняются, устройства снимаются с производства. Нужно:
device_version(дата актуальности, что изменилось)- Проект ссылается на версию устройства, а не на устройство
- Через год проект воспроизводится как был
3.5. Аналогобмен с обоснованием
«Подбор аналогов» в плане описан общо. Правильно: аналог = пересечение множеств характеристик + явное указание различий:
Заменить Yealink CM20 → Shure MXA920:
+ покрытие больше в 2.3×
− цена выше в 4.1×
− требует другой DSP (несовместим с CS10)
Ровно то, что LLM не должна придумывать — это выход графа + расчёт.
3.6. Цены и КП
В плане «КП» упомянуто, но нет источника цен:
- прайс-лист вендора → таблица цен с датой и курсом
- КП = BOM × цена + наценка + условия
- Версия КП: если цены изменились — пересчёт с диффом
3.7. Аудит «почему такое решение»
Для каждого BOM — trace: какие правила сработали, какие «боли» применились, какие были отброшены. Без этого нельзя объяснить клиенту и нельзя учиться.
Часть 4. План реализации (переупорядочен)
Фаза 0 — фундамент данных (2–3 дня)
| Что | Результат |
|---|---|
БД combine в существующем Postgres CT151 + pgvector |
без новых контейнеров |
Схема: devices, fields (с провенансом), ports, pain_points, projects, edges |
миграции Alembic |
| Ручной ввод 5 устройств одного вендора (эталон) | проверенный JSON |
| Парсер PDF (rules-first, LLM для остатка) | сравнение с эталоном: точность полей |
Критерий: 5 устройств, все поля с verified, парсер воспроизводит ≥90 % полей.
Фаза 1 — детерминированное ядро (3–4 дня)
rules.py: PoE-бюджет, совместимость портов, протоколы (SIP/USB/H.323), лимиты устройствcheck_compatibility(conf) → {valid, violations[]}— каждая с обоснованием- Golden tests: 20 комнат (можно начать с 5)
Критерий: движок находит все нарушения в эталонных конфигурациях, не выдумывает лишних.
Фаза 2 — покрытие и геометрия (3 дня)
shapely: зоны покрытия, пересечения, равномерность- SVG-план с зонами
- SPL/SNR-модель с явными допущениями
Критерий: SVG для комнаты 10×8, зоны не выходят за стены.
Фаза 3 — оптимизатор (2 дня) — ключевая ценность
- CP-SAT: минимум цены при полном покрытии
- Выдача 3 вариантов (эконом / стандарт / премиум)
Фаза 4 — агент и интерфейс (3 дня)
- LangGraph: опросник (slot filling) + объяснение
- FastAPI:
/build,/validate,/bom,/explain - Streamlit/Chainlit: три вкладки
Фаза 5 — интеграция (2–3 дня)
- OpenClaw (Matrix) → FastAPI напрямую (не через n8n)
- n8n: только уведомления и внешние сервисы
- КП: генерация docx/xlsx из шаблона
Часть 5. Где это размещать (наша инфраструктура)
| Компонент | Куда | Почему |
|---|---|---|
| PostgreSQL + pgvector | CT151 (существующий) | 43 базы, не плодим |
| FastAPI «combine» | CT108 (automation-lxc) или новый LXC 1 ГБ | рядом с n8n/Node-RED по смыслу, но изолированно |
| Ollama | mini-PC 192.168.1.229 | хостовую RAM не трогаем |
| Файлы даташитов | Nextcloud | там же, где Source of Truth |
| CI/CD | Gitea Actions + runner CT140 | работает, локально |
| Уведомления | OpenClaw → Matrix | существующая шина |
Ничего нового тяжёлого не поднимаем. Это принципиально: хост на пределе.
Часть 6. Чем начинать (мой ответ на вопрос)
Не с PostgreSQL и не с репозитория. С одного вендора и пяти устройств.
Почему: пока нет проверенных данных, любая архитектура — гадание. Пять устройств одного вендора (Yealink — самый понятный) дают:
- реальные поля (а не придуманную схему)
- понимание, что в даташитах извлекается правилами, а что нет
- первые «боли» (они всплывут сразу при ручном вводе)
Первый артефакт — таблица 5 устройств с полями и провенансом. Не код, не сервис. Данные.
Дальше: правила совместимости на этих пяти → первый validate → и только потом всё остальное.
Часть 7. Риски (честно)
| Риск | Вероятность | Что делать |
|---|---|---|
| Даташиты вендоров нерегулярны, парсер даст 60 % | высокая | ручная доработка + провенанс; не обещать «полную автоматизацию» |
| Логика Yealink недокументирована | высокая | своя модель + валидация на 3–5 комнатах против их калькулятора |
| «Боли» противоречат друг другу | средняя | golden set + приоритеты (severity, scope) |
| Оптимизатор даёт непонятные решения | средняя | всегда объяснять, что оптимизировалось |
| Данные клиентов (152-ФЗ) | средняя | не хранить персональные данные в проектах, только обезличенные |
Файл: ops/COMBINE-PROJECT-ANALYSIS.md · Все утверждения о нашей инфраструктуре проверены командами.