This commit is contained in:
2026-04-09 15:41:07 +03:00
parent 8fb76bb331
commit 6ccfe54e92
210 changed files with 16472 additions and 4199 deletions
+5
View File
@@ -0,0 +1,5 @@
{
"files.exclude": {
"**/__pycache__": true
}
}
BIN
View File
Binary file not shown.
@@ -1,265 +0,0 @@
# Runtime Trace: 20260406-153629-250147960243
- active_rag_session_id: fdf3ff03-81f0-4772-b68e-250147960243
## request
```json
{
"request_id": "req_64906a91cdb6487ca2737a091cdaddab",
"session_id": "as_d60e71ff542642649c81221db325cbcc",
"active_rag_session_id": "fdf3ff03-81f0-4772-b68e-250147960243",
"process_version": "v2",
"created_at": "2026-04-06T15:36:29.264730+00:00",
"message": "Объясни по документации, как работает /health"
}
```
## process.v2
```json
{
"event": "intent_routed",
"routing_domain": "DOCS",
"intent": "DOC_EXPLAIN",
"subintent": "SUMMARY",
"normalized_query": "Объясни по документации, как работает /health",
"target_terms": [
"/health",
"как",
"работает"
],
"anchors": {
"terms": [
"/health",
"как",
"работает"
],
"entity_names": [],
"file_names": [
"/health"
],
"process_domain": null,
"process_subdomain": null
},
"confidence": 1.0,
"routing_mode": "deterministic",
"llm_router_used": false,
"reason_short": "deterministic signal",
"rag_session_id": "fdf3ff03-81f0-4772-b68e-250147960243"
}
```
## process.v2.retrieval_policy
```json
{
"event": "retrieval_plan_resolved",
"profile": "docs_explain_summary",
"layers": [
"D1_DOCUMENT_CATALOG",
"D3_ENTITY_CATALOG",
"D0_DOC_CHUNKS"
],
"limit": 12
}
```
## process.v2.rag_retrieval
```json
{
"event": "rag_rows_fetched",
"profile": "docs_explain_summary",
"row_count": 12,
"rows": [
{
"layer": "D1_DOCUMENT_CATALOG",
"path": "docs/README.md",
"title": "Индекс технической документации test_echo_app",
"document_id": "index.test_echo_app_docs",
"entity_name": "",
"summary_text": "- Purpose: точка входа в техническую документацию сервиса `test_echo_app`.\n- Scope: архитектура, HTTP API control plane, цикл отправки уведомлений, health-модель и каталог ошибок.\n- Canonical structure: `docs/architecture`, `docs/api`, `docs/logic`, `docs/domains`, `docs/errors`.\n- Primary parent doc: [Архитектура Telegram Notify App](./architecture/telegram-notify-app-overview.md).\n- Navigation: ",
"section_path": "",
"content_preview": "- Purpose: точка входа в техническую документацию сервиса `test_echo_app`.\n- Scope: архитектура, HTTP API control plane, цикл отправки уведомлений, health-модель и каталог ошибок.\n- Canonical structure: `docs/architecture`, `docs/api`, `docs/logic`, `docs/domains`, `docs/errors`.\n- Primary parent doc: [Архитектура Telegram Notify App](./architecture/telegram-notify-app-overview.md).\n- Navigation: "
},
{
"layer": "D1_DOCUMENT_CATALOG",
"path": "docs/architecture/telegram-notify-app-overview.md",
"title": "Архитектура Telegram Notify App",
"document_id": "architecture.telegram_notify_app",
"entity_name": "",
"summary_text": "- Purpose: сервис поднимает HTTP control plane и фоновый worker для отправки уведомлений в Telegram.\n- Entry point: `src/telegram_notify_app/main.py`.\n- Main components: `RuntimeManager`, `TelegramControlChannel`, `TelegramNotifyModule`, `TelegramNotifyWorker`, `TelegramSendService`.\n- Configuration: `config/config.yaml` или путь из `CONFIG_PATH`.\n- Related API: [`/health`](../api/health-endpoint.",
"section_path": "",
"content_preview": "- Purpose: сервис поднимает HTTP control plane и фоновый worker для отправки уведомлений в Telegram.\n- Entry point: `src/telegram_notify_app/main.py`.\n- Main components: `RuntimeManager`, `TelegramControlChannel`, `TelegramNotifyModule`, `TelegramNotifyWorker`, `TelegramSendService`.\n- Configuration: `config/config.yaml` или путь из `CONFIG_PATH`.\n- Related API: [`/health`](../api/health-endpoint."
},
{
"layer": "D3_ENTITY_CATALOG",
"path": "docs/architecture/telegram-notify-app-overview.md",
"title": "TelegramNotifyWorker",
"document_id": "architecture.telegram_notify_app",
"entity_name": "TelegramNotifyWorker",
"summary_text": "",
"section_path": "",
"content_preview": "TelegramNotifyWorker"
},
{
"layer": "D3_ENTITY_CATALOG",
"path": "docs/architecture/telegram-notify-app-overview.md",
"title": "TelegramNotifyModule",
"document_id": "architecture.telegram_notify_app",
"entity_name": "TelegramNotifyModule",
"summary_text": "",
"section_path": "",
"content_preview": "TelegramNotifyModule"
},
{
"layer": "D3_ENTITY_CATALOG",
"path": "docs/architecture/telegram-notify-app-overview.md",
"title": "TelegramSendService",
"document_id": "architecture.telegram_notify_app",
"entity_name": "TelegramSendService",
"summary_text": "",
"section_path": "",
"content_preview": "TelegramSendService"
},
{
"layer": "D3_ENTITY_CATALOG",
"path": "docs/architecture/telegram-notify-app-overview.md",
"title": "TelegramControlChannel",
"document_id": "architecture.telegram_notify_app",
"entity_name": "TelegramControlChannel",
"summary_text": "",
"section_path": "",
"content_preview": "TelegramControlChannel"
},
{
"layer": "D3_ENTITY_CATALOG",
"path": "docs/architecture/telegram-notify-app-overview.md",
"title": "RuntimeManager",
"document_id": "architecture.telegram_notify_app",
"entity_name": "RuntimeManager",
"summary_text": "",
"section_path": "",
"content_preview": "RuntimeManager"
},
{
"layer": "D0_DOC_CHUNKS",
"path": "docs/architecture/telegram-notify-app-overview.md",
"title": "architecture.telegram_notify_app:Связанные документы",
"document_id": "architecture.telegram_notify_app",
"entity_name": "",
"summary_text": "",
"section_path": "Архитектура Telegram Notify App > Details > Связанные документы",
"content_preview": "- [API /health](../api/health-endpoint.md)\n- [API /actions/{action}](../api/control-actions-endpoint.md)\n- [API /send](../api/send-message-endpoint.md)\n- [Логика цикла отправки уведомлений](../logic/telegram-notification-loop.md)\n- [Доменная модель runtime health](../domains/runtime-health-entity.md)"
},
{
"layer": "D0_DOC_CHUNKS",
"path": "docs/README.md",
"title": "index.test_echo_app_docs:Навигация",
"document_id": "index.test_echo_app_docs",
"entity_name": "",
"summary_text": "",
"section_path": "Индекс технической документации test_echo_app > Details > Навигация",
"content_preview": "- [Архитектура Telegram Notify App](./architecture/telegram-notify-app-overview.md)\n- [API /health](./api/health-endpoint.md)\n- [API /actions/{action}](./api/control-actions-endpoint.md)\n- [API /send](./api/send-message-endpoint.md)\n- [Логика цикла отправки уведомлений](./logic/telegram-notification-loop.md)\n- [Доменная модель runtime health](./domains/runtime-health-entity.md)\n- [Каталог ошибок]("
},
{
"layer": "D0_DOC_CHUNKS",
"path": "docs/architecture/telegram-notify-app-overview.md",
"title": "architecture.telegram_notify_app:Операторские и мониторинговые клиенты",
"document_id": "architecture.telegram_notify_app",
"entity_name": "",
"summary_text": "",
"section_path": "Архитектура Telegram Notify App > Details > Интеграции > Операторские и мониторинговые клиенты",
"content_preview": "- target: ext.operator_and_probes\n- target_type: external_system\n- direction: inbound\n- interaction: calls\n- via: HTTP `/health`, `/actions/{action}`, `/send`\n- purpose: диагностика, lifecycle-управление и ручная отправка сообщений\n- details:\n - transport: FastAPI + UvicornThreadRunner\n - status_mapping: non-ok health -> HTTP 503"
},
{
"layer": "D0_DOC_CHUNKS",
"path": "docs/README.md",
"title": "index.test_echo_app_docs:Summary",
"document_id": "index.test_echo_app_docs",
"entity_name": "",
"summary_text": "",
"section_path": "Индекс технической документации test_echo_app > Summary",
"content_preview": "- Purpose: точка входа в техническую документацию сервиса `test_echo_app`.\n- Scope: архитектура, HTTP API control plane, цикл отправки уведомлений, health-модель и каталог ошибок.\n- Canonical structure: `docs/architecture`, `docs/api`, `docs/logic`, `docs/domains`, `docs/errors`.\n- Primary parent doc: [Архитектура Telegram Notify App](./architecture/telegram-notify-app-overview.md).\n- Navigation: "
},
{
"layer": "D0_DOC_CHUNKS",
"path": "docs/architecture/telegram-notify-app-overview.md",
"title": "architecture.telegram_notify_app:Контекст",
"document_id": "architecture.telegram_notify_app",
"entity_name": "",
"summary_text": "",
"section_path": "Архитектура Telegram Notify App > Details > Контекст",
"content_preview": "Архитектурный документ описывает состав runtime и связи между контейнероподобными компонентами приложения. Детали контрактов HTTP API вынесены в документы endpoint'ов, а сценарий фоновой отправки и health-модель описаны на отдельных страницах."
}
]
}
```
## process.v2.evidence
```json
{
"event": "evidence_assembled",
"mode": "summary",
"document_count": 1
}
```
## workflow.v2.summary
```json
{
"event": "workflow_started",
"workflow_id": "v2.docs_explain.summary"
}
```
## workflow.v2.summary.llm
```json
{
"event": "request",
"prompt_name": "v2_docs_explain.summary_answer",
"system_prompt": "Ты объясняешь документацию только на основе найденных SUMMARY-блоков.\nИспользуй только факты из входного контекста.\nЕсли информации мало, прямо скажи об этом.\nВ конце перечисли файлы, на которые ты опирался.",
"user_prompt": "Запрос пользователя:\nОбъясни по документации, как работает /health\n\nНайденные SUMMARY-блоки:\n\n1. path: docs/architecture/telegram-notify-app-overview.md\ntitle: Архитектура Telegram Notify App\nsummary: - Purpose: сервис поднимает HTTP control plane и фоновый worker для отправки уведомлений в Telegram.\n- Entry point: `src/telegram_notify_app/main.py`.\n- Main components: `RuntimeManager`, `TelegramControlChannel`, `TelegramNotifyModule`, `TelegramNotifyWorker`, `TelegramSendService`.\n- Configuration: `config/config.yaml` или путь из `CONFIG_PATH`.\n- Related API: [`/health`](../api/health-endpoint.md), [`/actions/{action}`](../api/control-actions-endpoint.md), [`/send`](../api/send-message-endpoint.md).\n- Related logic: [цикл отправки уведомлений](../logic/telegram-notification-loop.md).\n- Related domain: [runtime health](../domains/runtime-health-entity.md).",
"log_context": "agent:req_64906a91cdb6487ca2737a091cdaddab"
}
```
## workflow.v2.summary.llm
```json
{
"event": "response",
"text": "На основе представленной информации, можно сказать следующее:\n\nСервис \"Telegram Notify App\" предоставляет HTTP-интерфейс, включая endpoint `/health`. Эта информация содержится в блоке, где упомянуты связанные API (Related API). Однако подробностей о том, как именно работает данный endpoint, его функциональность или формат ответа, в предоставленных данных нет.\n\nФайлы, на которые я опирался:\n- docs/architecture/telegram-notify-app-overview.md"
}
```
## workflow.v2.summary
```json
{
"event": "workflow_trace_flushed",
"workflow_id": "v2.docs_explain.summary",
"steps": [
{
"step_id": "generate_summary_answer",
"title": "Сборка ответа по summary",
"input": {},
"output": {
"answer_length": 444
}
}
]
}
```
## workflow.v2.summary
```json
{
"event": "workflow_completed",
"workflow_id": "v2.docs_explain.summary"
}
```
## result
```json
{
"status": "done",
"answer": "На основе представленной информации, можно сказать следующее:\n\nСервис \"Telegram Notify App\" предоставляет HTTP-интерфейс, включая endpoint `/health`. Эта информация содержится в блоке, где упомянуты связанные API (Related API). Однако подробностей о том, как именно работает данный endpoint, его функциональность или формат ответа, в предоставленных данных нет.\n\nФайлы, на которые я опирался:\n- docs/architecture/telegram-notify-app-overview.md",
"completed_at": "2026-04-06T15:36:31.411613+00:00"
}
```
@@ -1,130 +0,0 @@
# Runtime Trace: 20260407-175918-b17b76678614
- active_rag_session_id: 94851e51-1514-4a77-9570-b17b76678614
## request
```json
{
"request_id": "req_d9dae665c88b476db700a3f7bd210370",
"session_id": "as_da5ddd4aacd94ec5b7078dd69e06c9c6",
"active_rag_session_id": "94851e51-1514-4a77-9570-b17b76678614",
"process_version": "v1",
"created_at": "2026-04-07T17:59:18.592170+00:00",
"message": "Ты тут?"
}
```
## workflow.v1
```json
{
"event": "workflow_started",
"workflow_id": "v1.flow_main"
}
```
## workflow.v1
```json
{
"event": "step_started",
"workflow_id": "v1.flow_main",
"step_id": "prepare_user_message",
"input": {}
}
```
## workflow.v1
```json
{
"event": "step_completed",
"workflow_id": "v1.flow_main",
"step_id": "prepare_user_message",
"output": {
"prepared_message_length": 7
}
}
```
## workflow.v1
```json
{
"event": "step_started",
"workflow_id": "v1.flow_main",
"step_id": "generate_answer",
"input": {
"prompt_name": "v1_flow_main.answer",
"prepared_message_length": 7
}
}
```
## workflow.v1.llm
```json
{
"event": "request",
"prompt_name": "v1_flow_main.answer",
"system_prompt": "Ты полезный ассистент.\nОтветь на сообщение пользователя по существу.\nНе придумывай факты, если данных недостаточно.\nЕсли пользователь пишет по-русски, отвечай по-русски.",
"user_prompt": "Ты тут?",
"log_context": "agent:req_d9dae665c88b476db700a3f7bd210370"
}
```
## workflow.v1.llm
```json
{
"event": "response",
"text": "Да, я здесь! Чем могу помочь?"
}
```
## workflow.v1
```json
{
"event": "step_completed",
"workflow_id": "v1.flow_main",
"step_id": "generate_answer",
"output": {
"answer_length": 29
}
}
```
## workflow.v1
```json
{
"event": "step_started",
"workflow_id": "v1.flow_main",
"step_id": "finalize_answer",
"input": {
"answer_length_before_strip": 29
}
}
```
## workflow.v1
```json
{
"event": "step_completed",
"workflow_id": "v1.flow_main",
"step_id": "finalize_answer",
"output": {
"answer_length": 29
}
}
```
## workflow.v1
```json
{
"event": "workflow_completed",
"workflow_id": "v1.flow_main"
}
```
## result
```json
{
"status": "done",
"answer": "Да, я здесь! Чем могу помочь?",
"completed_at": "2026-04-07T17:59:19.326182+00:00"
}
```
File diff suppressed because it is too large Load Diff
@@ -1,622 +0,0 @@
# Runtime Trace: 20260407-182058-3f56c69c7290
- active_rag_session_id: c8b893cc-cb13-4493-a6d1-3f56c69c7290
## request
```json
{
"request_id": "req_bab9c8812ac94847bb102cba68516f10",
"session_id": "as_4fdccc9c55c549faad8f3ef379371129",
"active_rag_session_id": "c8b893cc-cb13-4493-a6d1-3f56c69c7290",
"process_version": "v2",
"created_at": "2026-04-07T18:20:58.679614+00:00",
"message": "Как работает метод health?"
}
```
## process.v2
```json
{
"event": "intent_routed",
"routing_domain": "DOCS",
"intent": "DOC_EXPLAIN",
"subintent": "SUMMARY",
"normalized_query": "Как работает метод health?",
"target_terms": [
"метод",
"health"
],
"anchors": {
"entity_names": [],
"file_names": [],
"endpoint_paths": [],
"target_doc_hints": [],
"matched_aliases": [],
"process_domain": null,
"process_subdomain": null,
"signal_types": []
},
"confidence": 0.75,
"routing_mode": "llm_default",
"llm_router_used": true,
"reason_short": "Запрос на понимание работы конкретного метода \"health\".",
"rag_session_id": "c8b893cc-cb13-4493-a6d1-3f56c69c7290"
}
```
## process.v2.pipeline
```json
{
"event": "router_resolved",
"domain": "DOCS",
"intent": "DOC_EXPLAIN",
"subintent": "SUMMARY",
"confidence": 0.75
}
```
## process.v2.pipeline
```json
{
"event": "anchors_extracted",
"signal_types": [],
"endpoint_paths": [],
"target_doc_hints": [],
"matched_aliases": [],
"target_terms": [
"метод",
"health"
]
}
```
## process.v2.pipeline
```json
{
"event": "alias_resolution",
"resolved_aliases": [],
"target_doc_hints": []
}
```
## process.v2.retrieval_policy
```json
{
"event": "retrieval_plan_resolved",
"profile": "docs_summary_generic",
"layers": [
"D1_DOCUMENT_CATALOG",
"D0_DOC_CHUNKS"
],
"limit": 8,
"filters": {
"target_doc_hints": [],
"prefer_path_prefixes": [
"docs/"
],
"prefer_like_patterns": []
}
}
```
## process.v2.pipeline
```json
{
"event": "retrieval_profile_selected",
"profile": "docs_summary_generic",
"layers": [
"D1_DOCUMENT_CATALOG",
"D0_DOC_CHUNKS"
],
"filters": {
"target_doc_hints": [],
"prefer_path_prefixes": [
"docs/"
],
"prefer_like_patterns": []
}
}
```
## process.v2.rag_retrieval
```json
{
"event": "rag_rows_fetched",
"profile": "docs_summary_generic",
"row_count": 8,
"rows": [
{
"layer": "D1_DOCUMENT_CATALOG",
"path": "docs/architecture/telegram-notify-app-overview.md",
"title": "Архитектура Telegram Notify App",
"document_id": "architecture.telegram_notify_app",
"entity_name": "",
"summary_text": "- Purpose: сервис поднимает HTTP control plane и фоновый worker для отправки уведомлений в Telegram.\n- Entry point: `src/telegram_notify_app/main.py`.\n- Main components: `RuntimeManager`, `TelegramControlChannel`, `TelegramNotifyModule`, `TelegramNotifyWorker`, `TelegramSendService`.\n- Configuration: `config/config.yaml` или путь из `CONFIG_PATH`.\n- Related API: [`/health`](../api/health-endpoint.",
"section_path": "",
"content_preview": "- Purpose: сервис поднимает HTTP control plane и фоновый worker для отправки уведомлений в Telegram.\n- Entry point: `src/telegram_notify_app/main.py`.\n- Main components: `RuntimeManager`, `TelegramControlChannel`, `TelegramNotifyModule`, `TelegramNotifyWorker`, `TelegramSendService`.\n- Configuration: `config/config.yaml` или путь из `CONFIG_PATH`.\n- Related API: [`/health`](../api/health-endpoint."
},
{
"layer": "D1_DOCUMENT_CATALOG",
"path": "docs/README.md",
"title": "Индекс технической документации test_echo_app",
"document_id": "index.test_echo_app_docs",
"entity_name": "",
"summary_text": "- Purpose: точка входа в техническую документацию сервиса `test_echo_app`.\n- Scope: архитектура, HTTP API control plane, цикл отправки уведомлений, health-модель и каталог ошибок.\n- Canonical structure: `docs/architecture`, `docs/api`, `docs/logic`, `docs/domains`, `docs/errors`.\n- Primary parent doc: [Архитектура Telegram Notify App](./architecture/telegram-notify-app-overview.md).\n- Navigation: ",
"section_path": "",
"content_preview": "- Purpose: точка входа в техническую документацию сервиса `test_echo_app`.\n- Scope: архитектура, HTTP API control plane, цикл отправки уведомлений, health-модель и каталог ошибок.\n- Canonical structure: `docs/architecture`, `docs/api`, `docs/logic`, `docs/domains`, `docs/errors`.\n- Primary parent doc: [Архитектура Telegram Notify App](./architecture/telegram-notify-app-overview.md).\n- Navigation: "
},
{
"layer": "D0_DOC_CHUNKS",
"path": "docs/architecture/telegram-notify-app-overview.md",
"title": "architecture.telegram_notify_app:Операторские и мониторинговые клиенты",
"document_id": "architecture.telegram_notify_app",
"entity_name": "",
"summary_text": "",
"section_path": "Архитектура Telegram Notify App > Details > Интеграции > Операторские и мониторинговые клиенты",
"content_preview": "- target: ext.operator_and_probes\n- target_type: external_system\n- direction: inbound\n- interaction: calls\n- via: HTTP `/health`, `/actions/{action}`, `/send`\n- purpose: диагностика, lifecycle-управление и ручная отправка сообщений\n- details:\n - transport: FastAPI + UvicornThreadRunner\n - status_mapping: non-ok health -> HTTP 503"
},
{
"layer": "D0_DOC_CHUNKS",
"path": "docs/architecture/telegram-notify-app-overview.md",
"title": "architecture.telegram_notify_app:Связанные документы",
"document_id": "architecture.telegram_notify_app",
"entity_name": "",
"summary_text": "",
"section_path": "Архитектура Telegram Notify App > Details > Связанные документы",
"content_preview": "- [API /health](../api/health-endpoint.md)\n- [API /actions/{action}](../api/control-actions-endpoint.md)\n- [API /send](../api/send-message-endpoint.md)\n- [Логика цикла отправки уведомлений](../logic/telegram-notification-loop.md)\n- [Доменная модель runtime health](../domains/runtime-health-entity.md)"
},
{
"layer": "D0_DOC_CHUNKS",
"path": "docs/README.md",
"title": "index.test_echo_app_docs:Навигация",
"document_id": "index.test_echo_app_docs",
"entity_name": "",
"summary_text": "",
"section_path": "Индекс технической документации test_echo_app > Details > Навигация",
"content_preview": "- [Архитектура Telegram Notify App](./architecture/telegram-notify-app-overview.md)\n- [API /health](./api/health-endpoint.md)\n- [API /actions/{action}](./api/control-actions-endpoint.md)\n- [API /send](./api/send-message-endpoint.md)\n- [Логика цикла отправки уведомлений](./logic/telegram-notification-loop.md)\n- [Доменная модель runtime health](./domains/runtime-health-entity.md)\n- [Каталог ошибок]("
},
{
"layer": "D0_DOC_CHUNKS",
"path": "docs/architecture/telegram-notify-app-overview.md",
"title": "architecture.telegram_notify_app:Summary",
"document_id": "architecture.telegram_notify_app",
"entity_name": "",
"summary_text": "",
"section_path": "Архитектура Telegram Notify App > Summary",
"content_preview": "- Purpose: сервис поднимает HTTP control plane и фоновый worker для отправки уведомлений в Telegram.\n- Entry point: `src/telegram_notify_app/main.py`.\n- Main components: `RuntimeManager`, `TelegramControlChannel`, `TelegramNotifyModule`, `TelegramNotifyWorker`, `TelegramSendService`.\n- Configuration: `config/config.yaml` или путь из `CONFIG_PATH`.\n- Related API: [`/health`](../api/health-endpoint."
},
{
"layer": "D0_DOC_CHUNKS",
"path": "docs/README.md",
"title": "index.test_echo_app_docs:Summary",
"document_id": "index.test_echo_app_docs",
"entity_name": "",
"summary_text": "",
"section_path": "Индекс технической документации test_echo_app > Summary",
"content_preview": "- Purpose: точка входа в техническую документацию сервиса `test_echo_app`.\n- Scope: архитектура, HTTP API control plane, цикл отправки уведомлений, health-модель и каталог ошибок.\n- Canonical structure: `docs/architecture`, `docs/api`, `docs/logic`, `docs/domains`, `docs/errors`.\n- Primary parent doc: [Архитектура Telegram Notify App](./architecture/telegram-notify-app-overview.md).\n- Navigation: "
},
{
"layer": "D0_DOC_CHUNKS",
"path": "docs/architecture/telegram-notify-app-overview.md",
"title": "architecture.telegram_notify_app:Интеграционные сценарии",
"document_id": "architecture.telegram_notify_app",
"entity_name": "",
"summary_text": "",
"section_path": "Архитектура Telegram Notify App > Details > Интеграционные сценарии",
"content_preview": "1. При старте `main()` загружает YAML-конфиг, извлекает host, port и интервал отправки, затем собирает runtime.\n2. `RuntimeManager` регистрирует `TelegramControlChannel` для HTTP control plane.\n3. `TelegramNotifyModule` добавляет `TelegramNotifyWorker` и `TelegramSendService` в runtime.\n4. Внешний клиент вызывает endpoint'ы control plane для health-check, lifecycle-операций или ручной отправки.\n5."
}
]
}
```
## process.v2.pipeline
```json
{
"event": "candidate_generation",
"query": "Как работает метод health?",
"profile": "docs_summary_generic",
"details": {
"target_doc_hints": [],
"candidates_before_ranking": [
"docs/architecture/telegram-notify-app-overview.md",
"docs/README.md",
"docs/architecture/telegram-notify-app-overview.md",
"docs/architecture/telegram-notify-app-overview.md",
"docs/README.md",
"docs/architecture/telegram-notify-app-overview.md",
"docs/README.md",
"docs/architecture/telegram-notify-app-overview.md"
]
},
"resolved_aliases": [],
"target_doc_hints": [],
"candidate_docs_before_ranking": [
{
"layer": "D1_DOCUMENT_CATALOG",
"path": "docs/architecture/telegram-notify-app-overview.md",
"title": "Архитектура Telegram Notify App",
"document_id": "architecture.telegram_notify_app",
"entity_name": "",
"summary_text": "- Purpose: сервис поднимает HTTP control plane и фоновый worker для отправки уведомлений в Telegram.\n- Entry point: `src/telegram_notify_app/main.py`.\n- Main components: `RuntimeManager`, `TelegramControlChannel`, `TelegramNotifyModule`, `TelegramNotifyWorker`, `TelegramSendService`.\n- Configuration: `config/config.yaml` или путь из `CONFIG_PATH`.\n- Related API: [`/health`](../api/health-endpoint.",
"section_path": "",
"content_preview": "- Purpose: сервис поднимает HTTP control plane и фоновый worker для отправки уведомлений в Telegram.\n- Entry point: `src/telegram_notify_app/main.py`.\n- Main components: `RuntimeManager`, `TelegramControlChannel`, `TelegramNotifyModule`, `TelegramNotifyWorker`, `TelegramSendService`.\n- Configuration: `config/config.yaml` или путь из `CONFIG_PATH`.\n- Related API: [`/health`](../api/health-endpoint."
},
{
"layer": "D1_DOCUMENT_CATALOG",
"path": "docs/README.md",
"title": "Индекс технической документации test_echo_app",
"document_id": "index.test_echo_app_docs",
"entity_name": "",
"summary_text": "- Purpose: точка входа в техническую документацию сервиса `test_echo_app`.\n- Scope: архитектура, HTTP API control plane, цикл отправки уведомлений, health-модель и каталог ошибок.\n- Canonical structure: `docs/architecture`, `docs/api`, `docs/logic`, `docs/domains`, `docs/errors`.\n- Primary parent doc: [Архитектура Telegram Notify App](./architecture/telegram-notify-app-overview.md).\n- Navigation: ",
"section_path": "",
"content_preview": "- Purpose: точка входа в техническую документацию сервиса `test_echo_app`.\n- Scope: архитектура, HTTP API control plane, цикл отправки уведомлений, health-модель и каталог ошибок.\n- Canonical structure: `docs/architecture`, `docs/api`, `docs/logic`, `docs/domains`, `docs/errors`.\n- Primary parent doc: [Архитектура Telegram Notify App](./architecture/telegram-notify-app-overview.md).\n- Navigation: "
},
{
"layer": "D0_DOC_CHUNKS",
"path": "docs/architecture/telegram-notify-app-overview.md",
"title": "architecture.telegram_notify_app:Операторские и мониторинговые клиенты",
"document_id": "architecture.telegram_notify_app",
"entity_name": "",
"summary_text": "",
"section_path": "Архитектура Telegram Notify App > Details > Интеграции > Операторские и мониторинговые клиенты",
"content_preview": "- target: ext.operator_and_probes\n- target_type: external_system\n- direction: inbound\n- interaction: calls\n- via: HTTP `/health`, `/actions/{action}`, `/send`\n- purpose: диагностика, lifecycle-управление и ручная отправка сообщений\n- details:\n - transport: FastAPI + UvicornThreadRunner\n - status_mapping: non-ok health -> HTTP 503"
},
{
"layer": "D0_DOC_CHUNKS",
"path": "docs/architecture/telegram-notify-app-overview.md",
"title": "architecture.telegram_notify_app:Связанные документы",
"document_id": "architecture.telegram_notify_app",
"entity_name": "",
"summary_text": "",
"section_path": "Архитектура Telegram Notify App > Details > Связанные документы",
"content_preview": "- [API /health](../api/health-endpoint.md)\n- [API /actions/{action}](../api/control-actions-endpoint.md)\n- [API /send](../api/send-message-endpoint.md)\n- [Логика цикла отправки уведомлений](../logic/telegram-notification-loop.md)\n- [Доменная модель runtime health](../domains/runtime-health-entity.md)"
},
{
"layer": "D0_DOC_CHUNKS",
"path": "docs/README.md",
"title": "index.test_echo_app_docs:Навигация",
"document_id": "index.test_echo_app_docs",
"entity_name": "",
"summary_text": "",
"section_path": "Индекс технической документации test_echo_app > Details > Навигация",
"content_preview": "- [Архитектура Telegram Notify App](./architecture/telegram-notify-app-overview.md)\n- [API /health](./api/health-endpoint.md)\n- [API /actions/{action}](./api/control-actions-endpoint.md)\n- [API /send](./api/send-message-endpoint.md)\n- [Логика цикла отправки уведомлений](./logic/telegram-notification-loop.md)\n- [Доменная модель runtime health](./domains/runtime-health-entity.md)\n- [Каталог ошибок]("
},
{
"layer": "D0_DOC_CHUNKS",
"path": "docs/architecture/telegram-notify-app-overview.md",
"title": "architecture.telegram_notify_app:Summary",
"document_id": "architecture.telegram_notify_app",
"entity_name": "",
"summary_text": "",
"section_path": "Архитектура Telegram Notify App > Summary",
"content_preview": "- Purpose: сервис поднимает HTTP control plane и фоновый worker для отправки уведомлений в Telegram.\n- Entry point: `src/telegram_notify_app/main.py`.\n- Main components: `RuntimeManager`, `TelegramControlChannel`, `TelegramNotifyModule`, `TelegramNotifyWorker`, `TelegramSendService`.\n- Configuration: `config/config.yaml` или путь из `CONFIG_PATH`.\n- Related API: [`/health`](../api/health-endpoint."
},
{
"layer": "D0_DOC_CHUNKS",
"path": "docs/README.md",
"title": "index.test_echo_app_docs:Summary",
"document_id": "index.test_echo_app_docs",
"entity_name": "",
"summary_text": "",
"section_path": "Индекс технической документации test_echo_app > Summary",
"content_preview": "- Purpose: точка входа в техническую документацию сервиса `test_echo_app`.\n- Scope: архитектура, HTTP API control plane, цикл отправки уведомлений, health-модель и каталог ошибок.\n- Canonical structure: `docs/architecture`, `docs/api`, `docs/logic`, `docs/domains`, `docs/errors`.\n- Primary parent doc: [Архитектура Telegram Notify App](./architecture/telegram-notify-app-overview.md).\n- Navigation: "
},
{
"layer": "D0_DOC_CHUNKS",
"path": "docs/architecture/telegram-notify-app-overview.md",
"title": "architecture.telegram_notify_app:Интеграционные сценарии",
"document_id": "architecture.telegram_notify_app",
"entity_name": "",
"summary_text": "",
"section_path": "Архитектура Telegram Notify App > Details > Интеграционные сценарии",
"content_preview": "1. При старте `main()` загружает YAML-конфиг, извлекает host, port и интервал отправки, затем собирает runtime.\n2. `RuntimeManager` регистрирует `TelegramControlChannel` для HTTP control plane.\n3. `TelegramNotifyModule` добавляет `TelegramNotifyWorker` и `TelegramSendService` в runtime.\n4. Внешний клиент вызывает endpoint'ы control plane для health-check, lifecycle-операций или ручной отправки.\n5."
}
],
"sources": {
"seeded": [],
"metadata_lookup": [],
"semantic": [
{
"layer": "D1_DOCUMENT_CATALOG",
"path": "docs/architecture/telegram-notify-app-overview.md",
"title": "Архитектура Telegram Notify App",
"document_id": "architecture.telegram_notify_app",
"entity_name": "",
"summary_text": "- Purpose: сервис поднимает HTTP control plane и фоновый worker для отправки уведомлений в Telegram.\n- Entry point: `src/telegram_notify_app/main.py`.\n- Main components: `RuntimeManager`, `TelegramControlChannel`, `TelegramNotifyModule`, `TelegramNotifyWorker`, `TelegramSendService`.\n- Configuration: `config/config.yaml` или путь из `CONFIG_PATH`.\n- Related API: [`/health`](../api/health-endpoint.",
"section_path": "",
"content_preview": "- Purpose: сервис поднимает HTTP control plane и фоновый worker для отправки уведомлений в Telegram.\n- Entry point: `src/telegram_notify_app/main.py`.\n- Main components: `RuntimeManager`, `TelegramControlChannel`, `TelegramNotifyModule`, `TelegramNotifyWorker`, `TelegramSendService`.\n- Configuration: `config/config.yaml` или путь из `CONFIG_PATH`.\n- Related API: [`/health`](../api/health-endpoint."
},
{
"layer": "D1_DOCUMENT_CATALOG",
"path": "docs/README.md",
"title": "Индекс технической документации test_echo_app",
"document_id": "index.test_echo_app_docs",
"entity_name": "",
"summary_text": "- Purpose: точка входа в техническую документацию сервиса `test_echo_app`.\n- Scope: архитектура, HTTP API control plane, цикл отправки уведомлений, health-модель и каталог ошибок.\n- Canonical structure: `docs/architecture`, `docs/api`, `docs/logic`, `docs/domains`, `docs/errors`.\n- Primary parent doc: [Архитектура Telegram Notify App](./architecture/telegram-notify-app-overview.md).\n- Navigation: ",
"section_path": "",
"content_preview": "- Purpose: точка входа в техническую документацию сервиса `test_echo_app`.\n- Scope: архитектура, HTTP API control plane, цикл отправки уведомлений, health-модель и каталог ошибок.\n- Canonical structure: `docs/architecture`, `docs/api`, `docs/logic`, `docs/domains`, `docs/errors`.\n- Primary parent doc: [Архитектура Telegram Notify App](./architecture/telegram-notify-app-overview.md).\n- Navigation: "
},
{
"layer": "D0_DOC_CHUNKS",
"path": "docs/architecture/telegram-notify-app-overview.md",
"title": "architecture.telegram_notify_app:Операторские и мониторинговые клиенты",
"document_id": "architecture.telegram_notify_app",
"entity_name": "",
"summary_text": "",
"section_path": "Архитектура Telegram Notify App > Details > Интеграции > Операторские и мониторинговые клиенты",
"content_preview": "- target: ext.operator_and_probes\n- target_type: external_system\n- direction: inbound\n- interaction: calls\n- via: HTTP `/health`, `/actions/{action}`, `/send`\n- purpose: диагностика, lifecycle-управление и ручная отправка сообщений\n- details:\n - transport: FastAPI + UvicornThreadRunner\n - status_mapping: non-ok health -> HTTP 503"
},
{
"layer": "D0_DOC_CHUNKS",
"path": "docs/architecture/telegram-notify-app-overview.md",
"title": "architecture.telegram_notify_app:Связанные документы",
"document_id": "architecture.telegram_notify_app",
"entity_name": "",
"summary_text": "",
"section_path": "Архитектура Telegram Notify App > Details > Связанные документы",
"content_preview": "- [API /health](../api/health-endpoint.md)\n- [API /actions/{action}](../api/control-actions-endpoint.md)\n- [API /send](../api/send-message-endpoint.md)\n- [Логика цикла отправки уведомлений](../logic/telegram-notification-loop.md)\n- [Доменная модель runtime health](../domains/runtime-health-entity.md)"
},
{
"layer": "D0_DOC_CHUNKS",
"path": "docs/README.md",
"title": "index.test_echo_app_docs:Навигация",
"document_id": "index.test_echo_app_docs",
"entity_name": "",
"summary_text": "",
"section_path": "Индекс технической документации test_echo_app > Details > Навигация",
"content_preview": "- [Архитектура Telegram Notify App](./architecture/telegram-notify-app-overview.md)\n- [API /health](./api/health-endpoint.md)\n- [API /actions/{action}](./api/control-actions-endpoint.md)\n- [API /send](./api/send-message-endpoint.md)\n- [Логика цикла отправки уведомлений](./logic/telegram-notification-loop.md)\n- [Доменная модель runtime health](./domains/runtime-health-entity.md)\n- [Каталог ошибок]("
}
]
}
}
```
## process.v2.pipeline
```json
{
"event": "retrieval_executed",
"query": "Как работает метод health?",
"profile": "docs_summary_generic",
"row_count": 8,
"target_doc_hints": [],
"top_results": [
{
"layer": "D1_DOCUMENT_CATALOG",
"path": "docs/architecture/telegram-notify-app-overview.md",
"title": "Архитектура Telegram Notify App",
"document_id": "architecture.telegram_notify_app",
"entity_name": "",
"summary_text": "- Purpose: сервис поднимает HTTP control plane и фоновый worker для отправки уведомлений в Telegram.\n- Entry point: `src/telegram_notify_app/main.py`.\n- Main components: `RuntimeManager`, `TelegramControlChannel`, `TelegramNotifyModule`, `TelegramNotifyWorker`, `TelegramSendService`.\n- Configuration: `config/config.yaml` или путь из `CONFIG_PATH`.\n- Related API: [`/health`](../api/health-endpoint.",
"section_path": "",
"content_preview": "- Purpose: сервис поднимает HTTP control plane и фоновый worker для отправки уведомлений в Telegram.\n- Entry point: `src/telegram_notify_app/main.py`.\n- Main components: `RuntimeManager`, `TelegramControlChannel`, `TelegramNotifyModule`, `TelegramNotifyWorker`, `TelegramSendService`.\n- Configuration: `config/config.yaml` или путь из `CONFIG_PATH`.\n- Related API: [`/health`](../api/health-endpoint."
},
{
"layer": "D1_DOCUMENT_CATALOG",
"path": "docs/README.md",
"title": "Индекс технической документации test_echo_app",
"document_id": "index.test_echo_app_docs",
"entity_name": "",
"summary_text": "- Purpose: точка входа в техническую документацию сервиса `test_echo_app`.\n- Scope: архитектура, HTTP API control plane, цикл отправки уведомлений, health-модель и каталог ошибок.\n- Canonical structure: `docs/architecture`, `docs/api`, `docs/logic`, `docs/domains`, `docs/errors`.\n- Primary parent doc: [Архитектура Telegram Notify App](./architecture/telegram-notify-app-overview.md).\n- Navigation: ",
"section_path": "",
"content_preview": "- Purpose: точка входа в техническую документацию сервиса `test_echo_app`.\n- Scope: архитектура, HTTP API control plane, цикл отправки уведомлений, health-модель и каталог ошибок.\n- Canonical structure: `docs/architecture`, `docs/api`, `docs/logic`, `docs/domains`, `docs/errors`.\n- Primary parent doc: [Архитектура Telegram Notify App](./architecture/telegram-notify-app-overview.md).\n- Navigation: "
},
{
"layer": "D0_DOC_CHUNKS",
"path": "docs/architecture/telegram-notify-app-overview.md",
"title": "architecture.telegram_notify_app:Операторские и мониторинговые клиенты",
"document_id": "architecture.telegram_notify_app",
"entity_name": "",
"summary_text": "",
"section_path": "Архитектура Telegram Notify App > Details > Интеграции > Операторские и мониторинговые клиенты",
"content_preview": "- target: ext.operator_and_probes\n- target_type: external_system\n- direction: inbound\n- interaction: calls\n- via: HTTP `/health`, `/actions/{action}`, `/send`\n- purpose: диагностика, lifecycle-управление и ручная отправка сообщений\n- details:\n - transport: FastAPI + UvicornThreadRunner\n - status_mapping: non-ok health -> HTTP 503"
},
{
"layer": "D0_DOC_CHUNKS",
"path": "docs/architecture/telegram-notify-app-overview.md",
"title": "architecture.telegram_notify_app:Связанные документы",
"document_id": "architecture.telegram_notify_app",
"entity_name": "",
"summary_text": "",
"section_path": "Архитектура Telegram Notify App > Details > Связанные документы",
"content_preview": "- [API /health](../api/health-endpoint.md)\n- [API /actions/{action}](../api/control-actions-endpoint.md)\n- [API /send](../api/send-message-endpoint.md)\n- [Логика цикла отправки уведомлений](../logic/telegram-notification-loop.md)\n- [Доменная модель runtime health](../domains/runtime-health-entity.md)"
},
{
"layer": "D0_DOC_CHUNKS",
"path": "docs/README.md",
"title": "index.test_echo_app_docs:Навигация",
"document_id": "index.test_echo_app_docs",
"entity_name": "",
"summary_text": "",
"section_path": "Индекс технической документации test_echo_app > Details > Навигация",
"content_preview": "- [Архитектура Telegram Notify App](./architecture/telegram-notify-app-overview.md)\n- [API /health](./api/health-endpoint.md)\n- [API /actions/{action}](./api/control-actions-endpoint.md)\n- [API /send](./api/send-message-endpoint.md)\n- [Логика цикла отправки уведомлений](./logic/telegram-notification-loop.md)\n- [Доменная модель runtime health](./domains/runtime-health-entity.md)\n- [Каталог ошибок]("
}
]
}
```
## process.v2.evidence
```json
{
"event": "evidence_assembled",
"mode": "summary",
"document_count": 2,
"documents": [
"docs/README.md",
"docs/architecture/telegram-notify-app-overview.md"
]
}
```
## process.v2.pipeline
```json
{
"event": "evidence_assembled",
"mode": "summary",
"primary_doc": "docs/README.md",
"document_count": 2
}
```
## process.v2.pipeline
```json
{
"event": "ranking_explained",
"doc": "docs/README.md",
"score_breakdown": {
"semantic": 20,
"path_match": 0,
"filename_match": 0,
"alias_match": 0,
"anchor_boost": 0,
"target_doc_boost": 0,
"generic_penalty": 0
},
"score": 20,
"match_reason": "semantic_match"
}
```
## process.v2.pipeline
```json
{
"event": "ranking_explained",
"doc": "docs/architecture/telegram-notify-app-overview.md",
"score_breakdown": {
"semantic": 20,
"path_match": 0,
"filename_match": 0,
"alias_match": 0,
"anchor_boost": 0,
"target_doc_boost": 0,
"generic_penalty": 0
},
"score": 20,
"match_reason": "semantic_match"
}
```
## process.v2.pipeline
```json
{
"event": "ranking_explained",
"top_docs_after_ranking": [
{
"doc": "docs/README.md",
"score": 20,
"match_reason": "semantic_match"
},
{
"doc": "docs/architecture/telegram-notify-app-overview.md",
"score": 20,
"match_reason": "semantic_match"
}
],
"ranking_score_breakdown": [
{
"doc": "docs/README.md",
"score_breakdown": {
"semantic": 20,
"path_match": 0,
"filename_match": 0,
"alias_match": 0,
"anchor_boost": 0,
"target_doc_boost": 0,
"generic_penalty": 0
}
},
{
"doc": "docs/architecture/telegram-notify-app-overview.md",
"score_breakdown": {
"semantic": 20,
"path_match": 0,
"filename_match": 0,
"alias_match": 0,
"anchor_boost": 0,
"target_doc_boost": 0,
"generic_penalty": 0
}
}
]
}
```
## process.v2.pipeline
```json
{
"event": "evidence_gate_checked",
"passed": true,
"reason": "target_doc_found",
"answer_mode": "grounded_summary"
}
```
## workflow.v2.summary
```json
{
"event": "workflow_started",
"workflow_id": "v2.docs_explain.summary"
}
```
## workflow.v2.summary.llm
```json
{
"event": "request",
"prompt_name": "v2_docs_explain.summary_answer",
"system_prompt": "Ты объясняешь документацию только на основе найденных SUMMARY-блоков.\nИспользуй только факты из входного контекста.\nЕсли информации мало, прямо скажи об этом и не додумывай детали.\nВ конце перечисли файлы, на которые ты опирался.",
"user_prompt": "Запрос пользователя:\nКак работает метод health?\n\nСигналы запроса:\n{\n \"entity_names\": [],\n \"file_names\": [],\n \"endpoint_paths\": [],\n \"target_doc_hints\": [],\n \"matched_aliases\": [],\n \"process_domain\": null,\n \"process_subdomain\": null,\n \"signal_types\": []\n}\n\nНайденные SUMMARY-блоки:\n\n1. path: docs/README.md\ntitle: Индекс технической документации test_echo_app\nmatch_reason: semantic_match\nsummary: - Purpose: точка входа в техническую документацию сервиса `test_echo_app`.\n- Scope: архитектура, HTTP API control plane, цикл отправки уведомлений, health-модель и каталог ошибок.\n- Canonical structure: `docs/architecture`, `docs/api`, `docs/logic`, `docs/domains`, `docs/errors`.\n- Primary parent doc: [Архитектура Telegram Notify App](./architecture/telegram-notify-app-overview.md).\n- Navigation: документы связаны через `related_docs`, `parent`/`children` и markdown-ссылки без дублирования деталей.\n\n2. path: docs/architecture/telegram-notify-app-overview.md\ntitle: Архитектура Telegram Notify App\nmatch_reason: semantic_match\nsummary: - Purpose: сервис поднимает HTTP control plane и фоновый worker для отправки уведомлений в Telegram.\n- Entry point: `src/telegram_notify_app/main.py`.\n- Main components: `RuntimeManager`, `TelegramControlChannel`, `TelegramNotifyModule`, `TelegramNotifyWorker`, `TelegramSendService`.\n- Configuration: `config/config.yaml` или путь из `CONFIG_PATH`.\n- Related API: [`/health`](../api/health-endpoint.md), [`/actions/{action}`](../api/control-actions-endpoint.md), [`/send`](../api/send-message-endpoint.md).\n- Related logic: [цикл отправки уведомлений](../logic/telegram-notification-loop.md).\n- Related domain: [runtime health](../domains/runtime-health-entity.md).",
"log_context": "agent:req_bab9c8812ac94847bb102cba68516f10"
}
```
## workflow.v2.summary.llm
```json
{
"event": "response",
"text": "На основе представленного контекста невозможно предоставить подробное объяснение работы метода health. \n\nФайлы, на которые я опирался:\n1. docs/README.md\n2. docs/architecture/telegram-notify-app-overview.md"
}
```
## workflow.v2.summary
```json
{
"event": "workflow_trace_flushed",
"workflow_id": "v2.docs_explain.summary",
"steps": [
{
"step_id": "generate_summary_answer",
"title": "Сборка ответа по summary",
"input": {},
"output": {
"answer_length": 205
}
}
]
}
```
## workflow.v2.summary
```json
{
"event": "workflow_completed",
"workflow_id": "v2.docs_explain.summary"
}
```
## process.v2.pipeline
```json
{
"event": "answer_generated",
"answer_mode": "grounded_summary",
"answer_length": 205
}
```
## result
```json
{
"status": "done",
"answer": "На основе представленного контекста невозможно предоставить подробное объяснение работы метода health. \n\nФайлы, на которые я опирался:\n1. docs/README.md\n2. docs/architecture/telegram-notify-app-overview.md",
"completed_at": "2026-04-07T18:21:01.793612+00:00"
}
```
File diff suppressed because it is too large Load Diff
File diff suppressed because it is too large Load Diff
@@ -0,0 +1,103 @@
# Runtime Trace: 20260408-130754-c008300db553
- active_rag_session_id: 273bb6f2-0921-412a-9c73-c008300db553
## request
```json
{
"request_id": "req_e2b3901d8fcd4b2f88ba2fd5e09e4073",
"session_id": "as_da9ab26d0dbe4ee2b6a2b392ff1ebdc9",
"active_rag_session_id": "273bb6f2-0921-412a-9c73-c008300db553",
"process_version": "v2",
"created_at": "2026-04-08T13:07:54.329187+00:00",
"message": "Напиши документацию по системной аналитике \n/Users/alex/Dev_projects_v2/apps/test_echo_app/_incoming/feature1.md"
}
```
## process.v2
```json
{
"event": "intent_routed",
"routing_domain": "DOCS",
"intent": "DOC_UPDATE",
"subintent": "FIND_FILES",
"normalized_query": "Напиши документацию по системной аналитике /Users/alex/Dev_projects_v2/apps/test_echo_app/_incoming/feature1.md",
"target_terms": [],
"anchors": {
"entity_names": [
"Users",
"Dev_projects_v2"
],
"file_names": [
"/users/alex/dev_projects_v2/apps/test_echo_app/_incoming/feature1.md"
],
"endpoint_paths": [],
"target_doc_hints": [],
"matched_aliases": [],
"process_domain": null,
"process_subdomain": null,
"scope_type": "unknown",
"candidate_domains": [],
"candidate_subdomains": [],
"candidate_entities": [],
"candidate_apis": [],
"signal_types": [
"DOMAIN_ENTITY",
"FIND_FILES"
]
},
"confidence": 0.8,
"routing_mode": "llm_default",
"llm_router_used": true,
"reason_short": "Запрос явно указывает на обновление документации по системной аналитике из конкретного файла feature1.md.",
"rag_session_id": "273bb6f2-0921-412a-9c73-c008300db553"
}
```
## process.v2.pipeline
```json
{
"event": "router_resolved",
"domain": "DOCS",
"intent": "DOC_UPDATE",
"subintent": "FIND_FILES",
"confidence": 0.8
}
```
## process.v2.pipeline
```json
{
"event": "anchors_extracted",
"signal_types": [
"DOMAIN_ENTITY",
"FIND_FILES"
],
"endpoint_paths": [],
"target_doc_hints": [],
"matched_aliases": [],
"target_terms": []
}
```
## process.v2.pipeline
```json
{
"event": "alias_resolution",
"resolved_aliases": [],
"target_doc_hints": []
}
```
## result
```json
{
"status": "error",
"error": {
"code": "api_runtime_error",
"desc": "Agent request failed unexpectedly.",
"module": "agent"
},
"completed_at": "2026-04-08T13:07:57.414809+00:00"
}
```
@@ -0,0 +1,103 @@
# Runtime Trace: 20260408-130830-d398ef674b67
- active_rag_session_id: b0fed7d3-965b-4103-91b5-d398ef674b67
## request
```json
{
"request_id": "req_9ee1b7dae1cb4f8dbc81537e678734b8",
"session_id": "as_c1e2c54c04c4483da7f956fb94fedd3e",
"active_rag_session_id": "b0fed7d3-965b-4103-91b5-d398ef674b67",
"process_version": "v2",
"created_at": "2026-04-08T13:08:30.296355+00:00",
"message": "Напиши документацию по системной аналитике \n/Users/alex/Dev_projects_v2/apps/test_echo_app/_incoming/feature1.md"
}
```
## process.v2
```json
{
"event": "intent_routed",
"routing_domain": "DOCS",
"intent": "DOC_UPDATE",
"subintent": "FIND_FILES",
"normalized_query": "Напиши документацию по системной аналитике /Users/alex/Dev_projects_v2/apps/test_echo_app/_incoming/feature1.md",
"target_terms": [],
"anchors": {
"entity_names": [
"Users",
"Dev_projects_v2"
],
"file_names": [
"/users/alex/dev_projects_v2/apps/test_echo_app/_incoming/feature1.md"
],
"endpoint_paths": [],
"target_doc_hints": [],
"matched_aliases": [],
"process_domain": null,
"process_subdomain": null,
"scope_type": "unknown",
"candidate_domains": [],
"candidate_subdomains": [],
"candidate_entities": [],
"candidate_apis": [],
"signal_types": [
"DOMAIN_ENTITY",
"FIND_FILES"
]
},
"confidence": 0.8,
"routing_mode": "llm_default",
"llm_router_used": true,
"reason_short": "Запрос явно указывает на обновление документации по системной аналитике из указанного файла feature1.md.",
"rag_session_id": "b0fed7d3-965b-4103-91b5-d398ef674b67"
}
```
## process.v2.pipeline
```json
{
"event": "router_resolved",
"domain": "DOCS",
"intent": "DOC_UPDATE",
"subintent": "FIND_FILES",
"confidence": 0.8
}
```
## process.v2.pipeline
```json
{
"event": "anchors_extracted",
"signal_types": [
"DOMAIN_ENTITY",
"FIND_FILES"
],
"endpoint_paths": [],
"target_doc_hints": [],
"matched_aliases": [],
"target_terms": []
}
```
## process.v2.pipeline
```json
{
"event": "alias_resolution",
"resolved_aliases": [],
"target_doc_hints": []
}
```
## result
```json
{
"status": "error",
"error": {
"code": "api_runtime_error",
"desc": "Agent request failed unexpectedly.",
"module": "agent"
},
"completed_at": "2026-04-08T13:08:32.914987+00:00"
}
```
@@ -0,0 +1,303 @@
# Runtime Trace: 20260408-131217-d6aef7712b50
- active_rag_session_id: 09fb3332-3623-4164-9bb4-d6aef7712b50
## request
```json
{
"request_id": "req_44b293c2d2d34247a4ad4ffbf6e529f9",
"session_id": "as_c3998b60e2814f7090ead25d83aa990e",
"active_rag_session_id": "09fb3332-3623-4164-9bb4-d6aef7712b50",
"process_version": "v2",
"created_at": "2026-04-08T13:12:17.468690+00:00",
"message": "Напиши документацию по системной аналитике \n/Users/alex/Dev_projects_v2/apps/test_echo_app/_incoming/feature1.md"
}
```
## process.v2
```json
{
"event": "intent_routed",
"routing_domain": "DOCS",
"intent": "DOC_UPDATE",
"subintent": "FROM_FEATURE",
"normalized_query": "Напиши документацию по системной аналитике /Users/alex/Dev_projects_v2/apps/test_echo_app/_incoming/feature1.md",
"target_terms": [],
"anchors": {
"entity_names": [
"Users",
"Dev_projects_v2"
],
"file_names": [
"/users/alex/dev_projects_v2/apps/test_echo_app/_incoming/feature1.md"
],
"endpoint_paths": [],
"target_doc_hints": [],
"matched_aliases": [],
"process_domain": null,
"process_subdomain": null,
"scope_type": "unknown",
"candidate_domains": [],
"candidate_subdomains": [],
"candidate_entities": [],
"candidate_apis": [],
"signal_types": [
"DOMAIN_ENTITY"
]
},
"confidence": 0.8,
"routing_mode": "llm_default",
"llm_router_used": true,
"reason_short": "Запрос явно указывает на обновление документации по указанному файлу feature1.md.",
"rag_session_id": "09fb3332-3623-4164-9bb4-d6aef7712b50"
}
```
## process.v2.pipeline
```json
{
"event": "router_resolved",
"domain": "DOCS",
"intent": "DOC_UPDATE",
"subintent": "FROM_FEATURE",
"confidence": 0.8
}
```
## process.v2.pipeline
```json
{
"event": "anchors_extracted",
"signal_types": [
"DOMAIN_ENTITY"
],
"endpoint_paths": [],
"target_doc_hints": [],
"matched_aliases": [],
"target_terms": []
}
```
## process.v2.pipeline
```json
{
"event": "alias_resolution",
"resolved_aliases": [],
"target_doc_hints": []
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_started",
"workflow_id": "v2.docs_update.from_feature"
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "resolve_source",
"title": "Определение источника аналитики"
},
"input": {},
"output": {
"source_kind": "markdown_file",
"source_ref": "/Users/alex/Dev_projects_v2/apps/test_echo_app/_incoming/feature1.md",
"issues": 0
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "load_source",
"title": "Загрузка системной аналитики"
},
"input": {},
"output": {
"source_kind": "markdown_file",
"content_loaded": true,
"issues": 0
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "parse_feature",
"title": "Парсинг функциональных требований"
},
"input": {},
"output": {
"analysis_id": "",
"domains": [],
"subdomains": [],
"units": 1,
"issues": 0
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "build_change_plan",
"title": "Построение плана изменений"
},
"input": {},
"output": {
"docs_rows": 26,
"planned_changes": 1,
"issues": 0
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "build_changeset",
"title": "Формирование changeset"
},
"input": {},
"output": {
"changeset_items": 1,
"issues": 0
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "finalize",
"title": "Подготовка ответа"
},
"input": {},
"output": {
"answer_length": 801,
"issues": 0,
"changeset_items": 1
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_trace_flushed",
"workflow_id": "v2.docs_update.from_feature",
"steps": [
{
"step_id": "resolve_source",
"title": "Определение источника аналитики",
"input": {},
"output": {
"source_kind": "markdown_file",
"source_ref": "/Users/alex/Dev_projects_v2/apps/test_echo_app/_incoming/feature1.md",
"issues": 0
}
},
{
"step_id": "load_source",
"title": "Загрузка системной аналитики",
"input": {},
"output": {
"source_kind": "markdown_file",
"content_loaded": true,
"issues": 0
}
},
{
"step_id": "parse_feature",
"title": "Парсинг функциональных требований",
"input": {},
"output": {
"analysis_id": "",
"domains": [],
"subdomains": [],
"units": 1,
"issues": 0
}
},
{
"step_id": "build_change_plan",
"title": "Построение плана изменений",
"input": {},
"output": {
"docs_rows": 26,
"planned_changes": 1,
"issues": 0
}
},
{
"step_id": "build_changeset",
"title": "Формирование changeset",
"input": {},
"output": {
"changeset_items": 1,
"issues": 0
}
},
{
"step_id": "finalize",
"title": "Подготовка ответа",
"input": {},
"output": {
"answer_length": 801,
"issues": 0,
"changeset_items": 1
}
}
]
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_completed",
"workflow_id": "v2.docs_update.from_feature"
}
```
## process.v2.pipeline
```json
{
"event": "answer_generated",
"answer_mode": "docs_update_changeset",
"answer_length": 801,
"changeset_items": 1
}
```
## result
```json
{
"status": "done",
"answer": "DOC_UPDATE/FROM_FEATURE: результат построения changeset.\n\nПлан изменений:\n- create: docs/api/api-telegram-messages-get.md (api_method)\n\nChangeset (для плагина):\n```json\n[\n {\n \"op\": \"create\",\n \"path\": \"docs/api/api-telegram-messages-get.md\",\n \"base_hash\": null,\n \"proposed_content\": \"---\\nid: api.telegram.messages.get\\ntitle: Реализация эндпоинта `GET /telegram/messages`\\ndoc_type: api_method\\ndomain: unknown\\nsub_domain: unknown\\nstatus: generated\\nrelated_docs:\\n - TBD\\nsource_of_truth: system_analysis\\nsystem_analytics_refs:\\n - section: 5. Функциональные требования\\n---\\n\\n## Summary\\n\\nЧерновик сгенерирован workflow DOC_UPDATE/FROM_FEATURE.\\n\",\n \"reason\": \"Из unit 'Реализация эндпоинта `GET /telegram/messages`' системной аналитики (analysis).\",\n \"hunks\": []\n }\n]\n```",
"completed_at": "2026-04-08T13:12:20.251846+00:00"
}
```
@@ -0,0 +1,303 @@
# Runtime Trace: 20260408-133710-3fcdfdcab8be
- active_rag_session_id: a603ea81-9785-4846-8c05-3fcdfdcab8be
## request
```json
{
"request_id": "req_c5a90cbf219046cc91239e4fae39ac3e",
"session_id": "as_5bad25c4dd394e33884ff7471bbcbf4a",
"active_rag_session_id": "a603ea81-9785-4846-8c05-3fcdfdcab8be",
"process_version": "v2",
"created_at": "2026-04-08T13:37:10.869126+00:00",
"message": "Напиши документацию по системной аналитике \n/Users/alex/Dev_projects_v2/apps/test_echo_app/_incoming/feature1.md"
}
```
## process.v2
```json
{
"event": "intent_routed",
"routing_domain": "DOCS",
"intent": "DOC_UPDATE",
"subintent": "FROM_FEATURE",
"normalized_query": "Напиши документацию по системной аналитике /Users/alex/Dev_projects_v2/apps/test_echo_app/_incoming/feature1.md",
"target_terms": [],
"anchors": {
"entity_names": [
"Users",
"Dev_projects_v2"
],
"file_names": [
"/users/alex/dev_projects_v2/apps/test_echo_app/_incoming/feature1.md"
],
"endpoint_paths": [],
"target_doc_hints": [],
"matched_aliases": [],
"process_domain": null,
"process_subdomain": null,
"scope_type": "unknown",
"candidate_domains": [],
"candidate_subdomains": [],
"candidate_entities": [],
"candidate_apis": [],
"signal_types": [
"DOMAIN_ENTITY"
]
},
"confidence": 0.8,
"routing_mode": "llm_default",
"llm_router_used": true,
"reason_short": "Запрос явно указывает на обновление документации по указанному файлу feature1.md.",
"rag_session_id": "a603ea81-9785-4846-8c05-3fcdfdcab8be"
}
```
## process.v2.pipeline
```json
{
"event": "router_resolved",
"domain": "DOCS",
"intent": "DOC_UPDATE",
"subintent": "FROM_FEATURE",
"confidence": 0.8
}
```
## process.v2.pipeline
```json
{
"event": "anchors_extracted",
"signal_types": [
"DOMAIN_ENTITY"
],
"endpoint_paths": [],
"target_doc_hints": [],
"matched_aliases": [],
"target_terms": []
}
```
## process.v2.pipeline
```json
{
"event": "alias_resolution",
"resolved_aliases": [],
"target_doc_hints": []
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_started",
"workflow_id": "v2.docs_update.from_feature"
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "resolve_source",
"title": "Определение источника аналитики"
},
"input": {},
"output": {
"source_kind": "markdown_file",
"source_ref": "/Users/alex/Dev_projects_v2/apps/test_echo_app/_incoming/feature1.md",
"issues": 0
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "load_source",
"title": "Загрузка системной аналитики"
},
"input": {},
"output": {
"source_kind": "markdown_file",
"content_loaded": true,
"issues": 0
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "parse_feature",
"title": "Парсинг функциональных требований"
},
"input": {},
"output": {
"analysis_id": "",
"domains": [],
"subdomains": [],
"units": 1,
"issues": 3
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "build_change_plan",
"title": "Построение плана изменений"
},
"input": {},
"output": {
"docs_rows": 26,
"planned_changes": 1,
"issues": 3
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "build_changeset",
"title": "Формирование changeset"
},
"input": {},
"output": {
"changeset_items": 1,
"issues": 3
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "finalize",
"title": "Подготовка ответа"
},
"input": {},
"output": {
"answer_length": 2340,
"issues": 3,
"changeset_items": 1
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_trace_flushed",
"workflow_id": "v2.docs_update.from_feature",
"steps": [
{
"step_id": "resolve_source",
"title": "Определение источника аналитики",
"input": {},
"output": {
"source_kind": "markdown_file",
"source_ref": "/Users/alex/Dev_projects_v2/apps/test_echo_app/_incoming/feature1.md",
"issues": 0
}
},
{
"step_id": "load_source",
"title": "Загрузка системной аналитики",
"input": {},
"output": {
"source_kind": "markdown_file",
"content_loaded": true,
"issues": 0
}
},
{
"step_id": "parse_feature",
"title": "Парсинг функциональных требований",
"input": {},
"output": {
"analysis_id": "",
"domains": [],
"subdomains": [],
"units": 1,
"issues": 3
}
},
{
"step_id": "build_change_plan",
"title": "Построение плана изменений",
"input": {},
"output": {
"docs_rows": 26,
"planned_changes": 1,
"issues": 3
}
},
{
"step_id": "build_changeset",
"title": "Формирование changeset",
"input": {},
"output": {
"changeset_items": 1,
"issues": 3
}
},
{
"step_id": "finalize",
"title": "Подготовка ответа",
"input": {},
"output": {
"answer_length": 2340,
"issues": 3,
"changeset_items": 1
}
}
]
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_completed",
"workflow_id": "v2.docs_update.from_feature"
}
```
## process.v2.pipeline
```json
{
"event": "answer_generated",
"answer_mode": "docs_update_changeset",
"answer_length": 2340,
"changeset_items": 1
}
```
## result
```json
{
"status": "done",
"answer": "DOC_UPDATE/FROM_FEATURE: результат построения changeset.\n\nОбнаружены несоответствия/нехватка данных:\n- Отсутствует analysis_id в metadata аналитики.\n- Отсутствует domains в metadata аналитики.\n- Отсутствует subdomains в metadata аналитики.\n\nПлан изменений:\n- create: docs/api/api-telegram-messages-get.md (api_method)\n\nChangeset (для плагина):\n```json\n[\n {\n \"op\": \"create\",\n \"path\": \"docs/api/api-telegram-messages-get.md\",\n \"base_hash\": null,\n \"proposed_content\": \"---\\nid: api.telegram.messages.get\\ntitle: Реализация эндпоинта `GET /telegram/messages`\\ndoc_type: api_method\\ndomain: unknown\\nsub_domain: unknown\\nstatus: generated\\nrelated_docs:\\n - TBD\\nsource_of_truth: system_analysis\\nsystem_analytics_refs:\\n - section: 5. Функциональные требования\\n---\\n\\n## Context\\n\\nЧерновик сгенерирован workflow DOC_UPDATE/FROM_FEATURE на основе системной аналитики.\\n\\n## Functional Requirements\\n\\nСценарий описывает поведение endpoint и включает все обязательные функциональные требования.\\n\\n1. Потребитель вызывает endpoint `GET /telegram/messages` и передает параметр `secret`.\\n2. Сервис сравнивает переданный `secret` со значением `APP_ENDPOINT_SECRET` из защищенной конфигурации.\\n3. Если `secret` не совпадает:\\n\\n- сервис возвращает отказ в доступе (`403 Forbidden`);\\n- обработка завершается;\\n- вызов в Telegram API не выполняется.\\n\\n1. Если `secret` совпадает, сервис выполняет вызов Telegram Bot API:\\n\\n- Метод: `getUpdates`;\\n- HTTP: `POST https://api.telegram.org/bot<TELEGRAM_BOT_TOKEN>/getUpdates`;\\n- Допустимые параметры запроса (по необходимости): `offset`, `limit`, `timeout`, `allowed_updates`.\\n\\n1. Сервис получает список update, выделяет непрочитанные (необработанные) сообщения и формирует доменный результат.\\n2. Сервис возвращает клиенту ответ в формате `AppResponseDto` (статус выполнения + полезная нагрузка).\\n3. Если Telegram API возвращает ошибку/некорректный ответ, сервис возвращает контролируемую ошибку без утечки внутренних данных интеграции.\\n\\nНеобходимые секреты для реализации сценария:\\n\\n- `APP_ENDPOINT_SECRET` - секрет для авторизации входящего запроса к endpoint;\\n- `TELEGRAM_BOT_TOKEN` - токен Telegram-бота для вызова метода `getUpdates`.\\n\",\n \"reason\": \"Из unit 'Реализация эндпоинта `GET /telegram/messages`' системной аналитики (analysis).\",\n \"hunks\": []\n }\n]\n```",
"completed_at": "2026-04-08T13:37:13.627111+00:00"
}
```
@@ -0,0 +1,305 @@
# Runtime Trace: 20260408-134243-ae814cadec74
- active_rag_session_id: 07b0a164-32cd-47cc-ba4d-ae814cadec74
## request
```json
{
"request_id": "req_a1f51efe7fe540a393f2840f830f0710",
"session_id": "as_968bcb99e71d454eb0b38cbe5021ac32",
"active_rag_session_id": "07b0a164-32cd-47cc-ba4d-ae814cadec74",
"process_version": "v2",
"created_at": "2026-04-08T13:42:43.644632+00:00",
"message": "Напиши документацию по системной аналитике\n/Users/alex/Dev_projects_v2/apps/test_echo_app/_incoming/feature1.md"
}
```
## process.v2
```json
{
"event": "intent_routed",
"routing_domain": "DOCS",
"intent": "DOC_UPDATE",
"subintent": "FROM_FEATURE",
"normalized_query": "Напиши документацию по системной аналитике /Users/alex/Dev_projects_v2/apps/test_echo_app/_incoming/feature1.md",
"target_terms": [],
"anchors": {
"entity_names": [
"Users",
"Dev_projects_v2"
],
"file_names": [
"/users/alex/dev_projects_v2/apps/test_echo_app/_incoming/feature1.md"
],
"endpoint_paths": [],
"target_doc_hints": [],
"matched_aliases": [],
"process_domain": null,
"process_subdomain": null,
"scope_type": "unknown",
"candidate_domains": [],
"candidate_subdomains": [],
"candidate_entities": [],
"candidate_apis": [],
"signal_types": [
"DOMAIN_ENTITY"
]
},
"confidence": 0.8,
"routing_mode": "llm_default",
"llm_router_used": true,
"reason_short": "Запрос явно указывает на обновление документации по системной аналитике из указанного файла feature1.md.",
"rag_session_id": "07b0a164-32cd-47cc-ba4d-ae814cadec74"
}
```
## process.v2.pipeline
```json
{
"event": "router_resolved",
"domain": "DOCS",
"intent": "DOC_UPDATE",
"subintent": "FROM_FEATURE",
"confidence": 0.8
}
```
## process.v2.pipeline
```json
{
"event": "anchors_extracted",
"signal_types": [
"DOMAIN_ENTITY"
],
"endpoint_paths": [],
"target_doc_hints": [],
"matched_aliases": [],
"target_terms": []
}
```
## process.v2.pipeline
```json
{
"event": "alias_resolution",
"resolved_aliases": [],
"target_doc_hints": []
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_started",
"workflow_id": "v2.docs_update.from_feature"
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "resolve_source",
"title": "Определение источника аналитики"
},
"input": {},
"output": {
"source_kind": "markdown_file",
"source_ref": "/Users/alex/Dev_projects_v2/apps/test_echo_app/_incoming/feature1.md",
"issues": 0
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "load_source",
"title": "Загрузка системной аналитики"
},
"input": {},
"output": {
"source_kind": "markdown_file",
"content_loaded": true,
"project_root": "/Users/alex/Dev_projects_v2/apps/test_echo_app",
"issues": 0
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "parse_feature",
"title": "Парсинг функциональных требований"
},
"input": {},
"output": {
"analysis_id": "",
"domains": [],
"subdomains": [],
"units": 1,
"issues": 3
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "build_change_plan",
"title": "Построение плана изменений"
},
"input": {},
"output": {
"docs_rows": 26,
"planned_changes": 1,
"issues": 3
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "build_changeset",
"title": "Формирование changeset"
},
"input": {},
"output": {
"changeset_items": 1,
"issues": 3
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "finalize",
"title": "Подготовка ответа"
},
"input": {},
"output": {
"answer_length": 2340,
"issues": 3,
"changeset_items": 1
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_trace_flushed",
"workflow_id": "v2.docs_update.from_feature",
"steps": [
{
"step_id": "resolve_source",
"title": "Определение источника аналитики",
"input": {},
"output": {
"source_kind": "markdown_file",
"source_ref": "/Users/alex/Dev_projects_v2/apps/test_echo_app/_incoming/feature1.md",
"issues": 0
}
},
{
"step_id": "load_source",
"title": "Загрузка системной аналитики",
"input": {},
"output": {
"source_kind": "markdown_file",
"content_loaded": true,
"project_root": "/Users/alex/Dev_projects_v2/apps/test_echo_app",
"issues": 0
}
},
{
"step_id": "parse_feature",
"title": "Парсинг функциональных требований",
"input": {},
"output": {
"analysis_id": "",
"domains": [],
"subdomains": [],
"units": 1,
"issues": 3
}
},
{
"step_id": "build_change_plan",
"title": "Построение плана изменений",
"input": {},
"output": {
"docs_rows": 26,
"planned_changes": 1,
"issues": 3
}
},
{
"step_id": "build_changeset",
"title": "Формирование changeset",
"input": {},
"output": {
"changeset_items": 1,
"issues": 3
}
},
{
"step_id": "finalize",
"title": "Подготовка ответа",
"input": {},
"output": {
"answer_length": 2340,
"issues": 3,
"changeset_items": 1
}
}
]
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_completed",
"workflow_id": "v2.docs_update.from_feature"
}
```
## process.v2.pipeline
```json
{
"event": "answer_generated",
"answer_mode": "docs_update_changeset",
"answer_length": 2340,
"changeset_items": 1
}
```
## result
```json
{
"status": "done",
"answer": "DOC_UPDATE/FROM_FEATURE: результат построения changeset.\n\nОбнаружены несоответствия/нехватка данных:\n- Отсутствует analysis_id в metadata аналитики.\n- Отсутствует domains в metadata аналитики.\n- Отсутствует subdomains в metadata аналитики.\n\nПлан изменений:\n- create: docs/api/api-telegram-messages-get.md (api_method)\n\nChangeset (для плагина):\n```json\n[\n {\n \"op\": \"create\",\n \"path\": \"docs/api/api-telegram-messages-get.md\",\n \"base_hash\": null,\n \"proposed_content\": \"---\\nid: api.telegram.messages.get\\ntitle: Реализация эндпоинта `GET /telegram/messages`\\ndoc_type: api_method\\ndomain: unknown\\nsub_domain: unknown\\nstatus: generated\\nrelated_docs:\\n - TBD\\nsource_of_truth: system_analysis\\nsystem_analytics_refs:\\n - section: 5. Функциональные требования\\n---\\n\\n## Context\\n\\nЧерновик сгенерирован workflow DOC_UPDATE/FROM_FEATURE на основе системной аналитики.\\n\\n## Functional Requirements\\n\\nСценарий описывает поведение endpoint и включает все обязательные функциональные требования.\\n\\n1. Потребитель вызывает endpoint `GET /telegram/messages` и передает параметр `secret`.\\n2. Сервис сравнивает переданный `secret` со значением `APP_ENDPOINT_SECRET` из защищенной конфигурации.\\n3. Если `secret` не совпадает:\\n\\n- сервис возвращает отказ в доступе (`403 Forbidden`);\\n- обработка завершается;\\n- вызов в Telegram API не выполняется.\\n\\n1. Если `secret` совпадает, сервис выполняет вызов Telegram Bot API:\\n\\n- Метод: `getUpdates`;\\n- HTTP: `POST https://api.telegram.org/bot<TELEGRAM_BOT_TOKEN>/getUpdates`;\\n- Допустимые параметры запроса (по необходимости): `offset`, `limit`, `timeout`, `allowed_updates`.\\n\\n1. Сервис получает список update, выделяет непрочитанные (необработанные) сообщения и формирует доменный результат.\\n2. Сервис возвращает клиенту ответ в формате `AppResponseDto` (статус выполнения + полезная нагрузка).\\n3. Если Telegram API возвращает ошибку/некорректный ответ, сервис возвращает контролируемую ошибку без утечки внутренних данных интеграции.\\n\\nНеобходимые секреты для реализации сценария:\\n\\n- `APP_ENDPOINT_SECRET` - секрет для авторизации входящего запроса к endpoint;\\n- `TELEGRAM_BOT_TOKEN` - токен Telegram-бота для вызова метода `getUpdates`.\\n\",\n \"reason\": \"Из unit 'Реализация эндпоинта `GET /telegram/messages`' системной аналитики (analysis).\",\n \"hunks\": []\n }\n]\n```",
"completed_at": "2026-04-08T13:42:47.600078+00:00"
}
```
@@ -0,0 +1,306 @@
# Runtime Trace: 20260408-135621-3d42c447c174
- active_rag_session_id: 7bc8440f-382f-4df3-9a82-3d42c447c174
## request
```json
{
"request_id": "req_5bd727fe052841efbbd9f69651e57bca",
"session_id": "as_8d0e3b766f3a49b495e3074a3bcfe777",
"active_rag_session_id": "7bc8440f-382f-4df3-9a82-3d42c447c174",
"process_version": "v2",
"created_at": "2026-04-08T13:56:21.477390+00:00",
"message": "Напиши документацию по системной аналитике /Users/alex/Dev_projects_v2/apps/test_echo_app/_incoming/feature1.md"
}
```
## process.v2
```json
{
"event": "intent_routed",
"routing_domain": "DOCS",
"intent": "DOC_UPDATE",
"subintent": "FROM_FEATURE",
"normalized_query": "Напиши документацию по системной аналитике /Users/alex/Dev_projects_v2/apps/test_echo_app/_incoming/feature1.md",
"target_terms": [],
"anchors": {
"entity_names": [
"Users",
"Dev_projects_v2"
],
"file_names": [
"/users/alex/dev_projects_v2/apps/test_echo_app/_incoming/feature1.md"
],
"endpoint_paths": [],
"target_doc_hints": [],
"matched_aliases": [],
"process_domain": null,
"process_subdomain": null,
"scope_type": "unknown",
"candidate_domains": [],
"candidate_subdomains": [],
"candidate_entities": [],
"candidate_apis": [],
"signal_types": [
"DOMAIN_ENTITY"
]
},
"confidence": 0.8,
"routing_mode": "llm_default",
"llm_router_used": true,
"reason_short": "Запрос явно указывает на обновление документации по системной аналитике из указанного файла feature1.md.",
"rag_session_id": "7bc8440f-382f-4df3-9a82-3d42c447c174"
}
```
## process.v2.pipeline
```json
{
"event": "router_resolved",
"domain": "DOCS",
"intent": "DOC_UPDATE",
"subintent": "FROM_FEATURE",
"confidence": 0.8
}
```
## process.v2.pipeline
```json
{
"event": "anchors_extracted",
"signal_types": [
"DOMAIN_ENTITY"
],
"endpoint_paths": [],
"target_doc_hints": [],
"matched_aliases": [],
"target_terms": []
}
```
## process.v2.pipeline
```json
{
"event": "alias_resolution",
"resolved_aliases": [],
"target_doc_hints": []
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_started",
"workflow_id": "v2.docs_update.from_feature"
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "resolve_source",
"title": "Определение источника аналитики"
},
"input": {},
"output": {
"source_kind": "markdown_file",
"source_ref": "/Users/alex/Dev_projects_v2/apps/test_echo_app/_incoming/feature1.md",
"issues": 0
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "load_source",
"title": "Загрузка системной аналитики"
},
"input": {},
"output": {
"source_kind": "markdown_file",
"content_loaded": true,
"project_root": "/Users/alex/Dev_projects_v2/apps/test_echo_app",
"issues": 0
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "parse_feature",
"title": "Парсинг функциональных требований"
},
"input": {},
"output": {
"analysis_id": "",
"domains": [],
"subdomains": [],
"units": 1,
"issues": 3
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "build_change_plan",
"title": "Построение плана изменений"
},
"input": {},
"output": {
"docs_rows": 26,
"planned_changes": 1,
"issues": 3
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "build_changeset",
"title": "Формирование changeset"
},
"input": {},
"output": {
"changeset_items": 1,
"issues": 3
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "finalize",
"title": "Подготовка ответа"
},
"input": {},
"output": {
"answer_length": 2364,
"issues": 3,
"changeset_items": 1
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_trace_flushed",
"workflow_id": "v2.docs_update.from_feature",
"steps": [
{
"step_id": "resolve_source",
"title": "Определение источника аналитики",
"input": {},
"output": {
"source_kind": "markdown_file",
"source_ref": "/Users/alex/Dev_projects_v2/apps/test_echo_app/_incoming/feature1.md",
"issues": 0
}
},
{
"step_id": "load_source",
"title": "Загрузка системной аналитики",
"input": {},
"output": {
"source_kind": "markdown_file",
"content_loaded": true,
"project_root": "/Users/alex/Dev_projects_v2/apps/test_echo_app",
"issues": 0
}
},
{
"step_id": "parse_feature",
"title": "Парсинг функциональных требований",
"input": {},
"output": {
"analysis_id": "",
"domains": [],
"subdomains": [],
"units": 1,
"issues": 3
}
},
{
"step_id": "build_change_plan",
"title": "Построение плана изменений",
"input": {},
"output": {
"docs_rows": 26,
"planned_changes": 1,
"issues": 3
}
},
{
"step_id": "build_changeset",
"title": "Формирование changeset",
"input": {},
"output": {
"changeset_items": 1,
"issues": 3
}
},
{
"step_id": "finalize",
"title": "Подготовка ответа",
"input": {},
"output": {
"answer_length": 2364,
"issues": 3,
"changeset_items": 1
}
}
]
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_completed",
"workflow_id": "v2.docs_update.from_feature"
}
```
## process.v2.pipeline
```json
{
"event": "answer_generated",
"answer_mode": "docs_update_changeset",
"answer_length": 2364,
"changeset_items": 1,
"apply_changeset": false
}
```
## result
```json
{
"status": "done",
"answer": "DOC_UPDATE/FROM_FEATURE: результат построения changeset.\n\nОбнаружены несоответствия/нехватка данных:\n- Отсутствует analysis_id в metadata аналитики.\n- Отсутствует domains в metadata аналитики.\n- Отсутствует subdomains в metadata аналитики.\n\nПлан изменений:\n- create: docs/api/api-telegram-messages-get.md (api_method)\n\nChangeset (для плагина):\n```json\n[\n {\n \"op\": \"create\",\n \"path\": \"docs/api/api-telegram-messages-get.md\",\n \"base_hash\": null,\n \"proposed_content\": \"---\\nid: api.telegram.messages.get\\ntitle: Реализация эндпоинта `GET /telegram/messages`\\ndoc_type: api_method\\ndomain: unknown\\nsub_domain: unknown\\nstatus: generated\\nrelated_docs:\\n - TBD\\nsource_of_truth: system_analysis\\nsystem_analytics_refs:\\n - section: 5. Функциональные требования\\n---\\n\\n## Context\\n\\nЧерновик сгенерирован workflow DOC_UPDATE/FROM_FEATURE на основе системной аналитики.\\n\\n## Functional Requirements\\n\\nСценарий описывает поведение endpoint и включает все обязательные функциональные требования.\\n\\n1. Потребитель вызывает endpoint `GET /telegram/messages` и передает параметр `secret`.\\n2. Сервис сравнивает переданный `secret` со значением `APP_ENDPOINT_SECRET` из защищенной конфигурации.\\n3. Если `secret` не совпадает:\\n\\n- сервис возвращает отказ в доступе (`403 Forbidden`);\\n- обработка завершается;\\n- вызов в Telegram API не выполняется.\\n\\n1. Если `secret` совпадает, сервис выполняет вызов Telegram Bot API:\\n\\n- Метод: `getUpdates`;\\n- HTTP: `POST https://api.telegram.org/bot<TELEGRAM_BOT_TOKEN>/getUpdates`;\\n- Допустимые параметры запроса (по необходимости): `offset`, `limit`, `timeout`, `allowed_updates`.\\n\\n1. Сервис получает список update, выделяет непрочитанные (необработанные) сообщения и формирует доменный результат.\\n2. Сервис возвращает клиенту ответ в формате `AppResponseDto` (статус выполнения + полезная нагрузка).\\n3. Если Telegram API возвращает ошибку/некорректный ответ, сервис возвращает контролируемую ошибку без утечки внутренних данных интеграции.\\n\\nНеобходимые секреты для реализации сценария:\\n\\n- `APP_ENDPOINT_SECRET` - секрет для авторизации входящего запроса к endpoint;\\n- `TELEGRAM_BOT_TOKEN` - токен Telegram-бота для вызова метода `getUpdates`.\\n\",\n \"reason\": \"Из unit 'Реализация эндпоинта `GET /telegram/messages`' системной аналитики (analysis).\",\n \"hunks\": []\n }\n]\n```\n\napply_changeset: false",
"completed_at": "2026-04-08T13:56:24.354339+00:00"
}
```
@@ -0,0 +1,306 @@
# Runtime Trace: 20260408-135847-14bbe60d0cc3
- active_rag_session_id: 3be9766d-2a4d-4fa6-9d86-14bbe60d0cc3
## request
```json
{
"request_id": "req_6662d31380114d628963f48516560a7e",
"session_id": "as_6df21081790f4954b93cc47f6f418554",
"active_rag_session_id": "3be9766d-2a4d-4fa6-9d86-14bbe60d0cc3",
"process_version": "v2",
"created_at": "2026-04-08T13:58:47.981631+00:00",
"message": "Напиши документацию по системной аналитике /Users/alex/Dev_projects_v2/apps/test_echo_app/_incoming/feature1.md"
}
```
## process.v2
```json
{
"event": "intent_routed",
"routing_domain": "DOCS",
"intent": "DOC_UPDATE",
"subintent": "FROM_FEATURE",
"normalized_query": "Напиши документацию по системной аналитике /Users/alex/Dev_projects_v2/apps/test_echo_app/_incoming/feature1.md",
"target_terms": [],
"anchors": {
"entity_names": [
"Users",
"Dev_projects_v2"
],
"file_names": [
"/users/alex/dev_projects_v2/apps/test_echo_app/_incoming/feature1.md"
],
"endpoint_paths": [],
"target_doc_hints": [],
"matched_aliases": [],
"process_domain": null,
"process_subdomain": null,
"scope_type": "unknown",
"candidate_domains": [],
"candidate_subdomains": [],
"candidate_entities": [],
"candidate_apis": [],
"signal_types": [
"DOMAIN_ENTITY"
]
},
"confidence": 0.8,
"routing_mode": "llm_default",
"llm_router_used": true,
"reason_short": "Запрос явно указывает на обновление документации по указанному файлу feature1.md.",
"rag_session_id": "3be9766d-2a4d-4fa6-9d86-14bbe60d0cc3"
}
```
## process.v2.pipeline
```json
{
"event": "router_resolved",
"domain": "DOCS",
"intent": "DOC_UPDATE",
"subintent": "FROM_FEATURE",
"confidence": 0.8
}
```
## process.v2.pipeline
```json
{
"event": "anchors_extracted",
"signal_types": [
"DOMAIN_ENTITY"
],
"endpoint_paths": [],
"target_doc_hints": [],
"matched_aliases": [],
"target_terms": []
}
```
## process.v2.pipeline
```json
{
"event": "alias_resolution",
"resolved_aliases": [],
"target_doc_hints": []
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_started",
"workflow_id": "v2.docs_update.from_feature"
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "resolve_source",
"title": "Определение источника аналитики"
},
"input": {},
"output": {
"source_kind": "markdown_file",
"source_ref": "/Users/alex/Dev_projects_v2/apps/test_echo_app/_incoming/feature1.md",
"issues": 0
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "load_source",
"title": "Загрузка системной аналитики"
},
"input": {},
"output": {
"source_kind": "markdown_file",
"content_loaded": true,
"project_root": "/Users/alex/Dev_projects_v2/apps/test_echo_app",
"issues": 0
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "parse_feature",
"title": "Парсинг функциональных требований"
},
"input": {},
"output": {
"analysis_id": "",
"domains": [],
"subdomains": [],
"units": 1,
"issues": 3
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "build_change_plan",
"title": "Построение плана изменений"
},
"input": {},
"output": {
"docs_rows": 26,
"planned_changes": 1,
"issues": 3
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "build_changeset",
"title": "Формирование changeset"
},
"input": {},
"output": {
"changeset_items": 1,
"issues": 3
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_step_traced",
"workflow_id": "v2.docs_update.from_feature",
"step": {
"id": "finalize",
"title": "Подготовка ответа"
},
"input": {},
"output": {
"answer_length": 2363,
"issues": 3,
"changeset_items": 1
}
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_trace_flushed",
"workflow_id": "v2.docs_update.from_feature",
"steps": [
{
"step_id": "resolve_source",
"title": "Определение источника аналитики",
"input": {},
"output": {
"source_kind": "markdown_file",
"source_ref": "/Users/alex/Dev_projects_v2/apps/test_echo_app/_incoming/feature1.md",
"issues": 0
}
},
{
"step_id": "load_source",
"title": "Загрузка системной аналитики",
"input": {},
"output": {
"source_kind": "markdown_file",
"content_loaded": true,
"project_root": "/Users/alex/Dev_projects_v2/apps/test_echo_app",
"issues": 0
}
},
{
"step_id": "parse_feature",
"title": "Парсинг функциональных требований",
"input": {},
"output": {
"analysis_id": "",
"domains": [],
"subdomains": [],
"units": 1,
"issues": 3
}
},
{
"step_id": "build_change_plan",
"title": "Построение плана изменений",
"input": {},
"output": {
"docs_rows": 26,
"planned_changes": 1,
"issues": 3
}
},
{
"step_id": "build_changeset",
"title": "Формирование changeset",
"input": {},
"output": {
"changeset_items": 1,
"issues": 3
}
},
{
"step_id": "finalize",
"title": "Подготовка ответа",
"input": {},
"output": {
"answer_length": 2363,
"issues": 3,
"changeset_items": 1
}
}
]
}
```
## workflow.v2.docs_update.from_feature
```json
{
"event": "workflow_completed",
"workflow_id": "v2.docs_update.from_feature"
}
```
## process.v2.pipeline
```json
{
"event": "answer_generated",
"answer_mode": "docs_update_changeset",
"answer_length": 2363,
"changeset_items": 1,
"apply_changeset": true
}
```
## result
```json
{
"status": "done",
"answer": "DOC_UPDATE/FROM_FEATURE: результат построения changeset.\n\nОбнаружены несоответствия/нехватка данных:\n- Отсутствует analysis_id в metadata аналитики.\n- Отсутствует domains в metadata аналитики.\n- Отсутствует subdomains в metadata аналитики.\n\nПлан изменений:\n- create: docs/api/api-telegram-messages-get.md (api_method)\n\nChangeset (для плагина):\n```json\n[\n {\n \"op\": \"create\",\n \"path\": \"docs/api/api-telegram-messages-get.md\",\n \"base_hash\": null,\n \"proposed_content\": \"---\\nid: api.telegram.messages.get\\ntitle: Реализация эндпоинта `GET /telegram/messages`\\ndoc_type: api_method\\ndomain: unknown\\nsub_domain: unknown\\nstatus: generated\\nrelated_docs:\\n - TBD\\nsource_of_truth: system_analysis\\nsystem_analytics_refs:\\n - section: 5. Функциональные требования\\n---\\n\\n## Context\\n\\nЧерновик сгенерирован workflow DOC_UPDATE/FROM_FEATURE на основе системной аналитики.\\n\\n## Functional Requirements\\n\\nСценарий описывает поведение endpoint и включает все обязательные функциональные требования.\\n\\n1. Потребитель вызывает endpoint `GET /telegram/messages` и передает параметр `secret`.\\n2. Сервис сравнивает переданный `secret` со значением `APP_ENDPOINT_SECRET` из защищенной конфигурации.\\n3. Если `secret` не совпадает:\\n\\n- сервис возвращает отказ в доступе (`403 Forbidden`);\\n- обработка завершается;\\n- вызов в Telegram API не выполняется.\\n\\n1. Если `secret` совпадает, сервис выполняет вызов Telegram Bot API:\\n\\n- Метод: `getUpdates`;\\n- HTTP: `POST https://api.telegram.org/bot<TELEGRAM_BOT_TOKEN>/getUpdates`;\\n- Допустимые параметры запроса (по необходимости): `offset`, `limit`, `timeout`, `allowed_updates`.\\n\\n1. Сервис получает список update, выделяет непрочитанные (необработанные) сообщения и формирует доменный результат.\\n2. Сервис возвращает клиенту ответ в формате `AppResponseDto` (статус выполнения + полезная нагрузка).\\n3. Если Telegram API возвращает ошибку/некорректный ответ, сервис возвращает контролируемую ошибку без утечки внутренних данных интеграции.\\n\\nНеобходимые секреты для реализации сценария:\\n\\n- `APP_ENDPOINT_SECRET` - секрет для авторизации входящего запроса к endpoint;\\n- `TELEGRAM_BOT_TOKEN` - токен Telegram-бота для вызова метода `getUpdates`.\\n\",\n \"reason\": \"Из unit 'Реализация эндпоинта `GET /telegram/messages`' системной аналитики (analysis).\",\n \"hunks\": []\n }\n]\n```\n\napply_changeset: true",
"completed_at": "2026-04-08T13:58:52.631789+00:00"
}
```
File diff suppressed because one or more lines are too long
File diff suppressed because one or more lines are too long
File diff suppressed because one or more lines are too long
File diff suppressed because one or more lines are too long
File diff suppressed because one or more lines are too long
+1 -1
View File
@@ -1,6 +1,6 @@
from app.core.agent.processes.base import AgentProcess, ProcessResult
from app.core.agent.processes.v1.process import V1Process
from app.core.agent.processes.v2.process import V2Process
from app.core.agent.processes.v2.v2_process import V2Process
__all__ = [
"AgentProcess",
+5
View File
@@ -2,8 +2,11 @@ from __future__ import annotations
from abc import ABC, abstractmethod
from dataclasses import dataclass
from dataclasses import field
from typing import TYPE_CHECKING
from app.schemas.changeset import ChangeItem
if TYPE_CHECKING:
from app.core.agent.runtime.execution_context import RuntimeExecutionContext
@@ -11,6 +14,8 @@ if TYPE_CHECKING:
@dataclass(slots=True)
class ProcessResult:
answer: str = ""
changeset: list[ChangeItem] = field(default_factory=list)
apply_changeset: bool = False
class AgentProcess(ABC):
+8 -1
View File
@@ -1,4 +1,11 @@
from app.core.agent.processes.v2.process import V2Process
from app.core.agent.processes.v2.intent_router.router import V2IntentRouter
__all__ = ["V2IntentRouter", "V2Process"]
def __getattr__(name: str):
if name == "V2Process":
from app.core.agent.processes.v2.v2_process import V2Process
return V2Process
raise AttributeError(name)
Binary file not shown.
@@ -0,0 +1,53 @@
# Documentation Rules Index
Этот каталог содержит локализованную проекцию правил построения документации проекта.
Источником истины для структуры и качества документов являются process-документы:
- `/Users/alex/Dev_projects_v2/ai driven app process/v2/agent/_process/01. Process.md`
- `/Users/alex/Dev_projects_v2/ai driven app process/v2/agent/_process/04. Analitycs artefacts.md`
Файлы ниже не должны противоречить этим документам, а лишь конкретизируют их для `test_echo_app`.
## Порядок использования
1. Сначала прочитать `global/documentation-system.md`.
2. Затем прочитать `global/frontmatter.md` и `global/linking.md`.
3. Затем выбрать правило из `artifact-types/` по `doc_type`.
4. Затем использовать шаблон из `templates/`.
5. Для уточнения отдельных частей документа использовать правила из `sections/`.
## Структура каталога
- `global/` — общие правила системы документации.
- `artifact-types/` — правила по типам артефактов.
- `sections/` — правила для отдельных секций документов.
- `templates/` — шаблоны документов.
## Содержимое
### Global
- `global/documentation-system.md`
- `global/frontmatter.md`
- `global/writing-style.md`
- `global/linking.md`
- `global/naming.md`
### Artifact types
- `artifact-types/api_method.md`
- `artifact-types/logic_block.md`
- `artifact-types/architecture_overview.md`
- `artifact-types/domain_entity.md`
- `artifact-types/ui_page.md`
- `artifact-types/integration_doc.md`
### Sections
- `sections/summary.md`
- `sections/details.md`
- `sections/api-scenario.md`
- `sections/api-contract.md`
- `sections/requirements-format.md`
### Templates
- `templates/api_method.template.md`
- `templates/logic_block.template.md`
- `templates/architecture_overview.template.md`
- `templates/domain_entity.template.md`
@@ -0,0 +1,39 @@
# API Method Rules
## Назначение
Этот файл задает правила для документов типа `api_method`.
## Когда использовать
Использовать для описания одного HTTP endpoint или одного отдельного API метода.
## Обязательная структура
Документ должен содержать:
- YAML frontmatter
- `# <title>`
- `## Summary`
- `## Details`
Внутри `## Details` обязательны:
- `### Описание`
- `### Сценарий`
- `### Функциональные требования`
- `### Нефункциональные требования`
- `### Контракт`
## Особые правила
- Сценарий оформляется как технический use case.
- Функциональные требования маркируются `FR-*`.
- Нефункциональные требования маркируются `NFR-*`.
- Контракт должен быть пригоден для последующей сборки OpenAPI.
- Если у метода есть интеграции, они выносятся в `### Интеграции`.
- Ошибки и HTTP-коды либо описываются в `### Ошибки`, либо ссылаются на централизованный каталог ошибок.
## Ошибки оформления
- Нельзя заменять контракт общим текстовым описанием.
- Нельзя смешивать несколько endpoint в одном документе.
- Нельзя хранить связи и навигацию вне frontmatter.
@@ -0,0 +1,31 @@
# Architecture Overview Rules
## Назначение
Этот файл задает правила для документов типа `architecture_overview`.
## Когда использовать
Использовать как входной документ для понимания системы, модуля или сервиса.
## Обязательная структура
Документ должен содержать:
- YAML frontmatter
- `# <title>`
- `## Summary`
- `## Details`
## Что описывать в Details
- границы системы
- основные компоненты
- ключевые взаимодействия
- интеграционные сценарии
- главные ограничения
- ссылки на дочерние документы по API, logic, domain и другим артефактам
## Ошибки оформления
- Нельзя дублировать в архитектурном обзоре полные API-контракты.
- Нельзя делать архитектурный обзор единственным документом на всю систему без декомпозиции.
@@ -0,0 +1,30 @@
# Domain Entity Rules
## Назначение
Этот файл задает правила для документов типа `domain_entity`.
## Когда использовать
Использовать для описания одной доменной сущности, ее смысла, состояния и роли в системе.
## Обязательная структура
Документ должен содержать:
- YAML frontmatter
- `# <title>`
- `## Summary`
- `## Details`
## Что описывать в Details
- смысл сущности
- ключевые атрибуты
- состояния или инварианты
- использование сущности в системе
- интеграции с API, workflow или внешними потребителями, если они важны для понимания модели
## Ошибки оформления
- Нельзя смешивать несколько независимых сущностей в одном документе.
- Нельзя подменять доменную сущность описанием endpoint или workflow.
@@ -0,0 +1,25 @@
# Integration Doc Rules
## Назначение
Этот файл задает правила для документов типа `integration_doc`.
## Когда использовать
Использовать для описания интеграции между системами, сервисами или внешними провайдерами.
## Обязательная структура
Документ должен содержать:
- YAML frontmatter
- `# <title>`
- `## Summary`
- `## Details`
## Что описывать в Details
- цель интеграции
- участвующие стороны
- направление обмена
- ключевой сценарий взаимодействия
- ограничения и риски
@@ -0,0 +1,31 @@
# Logic Block Rules
## Назначение
Этот файл задает правила для документов типа `logic_block`.
## Когда использовать
Использовать для описания одного законченного блока логики, workflow или процесса.
## Обязательная структура
Документ должен содержать:
- YAML frontmatter
- `# <title>`
- `## Summary`
- `## Details`
## Что описывать в Details
- назначение логического блока
- входы и выходы
- последовательность выполнения
- интеграции
- ключевые ограничения
- состояние и ошибки, если они важны для понимания блока
## Ошибки оформления
- Нельзя описывать весь модуль целиком, если логика распадается на несколько независимых блоков.
- Нельзя превращать документ в пересказ исходного кода построчно.
@@ -0,0 +1,24 @@
# UI Page Rules
## Назначение
Этот файл задает правила для документов типа `ui_page`.
## Когда использовать
Использовать для описания одной пользовательской страницы, экрана или отдельного UI-сценария.
## Обязательная структура
Документ должен содержать:
- YAML frontmatter
- `# <title>`
- `## Summary`
- `## Details`
## Что описывать в Details
- назначение страницы
- пользовательский сценарий
- основные блоки интерфейса
- связанные API и сущности
@@ -0,0 +1,71 @@
# Documentation Rules
Этот каталог оформляет MVP документации проекта в атомарном формате.
## Базовая структура
- Каждый документ содержит YAML frontmatter.
- В документе должен быть один `H1`, совпадающий с `title`.
- Основные разделы оформляются как `## Summary` и `## Details`.
- Внутри `Details` используются заголовки уровня `###` и ниже.
- Связи, сущности и навигация описываются во frontmatter через `related_docs`, `links`, `entities`, `parent`, `children`.
## Summary
- Краткий explain-слой быстрого контекста.
- Должен позволять быстро понять назначение документа без чтения `Details`.
- Предпочтительный формат: компактный список ключевых фактов без длинных абзацев.
## Details
- Раскрывает полное описание объекта.
- Структура `Details` зависит от типа документа.
- Сценарии, ограничения, интеграции, ошибки и кодовые привязки должны быть разнесены по отдельным подразделам.
## API documents
Для `api_method` внутри `## Details` обязательны разделы:
- `### Описание`
- `### Сценарий`
- `### Функциональные требования`
- `### Нефункциональные требования`
- `### Контракт`
Если у метода есть интеграции и ошибки, также обязательны:
- `### Интеграции`
- `### Ошибки`
- `### Связанный код`
- `### История изменений`
### Сценарий
Сценарий оформляется как технический use case и содержит:
- название
- предусловия
- триггер
- основной сценарий
- альтернативный сценарий
- обработку ошибок
- постусловие
### Требования
- Функциональные требования маркируются как `FR-1`, `FR-2`, ...
- Нефункциональные требования маркируются как `NFR-1`, `NFR-2`, ...
- Идентификаторы требований локальны в рамках одного документа.
### Контракт
Контракт должен быть пригоден для последующей сборки OpenAPI-спецификации и включать:
- входные параметры
- выходные параметры
- структуру JSON-сообщений
- обязательность полей
- типы и ограничения
- описание полей
- правила заполнения
- примеры данных
- auth
- idempotency
- timeout
- ошибки и их HTTP-коды
@@ -0,0 +1,38 @@
# Documentation System
## Назначение
Этот файл задает общую модель документации проекта.
## Базовая модель
Каждый документ должен состоять из двух слоев:
- YAML frontmatter
- контент
Контент всегда состоит из двух обязательных разделов:
- `## Summary`
- `## Details`
Над ними должен быть один заголовок `# <title>`, совпадающий со значением `title` во frontmatter.
## Принципы
- Документы должны быть атомарными.
- Один документ описывает одну тему.
- Вместо дублирования между документами используются явные ссылки.
- Связи и навигация должны быть формализованы.
- Документы должны быть пригодны для чтения человеком и для RAG.
- Документы должны быть пригодны для частичного обновления без деградации структуры.
## Типы документов
На уровне проекта поддерживаются типы:
- `api_method`
- `logic_block`
- `architecture_overview`
- `domain_entity`
- `ui_page`
- `integration_doc`
- `index_page`
- `glossary_item`
@@ -0,0 +1,67 @@
# Frontmatter Rules
## Назначение
Этот файл описывает единый контракт YAML frontmatter для всех документов.
## Обязательные поля
```yaml
id: string
title: string
doc_type: string
domain: string
sub_domain: string
related_docs: []
status: string
```
## Поля совместимости и рекомендуемые поля
```yaml
type: string
name: string
module: string
layer: string
updated_at: YYYY-MM-DD
tags: []
entities: []
parent: string | null
children: []
links: {}
source_of_truth: string
related_code: []
system_analytics_refs: []
```
## Правила
- `id` должен быть стабильным и уникальным в пределах документации проекта.
- `title` — человекочитаемый заголовок.
- `doc_type` — канонический тип документа.
- `domain` и `sub_domain` определяют бизнес-контекст документа.
- `related_docs` хранит явные связи с другими markdown-документами.
- `status` хранит жизненный цикл документа: например `draft`, `approved`, `active`.
- `type` допустимо дублировать как alias для tooling-совместимости с индексаторами.
- `name` — короткое системное имя документа.
- `module` — модуль или подсистема.
- `layer` — слой системы.
- `updated_at` хранится в формате `YYYY-MM-DD`.
## Связи и навигация
- `entities` описывает сущности, связанные с документом.
- `parent` и `children` описывают иерархию.
- `links` описывает typed graph связей между документами, кодом и интеграциями.
## Формат links
```yaml
links:
called_by:
- ext.health_probe
uses_logic:
- logic.some_flow
integrates_with:
- ext.some_system
```
@@ -0,0 +1,33 @@
# Linking Rules
## Назначение
Этот файл описывает, как связывать документы между собой.
## Иерархия
- `parent` используется для родительского документа.
- `children` используется для прямых дочерних документов.
- Иерархия должна быть осмысленной и стабильной.
- Для общей точки входа допустим `index_page`.
## Графовые связи
Для `related_docs` используются ссылки на соседние документы.
Для `links` рекомендуется использовать typed-ключи:
- `called_by`
- `uses_logic`
- `reads_db`
- `writes_db`
- `integrates_with`
- `used_by`
- `exposes_api`
- `uses_entities`
## Правила использования
- Если документ логически входит в другой, использовать `parent`/`children`.
- Если связь нужна для навигации между равноправными документами, дублировать ее в `related_docs`.
- Если связь отражает поведение, интеграции или переиспользование, фиксировать ее в `links`.
- Детальное описание интеграций хранить в body документа, а не только во frontmatter.
@@ -0,0 +1,24 @@
# Naming Rules
## Назначение
Этот файл описывает правила именования документов, файлов и идентификаторов.
## Правила для файлов
- Имена файлов должны быть в kebab-case.
- Имя файла должно отражать одну тему.
- Для шаблонов использовать суффикс `.template.md`.
## Правила для id
- `id` строится в формате `<type-group>.<name>`.
- Примеры:
- `api.send_message_endpoint`
- `logic.telegram_notification_loop`
- `architecture.telegram_notify_app`
## Правила для title
- `title` должен быть кратким и человекочитаемым.
- В `title` допускаются пробелы и естественный язык.
@@ -0,0 +1,19 @@
# Writing Style
## Назначение
Этот файл задает правила стиля для текстового наполнения документации.
## Правила стиля
- Текст должен быть лаконичным.
- Формулировки должны быть точными и техническими.
- Summary должен быть кратким explain-слоем.
- Details должен раскрывать суть без лишней воды.
- Нежелательно смешивать несколько тем в одном документе.
- Если детали относятся к другому артефакту, их нужно выносить в отдельный документ.
## Язык
- Основной язык документации — русский.
- Технические термины, названия классов, API, RAG, OpenAPI, runtime и другие устоявшиеся identifiers можно оставлять на английском.
@@ -0,0 +1,24 @@
# API Contract Rules
## Назначение
Этот файл описывает, как оформлять подраздел `## Контракт` в API-документах.
## Что должно быть описано
- входные параметры
- выходные параметры
- JSON-структуры запросов и ответов
- обязательность полей
- типы полей
- ограничения
- описание назначения полей
- примеры данных
- auth
- idempotency
- timeout
- ошибки и их HTTP-коды
## Правило качества
Контракт должен быть достаточно формальным, чтобы по нему можно было собрать OpenAPI-спецификацию.
@@ -0,0 +1,21 @@
# API Scenario Rules
## Назначение
Этот файл описывает, как оформлять подраздел `### Сценарий` в API-документах.
## Обязательные части
- название
- предусловия
- триггер
- основной сценарий
- альтернативный сценарий
- обработка ошибок
- постусловие
## Правила
- Сценарий должен быть лаконичным.
- Сценарий должен отражать суть шага.
- Сложные технические детали надо выносить в `FR-*`.
@@ -0,0 +1,13 @@
# Details Section Rules
## Назначение
Этот файл задает общие правила для секции `## Details`.
## Правила
- `Details` оформляется как `## Details`.
- Внутри `Details` используются заголовки уровня `###` и ниже.
- Структура Details зависит от типа документа.
- В Details не нужно повторно дублировать навигацию и связи, если они уже есть во frontmatter.
- Интеграции, ошибки и кодовые привязки должны быть выделены в отдельные подразделы, если они существенны для понимания документа.
@@ -0,0 +1,16 @@
# Requirements Format Rules
## Назначение
Этот файл задает формат для функциональных и нефункциональных требований.
## Функциональные требования
- Использовать коды `FR-1`, `FR-2`, `FR-3` и так далее.
- Каждое требование должно описывать отдельный обязательный аспект поведения.
- Идентификаторы локальны в пределах одного документа.
## Нефункциональные требования
- Использовать коды `NFR-1`, `NFR-2`, `NFR-3` и так далее.
- Требования должны описывать характеристики качества, ограничения и эксплуатационные свойства.
@@ -0,0 +1,13 @@
# Summary Section Rules
## Назначение
Этот файл задает правила для секции `## Summary`.
## Правила
- Summary должен быть коротким explain-слоем быстрого контекста.
- Summary должен объяснять суть документа без лишних деталей.
- Summary должен быть пригоден для explain и быстрого чтения.
- Предпочтительный формат: список ключевых фактов `Purpose`, `Actor`, `Trigger`, `Errors`, `Related ...` и т.д.
- Для крупных документов допустим более длинный summary, если он остается структурированным.
@@ -0,0 +1,84 @@
---
id: api.example_method
type: api_method
doc_type: api_method
name: example_method
title: HTTP API /example
module: example_module
layer: application
domain: example_domain
sub_domain: example_subdomain
related_docs: []
status: draft
updated_at: 2026-03-20
source_of_truth: code
parent: null
children: []
tags: []
entities: []
links: {}
---
# HTTP API /example
## Summary
Краткое описание метода.
## Details
## Описание
Короткое описание сути метода.
## Сценарий
**Название:**
**Предусловия:**
-
**Триггер:**
-
**Основной сценарий:**
1.
**Альтернативный сценарий:**
1.
**Обработка ошибок:**
1.
**Постусловие:**
-
## Функциональные требования
**FR-1.**
## Нефункциональные требования
**NFR-1.**
## Контракт
### Входные параметры
| Параметр | Где передается | Тип | Обязательность | Ограничения | Описание | Пример |
|---|---|---|---|---|---|---|
| | | | | | | |
### Выходные параметры
| Поле | Тип | Обязательность | Ограничения | Описание | Заполнение | Пример |
|---|---|---|---|---|---|---|
| | | | | | | |
### Интеграции
### Ошибки
### Связанный код
### История изменений
@@ -0,0 +1,48 @@
---
id: architecture.example_system
type: architecture_overview
doc_type: architecture_overview
name: example_system
title: Обзор архитектуры Example System
module: example_module
layer: system
domain: example_domain
sub_domain: example_subdomain
related_docs: []
status: draft
updated_at: 2026-03-20
source_of_truth: mixed
parent: null
children: []
tags: []
entities: []
links: {}
---
# Обзор архитектуры Example System
## Summary
Краткое описание архитектуры.
## Details
### Описание
### Контекст
### Границы системы
### Компоненты
### Интеграционные сценарии
### Интеграции
### Ограничения
### Связанный код
### Связанные документы
### История изменений
@@ -0,0 +1,48 @@
---
id: domain.example_entity
type: domain_entity
doc_type: domain_entity
name: example_entity
title: Пример доменной сущности
module: example_module
layer: domain
domain: example_domain
sub_domain: example_subdomain
related_docs: []
status: draft
updated_at: 2026-03-20
source_of_truth: code
parent: null
children: []
tags: []
entities: []
links: {}
---
# Пример доменной сущности
## Summary
Краткое описание сущности.
## Details
### Описание
### Модель данных
### Состояния и инварианты
### Технический use case
### Функциональные требования
### Нефункциональные требования
### Интеграции
### Связанный код
### Связанные документы
### История изменений
@@ -0,0 +1,50 @@
---
id: logic.example_block
type: logic_block
doc_type: logic_block
name: example_block
title: Пример блока логики
module: example_module
layer: application
domain: example_domain
sub_domain: example_subdomain
related_docs: []
status: draft
updated_at: 2026-03-20
source_of_truth: code
parent: null
children: []
tags: []
entities: []
links: {}
---
# Пример блока логики
## Summary
Краткое описание блока логики.
## Details
### Описание
### Контекст
### Технический use case
### Функциональные требования
### Нефункциональные требования
### Интеграции
### Ограничения и условия вызова
### Ошибки и деградации
### Связанные API
### Связанный код
### История изменений
@@ -16,3 +16,4 @@ class QueryFeatures:
logic_markers: list[str]
domain_markers: list[str]
endpoint_markers: list[str]
scope_type: str = "unknown"
@@ -4,7 +4,7 @@ import re
from dataclasses import dataclass
from app.core.agent.processes.v2.intent_router.modules.target_terms import TargetTermsAnalysis
from app.core.agent.processes.v2.models import V2RouteAnchors
from app.core.agent.utils.process_v2.models import V2RouteAnchors
@dataclass(slots=True)
@@ -0,0 +1,176 @@
"""Build an in-memory DOCS scope index from D1/D3 catalog rows (no chunk retrieval).
Parses metadata from ``D1_DOCUMENT_CATALOG`` and ``D3_ENTITY_CATALOG`` rows produced by the
existing RAG indexer—no additional layers or chunk scans.
"""
from __future__ import annotations
import re
from dataclasses import dataclass, field
def _norm_text(value: object) -> str:
return re.sub(r"\s+", " ", str(value or "").strip().lower())
def _split_multi(value: object) -> list[str]:
if value is None:
return []
if isinstance(value, list):
raw = value
else:
raw = re.split(r"[;,|]", str(value))
out: list[str] = []
for item in raw:
s = str(item).strip()
if s:
out.append(s)
return out
@dataclass(slots=True)
class DocsScopeCatalog:
"""Flattened terms from D1_DOCUMENT_CATALOG and D3_ENTITY_CATALOG for lexical grounding."""
domain_values: set[str] = field(default_factory=set)
subdomain_pairs: list[tuple[str, str]] = field(default_factory=list) # (domain, subdomain)
entity_records: list[dict[str, object]] = field(default_factory=list)
api_records: list[dict[str, object]] = field(default_factory=list)
def build_docs_scope_catalog(rows: list[dict]) -> DocsScopeCatalog:
"""Derive searchable terms from catalog layers only (existing RAG index rows)."""
catalog = DocsScopeCatalog()
for row in rows:
layer = str(row.get("layer") or "")
meta = row.get("metadata")
if not isinstance(meta, dict):
meta = {}
path = str(row.get("path") or "")
title = str(row.get("title") or "")
content = str(row.get("content") or "")
if layer == "D1_DOCUMENT_CATALOG":
_ingest_d1_row(catalog, path=path, title=title, content=content, metadata=meta)
elif layer == "D3_ENTITY_CATALOG":
_ingest_d3_row(catalog, path=path, title=title, metadata=meta)
return catalog
def _ingest_d1_row(
catalog: DocsScopeCatalog,
*,
path: str,
title: str,
content: str,
metadata: dict,
) -> None:
doc_type = _norm_text(metadata.get("type") or metadata.get("doc_type"))
domain = _norm_text(metadata.get("domain"))
subdomain = _norm_text(metadata.get("subdomain"))
name = _norm_text(metadata.get("name"))
summary = _norm_text(metadata.get("summary_text"))
endpoint = _norm_text(metadata.get("endpoint"))
entities = [_norm_text(e) for e in _split_multi(metadata.get("entities"))]
tags = [_norm_text(t) for t in _split_multi(metadata.get("tags"))]
if domain:
catalog.domain_values.add(domain)
if domain and subdomain:
catalog.subdomain_pairs.append((domain, subdomain))
blob = " ".join(x for x in (name, title, summary, content) if x)
for ent in entities:
if ent:
catalog.entity_records.append(
{
"name": ent,
"domain": domain or None,
"subdomain": subdomain or None,
"source_layer": "D1_DOCUMENT_CATALOG",
"path": path,
"blob": blob,
}
)
for tag in tags:
if tag and len(tag) >= 3:
catalog.entity_records.append(
{
"name": tag,
"domain": domain or None,
"subdomain": subdomain or None,
"source_layer": "D1_DOCUMENT_CATALOG",
"path": path,
"blob": blob,
}
)
is_api_method = doc_type == "api_method" or "api_method" in path.lower()
if is_api_method or endpoint:
ep = endpoint or _endpoint_from_title(title)
if ep:
catalog.api_records.append(
{
"endpoint": ep,
"domain": domain or None,
"source_layer": "D1_DOCUMENT_CATALOG",
"path": path,
"title": title,
}
)
def _ingest_d3_row(
catalog: DocsScopeCatalog,
*,
path: str,
title: str,
metadata: dict,
) -> None:
entity_name = str(metadata.get("entity_name") or "").strip()
domain = _norm_text(metadata.get("domain"))
subdomain = _norm_text(metadata.get("subdomain"))
module = _norm_text(metadata.get("module"))
source_path = str(metadata.get("source_path") or "").strip()
tags = [_norm_text(t) for t in _split_multi(metadata.get("tags"))]
if domain:
catalog.domain_values.add(domain)
if domain and subdomain:
catalog.subdomain_pairs.append((domain, subdomain))
blob = " ".join(
_norm_text(x)
for x in (entity_name, title, module, source_path, " ".join(tags))
if x
)
if entity_name:
catalog.entity_records.append(
{
"name": _norm_text(entity_name),
"domain": domain or None,
"subdomain": subdomain or None,
"module": module or None,
"source_layer": "D3_ENTITY_CATALOG",
"path": path or source_path,
"blob": blob,
}
)
def _endpoint_from_title(title: str) -> str:
t = str(title or "").strip()
if not t:
return ""
upper = t.upper()
for method in ("GET ", "POST ", "PUT ", "PATCH ", "DELETE "):
if method in upper:
idx = upper.index(method)
rest = t[idx:].split()
if len(rest) >= 2 and rest[1].startswith("/"):
return _norm_text(rest[1])
m = re.search(r"(\/[a-z0-9_./{}-]+)", t, re.IGNORECASE)
return _norm_text(m.group(1)) if m else ""
@@ -0,0 +1,443 @@
"""Deterministic scope resolution from query + derived DOCS catalog (pre-LLM).
Matches the user query against catalog terms (exact / normalized). Optional embedding-based
retrieval can extend candidates later; final ``scope_type`` never relies on embeddings alone.
"""
from __future__ import annotations
import re
from dataclasses import dataclass, field
from app.core.agent.processes.v2.intent_router.modules.scope_catalog import DocsScopeCatalog
from app.core.agent.processes.v2.intent_router.modules.target_terms import TargetTermsAnalysis
from app.core.agent.utils.process_v2.models import ScopeCandidate, V2ScopeType
_SCORE_EXACT = 1.0
_SCORE_NORMALIZED = 0.88
_SCORE_SOFT = 0.72
_STRONG_THRESHOLD = 0.85
_ENUM_MARKERS_RU = (
"какие ",
"какие\n",
"какой ",
"какого ",
"список",
"перечисли",
"перечислить",
"все api",
"все методы",
"какие api",
"какие методы",
"каких ",
)
_SINGLE_SEGMENT_ENDPOINT_ALLOWLIST = frozenset(
{
"/health",
"/send",
"/healthz",
"/ready",
"/live",
"/metrics",
}
)
_PROJECT_WIDE_MARKERS = (
"в проекте",
"в системе",
"в приложении",
"по проекту",
"во всем проекте",
"overall",
"in the project",
)
@dataclass(slots=True)
class ScopeResolution:
scope_type: str = V2ScopeType.UNKNOWN
candidate_domains: list[ScopeCandidate] = field(default_factory=list)
candidate_subdomains: list[ScopeCandidate] = field(default_factory=list)
candidate_entities: list[ScopeCandidate] = field(default_factory=list)
candidate_apis: list[ScopeCandidate] = field(default_factory=list)
strong_domain: str | None = None
strong_subdomain: str | None = None
strong_entity_names: list[str] = field(default_factory=list)
strong_endpoint_paths: list[str] = field(default_factory=list)
catalog_loaded: bool = False
def _catalog_has_index_terms(catalog: DocsScopeCatalog) -> bool:
return bool(
catalog.domain_values
or catalog.subdomain_pairs
or catalog.entity_records
or catalog.api_records
)
def plausible_doc_endpoint_paths(paths: list[str]) -> list[str]:
"""Drop spurious ``/token`` paths from api-like heuristics (e.g. ``/billing`` after ``api``)."""
out: list[str] = []
for raw in paths:
p = str(raw or "").strip().lower()
if not p.startswith("/"):
continue
segments = [s for s in p.split("/") if s]
if len(segments) >= 2:
out.append(p)
continue
if len(segments) == 1 and p in _SINGLE_SEGMENT_ENDPOINT_ALLOWLIST:
out.append(p)
continue
return out
def resolve_docs_scope(
normalized_query: str,
terms: TargetTermsAnalysis,
catalog: DocsScopeCatalog | None,
) -> ScopeResolution:
"""Lexical scope resolution; embeddings never set final scope alone (not used here)."""
resolution = ScopeResolution()
if catalog is None:
return resolution
if not _catalog_has_index_terms(catalog):
return resolution
resolution.catalog_loaded = True
query_l = _norm_query(normalized_query)
if not query_l:
resolution.scope_type = V2ScopeType.UNKNOWN
return resolution
_collect_domain_candidates(query_l, catalog, resolution)
_collect_subdomain_candidates(query_l, catalog, resolution)
_collect_entity_candidates(query_l, catalog, resolution)
_collect_api_candidates(query_l, catalog, resolution)
_dedupe_candidates(resolution)
endpoint_paths = plausible_doc_endpoint_paths(list(terms.endpoint_paths))
strong_api = _pick_strong(resolution.candidate_apis)
strong_entity = _pick_strong(resolution.candidate_entities)
strong_sub = _pick_strong(resolution.candidate_subdomains)
strong_dom = _pick_strong(resolution.candidate_domains)
resolution.strong_endpoint_paths = list(dict.fromkeys(endpoint_paths))
if endpoint_paths:
resolution.scope_type = V2ScopeType.ENTITY
resolution.strong_entity_names = _merge_unique(resolution.strong_entity_names, _entities_for_endpoints(endpoint_paths, catalog))
return resolution
if strong_api and strong_api.score >= _STRONG_THRESHOLD:
resolution.scope_type = V2ScopeType.ENTITY
resolution.strong_endpoint_paths = _merge_unique(resolution.strong_endpoint_paths, [strong_api.value])
return resolution
strong_sub_pre = _pick_strong(resolution.candidate_subdomains)
if (
strong_sub_pre
and strong_sub_pre.score >= _STRONG_THRESHOLD
and _subdomain_aligned_with_query(query_l, strong_sub_pre.value)
):
resolution.scope_type = V2ScopeType.SUBDOMAIN
parts = _split_subdomain_value(strong_sub_pre.value)
if parts:
resolution.strong_domain = parts[0]
resolution.strong_subdomain = parts[1]
return resolution
if strong_entity and strong_entity.score >= _STRONG_THRESHOLD:
resolution.scope_type = V2ScopeType.ENTITY
resolution.strong_entity_names = _merge_unique(
resolution.strong_entity_names,
[strong_entity.value],
)
return resolution
if strong_sub and strong_sub.score >= _STRONG_THRESHOLD:
resolution.scope_type = V2ScopeType.SUBDOMAIN
parts = _split_subdomain_value(strong_sub.value)
if parts:
resolution.strong_domain = parts[0]
resolution.strong_subdomain = parts[1]
return resolution
if strong_dom and strong_dom.score >= _STRONG_THRESHOLD:
resolution.scope_type = V2ScopeType.DOMAIN
resolution.strong_domain = strong_dom.value
return resolution
if _is_global_enumeration(query_l, has_strong_any=bool(_any_strong(resolution))):
resolution.scope_type = V2ScopeType.GLOBAL
return resolution
resolution.scope_type = V2ScopeType.UNKNOWN
return resolution
def promote_target_terms(
raw_terms: list[str],
terms: TargetTermsAnalysis,
resolution: ScopeResolution,
) -> list[str]:
"""Keep only high-confidence terms in ``target_terms``; weak matches stay in candidate_* only."""
if not resolution.catalog_loaded:
return list(raw_terms)
out: list[str] = []
strong_values = {c.value for c in _all_candidates(resolution) if c.score >= _STRONG_THRESHOLD}
strong_values |= {c.value for c in _all_candidates(resolution) if c.match_type == "exact"}
strong_entity = set(resolution.strong_entity_names)
endpoints = set(terms.endpoint_paths)
aliases = set(terms.matched_aliases)
for term in raw_terms:
t = str(term or "").strip()
if not t:
continue
tl = t.lower()
if t in endpoints or tl in {e.lower() for e in endpoints}:
_append_unique(out, tl if tl.startswith("/") else t)
continue
if t in aliases or tl in {a.lower() for a in aliases}:
_append_unique(out, tl)
continue
if tl in strong_values or t in strong_entity:
_append_unique(out, tl)
continue
if _is_explicit_identifier(t) and tl in strong_entity:
_append_unique(out, tl)
continue
# Drop weak/ungrounded terms (remain only in candidates on anchors)
return out
def _all_candidates(resolution: ScopeResolution) -> list[ScopeCandidate]:
return [
*resolution.candidate_domains,
*resolution.candidate_subdomains,
*resolution.candidate_entities,
*resolution.candidate_apis,
]
def _any_strong(resolution: ScopeResolution) -> bool:
return any(c.score >= _STRONG_THRESHOLD for c in _all_candidates(resolution))
def _pick_strong(candidates: list[ScopeCandidate]) -> ScopeCandidate | None:
if not candidates:
return None
return max(candidates, key=lambda c: (c.score, len(c.value)))
def _norm_query(q: str) -> str:
return re.sub(r"\s+", " ", str(q or "").strip().lower())
def _append_unique(items: list[str], value: str) -> None:
if value and value not in items:
items.append(value)
def _merge_unique(a: list[str], b: list[str]) -> list[str]:
return list(dict.fromkeys([*a, *b]))
def _is_explicit_identifier(token: str) -> bool:
return bool(re.fullmatch(r"[A-Za-z][A-Za-z0-9_]+", token))
def _split_subdomain_value(value: str) -> tuple[str, str] | None:
parts = str(value or "").split("::", 1)
if len(parts) == 2 and parts[0] and parts[1]:
return parts[0].strip().lower(), parts[1].strip().lower()
return None
def _subdomain_aligned_with_query(query_l: str, composite: str) -> bool:
"""True when both domain and subdomain tokens match the query (substring / token match)."""
parts = str(composite or "").split("::", 1)
if len(parts) != 2:
return False
dom, sub = parts[0].strip().lower(), parts[1].strip().lower()
s_dom, _ = _match_score(query_l, dom)
s_sub, _ = _match_score(query_l, sub)
return s_dom > 0 and s_sub > 0
def _entities_for_endpoints(endpoint_paths: list[str], catalog: DocsScopeCatalog) -> list[str]:
found: list[str] = []
eps = {e.lower() for e in endpoint_paths if e}
for rec in catalog.entity_records:
blob = str(rec.get("blob") or "").lower()
name = str(rec.get("name") or "").strip().lower()
if not name:
continue
if any(ep and ep in blob for ep in eps):
_append_unique(found, name)
return found
def _collect_domain_candidates(query_l: str, catalog: DocsScopeCatalog, resolution: ScopeResolution) -> None:
for dom in catalog.domain_values:
if not dom:
continue
score, mtype = _match_score(query_l, dom)
if score <= 0:
continue
resolution.candidate_domains.append(
ScopeCandidate(
value=dom,
score=score,
source_layer="D1_DOCUMENT_CATALOG",
match_type=mtype,
)
)
def _collect_subdomain_candidates(query_l: str, catalog: DocsScopeCatalog, resolution: ScopeResolution) -> None:
seen: set[str] = set()
for dom, sub in catalog.subdomain_pairs:
if not dom or not sub:
continue
composite = f"{dom}::{sub}"
if composite in seen:
continue
seen.add(composite)
score_dom, _ = _match_score(query_l, dom)
score_sub, mt_sub = _match_score(query_l, sub)
phrase = _phrase_score(query_l, dom, sub)
if phrase > 0:
score = phrase
mt = "normalized"
elif score_dom > 0 and score_sub > 0:
score = min(score_dom, score_sub)
mt = mt_sub
else:
# Avoid promoting a (domain, subdomain) pair when only the domain token matches.
score = 0.0
mt = mt_sub
if score <= 0:
continue
resolution.candidate_subdomains.append(
ScopeCandidate(
value=composite,
score=score,
source_layer="D1_DOCUMENT_CATALOG",
match_type=mt,
)
)
def _collect_entity_candidates(query_l: str, catalog: DocsScopeCatalog, resolution: ScopeResolution) -> None:
for rec in catalog.entity_records:
name = str(rec.get("name") or "").strip().lower()
if not name or len(name) < 2:
continue
blob = str(rec.get("blob") or "").lower()
layer = str(rec.get("source_layer") or "")
score, mtype = _match_entity(query_l, name, blob)
if score <= 0:
continue
resolution.candidate_entities.append(
ScopeCandidate(value=name, score=score, source_layer=layer, match_type=mtype)
)
def _collect_api_candidates(query_l: str, catalog: DocsScopeCatalog, resolution: ScopeResolution) -> None:
for rec in catalog.api_records:
ep = str(rec.get("endpoint") or "").strip().lower()
if not ep:
continue
layer = str(rec.get("source_layer") or "")
score, mtype = _match_score(query_l, ep.replace(" ", ""))
if score <= 0:
continue
resolution.candidate_apis.append(
ScopeCandidate(value=ep, score=score, source_layer=layer, match_type=mtype)
)
def _phrase_score(query_l: str, dom: str, sub: str) -> float:
if _contains_token(query_l, dom) and _contains_token(query_l, sub):
return max(_SCORE_NORMALIZED, 0.9)
joined = re.sub(r"\s+", " ", f"{dom} {sub}".strip())
if joined in query_l or query_l in joined:
return _SCORE_NORMALIZED
return 0.0
def _match_entity(query_l: str, name: str, blob: str) -> tuple[float, str]:
score, mt = _match_score(query_l, name)
if score > 0:
return score, mt
if name in blob and len(name) >= 4:
# cross-language hints: name appears in catalog blob; small boost if query token overlaps blob
q_tokens = set(query_l.split())
b_tokens = set(blob.split())
overlap = q_tokens & b_tokens
if overlap and (q_tokens & {name} or name[:4] in query_l):
return _SCORE_SOFT, "normalized"
return 0.0, "normalized"
def _match_score(query_l: str, value: str) -> tuple[float, str]:
v = str(value or "").strip().lower()
if not v:
return 0.0, "normalized"
v_compact = v.replace(" ", "")
q_compact = query_l.replace(" ", "")
if v == query_l or v_compact == q_compact:
return _SCORE_EXACT, "exact"
if _contains_token(query_l, v) or _contains_token(query_l, v.replace("/", " ")):
return _SCORE_EXACT, "exact"
if v in q_compact or v_compact in q_compact:
return _SCORE_NORMALIZED, "normalized"
if v in query_l:
return _SCORE_NORMALIZED, "normalized"
# prefix / slug
for token in query_l.split():
if token.startswith(v[: min(4, len(v))]) and len(v) >= 4:
return _SCORE_SOFT, "normalized"
return 0.0, "normalized"
def _contains_token(hay: str, needle: str) -> bool:
if not needle:
return False
return f" {needle} " in f" {hay} "
def _dedupe_candidates(resolution: ScopeResolution) -> None:
resolution.candidate_domains = _dedupe_list(resolution.candidate_domains)
resolution.candidate_subdomains = _dedupe_list(resolution.candidate_subdomains)
resolution.candidate_entities = _dedupe_list(resolution.candidate_entities)
resolution.candidate_apis = _dedupe_list(resolution.candidate_apis)
def _dedupe_list(items: list[ScopeCandidate]) -> list[ScopeCandidate]:
best: dict[str, ScopeCandidate] = {}
for c in items:
key = f"{c.value}|{c.source_layer}"
prev = best.get(key)
if prev is None or c.score > prev.score:
best[key] = c
return sorted(best.values(), key=lambda c: (-c.score, c.value))
def _is_global_enumeration(query_l: str, *, has_strong_any: bool) -> bool:
if has_strong_any:
return False
if any(m in query_l for m in _PROJECT_WIDE_MARKERS) and any(
m in query_l for m in ("какие", "какой", "список", "перечисли", "метод", "api")
):
return True
if any(query_l.strip().startswith(m.strip()) for m in _ENUM_MARKERS_RU if len(m.strip()) > 2):
if any(k in query_l for k in ("метод", "api", "ручк", "эндпоинт")):
return True
return False
@@ -2,8 +2,17 @@
from __future__ import annotations
from collections.abc import Callable
from dataclasses import replace
from app.core.agent.processes.v2.intent_router.modules.anchors import V2AnchorExtractor
from app.core.agent.processes.v2.intent_router.modules.normalizer import V2QueryNormalizer
from app.core.agent.processes.v2.intent_router.modules.scope_catalog import DocsScopeCatalog, build_docs_scope_catalog
from app.core.agent.processes.v2.intent_router.modules.scope_resolver import (
plausible_doc_endpoint_paths,
promote_target_terms,
resolve_docs_scope,
)
from app.core.agent.processes.v2.intent_router.modules.target_terms import V2TargetTermsExtractor
from app.core.agent.processes.v2.intent_router.models import QueryFeatures
from app.core.agent.processes.v2.intent_router.routers.confidence import V2ConfidenceAdjuster
@@ -11,8 +20,18 @@ from app.core.agent.processes.v2.intent_router.routers.fallback import V2Fallbac
from app.core.agent.processes.v2.intent_router.routers.llm import V2LlmRouter
from app.core.agent.processes.v2.intent_router.routers.route_catalog import V2RouteCatalog
from app.core.agent.processes.v2.intent_router.routers.validator import V2RouteValidator
from app.core.agent.processes.v2.models import V2RouteResult
from app.core.agent.utils.process_v2.models import V2RouteResult, V2ScopeType
from app.core.agent.utils.llm import AgentLlmService
from app.core.rag.persistence.query_repository import RagQueryRepository
def _scope_candidate_dict(candidate) -> dict[str, object]:
return {
"value": candidate.value,
"score": candidate.score,
"source_layer": candidate.source_layer,
"match_type": candidate.match_type,
}
class V2IntentRouter:
@@ -25,6 +44,7 @@ class V2IntentRouter:
enable_llm_disambiguation: bool = True,
route_catalog: V2RouteCatalog | None = None,
confidence_adjuster: V2ConfidenceAdjuster | None = None,
scope_rows_provider: Callable[[str], list[dict]] | None = None,
) -> None:
self._normalizer = normalizer or V2QueryNormalizer()
self._target_terms_extractor = target_terms_extractor or V2TargetTermsExtractor()
@@ -35,23 +55,48 @@ class V2IntentRouter:
self._confidence_adjuster = confidence_adjuster or V2ConfidenceAdjuster()
self._enable_llm_disambiguation = enable_llm_disambiguation
self._llm_router = V2LlmRouter(llm, catalog=self._catalog) if llm is not None else None
self._scope_rows_provider = scope_rows_provider
def route(self, user_query: str) -> V2RouteResult:
def route(self, user_query: str, *, rag_session_id: str | None = None) -> V2RouteResult:
normalized_query = self._normalizer.normalize(user_query)
target_terms_analysis = self._target_terms_extractor.extract(normalized_query)
anchor_analysis = self._anchor_extractor.extract(normalized_query, target_terms_analysis)
sanitized_eps = plausible_doc_endpoint_paths(list(target_terms_analysis.endpoint_paths))
if sanitized_eps != list(target_terms_analysis.endpoint_paths):
target_terms_analysis = replace(target_terms_analysis, endpoint_paths=sanitized_eps)
allowed_paths = set(sanitized_eps)
target_terms_analysis = replace(
target_terms_analysis,
target_terms=[
t
for t in target_terms_analysis.target_terms
if not str(t).startswith("/") or str(t).lower() in allowed_paths
],
)
raw_target_terms = list(target_terms_analysis.target_terms)
scope_rows = self._load_scope_rows(rag_session_id)
scope_catalog: DocsScopeCatalog | None
if not scope_rows:
scope_catalog = None
else:
scope_catalog = build_docs_scope_catalog(scope_rows)
resolution = resolve_docs_scope(normalized_query, target_terms_analysis, scope_catalog)
promoted_terms = promote_target_terms(raw_target_terms, target_terms_analysis, resolution)
refined_terms = replace(target_terms_analysis, target_terms=promoted_terms)
anchor_analysis = self._anchor_extractor.extract(normalized_query, refined_terms)
self._apply_scope_to_anchors(anchor_analysis.anchors, resolution)
features = QueryFeatures(
normalized_query=normalized_query,
target_terms=list(target_terms_analysis.target_terms),
endpoint_paths=list(target_terms_analysis.endpoint_paths),
target_terms=list(refined_terms.target_terms),
endpoint_paths=list(refined_terms.endpoint_paths),
file_names=list(anchor_analysis.anchors.file_names),
matched_aliases=list(target_terms_analysis.matched_aliases),
matched_aliases=list(refined_terms.matched_aliases),
target_doc_hints=list(anchor_analysis.anchors.target_doc_hints),
file_markers=list(anchor_analysis.file_markers),
architecture_markers=list(anchor_analysis.architecture_markers),
logic_markers=list(anchor_analysis.logic_markers),
domain_markers=list(anchor_analysis.domain_markers),
endpoint_markers=list(anchor_analysis.endpoint_markers),
scope_type=resolution.scope_type,
)
llm_attempted = self._enable_llm_disambiguation and self._llm_router is not None
llm_candidate = self._route_with_llm(
@@ -59,7 +104,6 @@ class V2IntentRouter:
anchors=anchor_analysis.anchors,
)
llm_result = self._validator.validate(llm_candidate)
llm_result = self._apply_deterministic_corrections(llm_result, features)
if llm_result is not None:
confidence = self._confidence_adjuster.adjust(float(llm_result["confidence"]), features)
return V2RouteResult(
@@ -74,14 +118,53 @@ class V2IntentRouter:
routing_mode="llm_default",
llm_router_used=True,
reason_short=str(llm_result["reason_short"]),
scope_type=resolution.scope_type,
)
if llm_attempted:
return self._fallback_router.route_without_deterministic_signals(
user_query=user_query,
features=features,
anchors=anchor_analysis.anchors,
scope_type=resolution.scope_type,
)
return self._fallback_router.route(
user_query=user_query,
features=features,
anchors=anchor_analysis.anchors,
llm_attempted=llm_attempted,
scope_type=resolution.scope_type,
)
def _load_scope_rows(self, rag_session_id: str | None) -> list[dict]:
sid = str(rag_session_id or "").strip()
if not sid:
return []
if self._scope_rows_provider is not None:
return self._scope_rows_provider(sid)
try:
return RagQueryRepository().list_docs_scope_index_rows(sid)
except Exception:
return []
def _apply_scope_to_anchors(self, anchors, resolution) -> None:
anchors.candidate_domains = list(resolution.candidate_domains)
anchors.candidate_subdomains = list(resolution.candidate_subdomains)
anchors.candidate_entities = list(resolution.candidate_entities)
anchors.candidate_apis = list(resolution.candidate_apis)
if not resolution.catalog_loaded:
return
merged_endpoints = list(dict.fromkeys([*resolution.strong_endpoint_paths, *anchors.endpoint_paths]))
anchors.endpoint_paths = merged_endpoints
merged_entities = list(dict.fromkeys([*resolution.strong_entity_names, *anchors.entity_names]))
anchors.entity_names = merged_entities
if resolution.strong_domain:
anchors.process_domain = resolution.strong_domain
if resolution.strong_subdomain:
anchors.process_subdomain = resolution.strong_subdomain
if resolution.scope_type == V2ScopeType.SUBDOMAIN and resolution.strong_domain and resolution.strong_subdomain:
anchors.process_domain = resolution.strong_domain
anchors.process_subdomain = resolution.strong_subdomain
def _route_with_llm(self, *, features: QueryFeatures, anchors) -> dict | None:
if not self._enable_llm_disambiguation or self._llm_router is None:
return None
@@ -89,6 +172,7 @@ class V2IntentRouter:
return self._llm_router.classify(
normalized_query=features.normalized_query,
target_terms=features.target_terms,
scope_type=features.scope_type,
anchors={
"entity_names": anchors.entity_names,
"file_names": anchors.file_names,
@@ -97,22 +181,11 @@ class V2IntentRouter:
"matched_aliases": anchors.matched_aliases,
"process_domain": anchors.process_domain,
"process_subdomain": anchors.process_subdomain,
"candidate_domains": [_scope_candidate_dict(c) for c in anchors.candidate_domains],
"candidate_subdomains": [_scope_candidate_dict(c) for c in anchors.candidate_subdomains],
"candidate_entities": [_scope_candidate_dict(c) for c in anchors.candidate_entities],
"candidate_apis": [_scope_candidate_dict(c) for c in anchors.candidate_apis],
},
)
except Exception:
return None
def _apply_deterministic_corrections(self, candidate: dict | None, features: QueryFeatures) -> dict | None:
if candidate is None:
return None
if candidate.get("routing_domain") == "DOCS" and self._should_force_find_files(features):
corrected = dict(candidate)
corrected["subintent"] = "FIND_FILES"
return corrected
return candidate
def _should_force_find_files(self, features: QueryFeatures) -> bool:
if features.file_markers or features.file_names:
return True
query = features.normalized_query.lower()
return "show doc" in query or "show file" in query or "doc for" in query
@@ -1,7 +1,7 @@
from __future__ import annotations
from app.core.agent.processes.v2.intent_router.models import QueryFeatures
from app.core.agent.processes.v2.models import V2Domain, V2Intent, V2RouteResult, V2Subintent
from app.core.agent.utils.process_v2.models import V2Domain, V2Intent, V2RouteResult, V2Subintent
from app.core.agent.processes.v2.intent_router.routers.docs_subintent_resolver import DocsSubintentResolver
@@ -1,13 +1,33 @@
from __future__ import annotations
from app.core.agent.processes.v2.intent_router.models import QueryFeatures
from app.core.agent.processes.v2.models import V2Subintent
from app.core.agent.utils.process_v2.models import V2Subintent
class DocsSubintentResolver:
_API_ENUM_MARKERS = (
"какие api",
"какие эндпоинты",
"какие endpoint",
"список api",
"список эндпоинтов",
"список endpoint",
"все api",
"все эндпоинты",
"перечисли api",
"перечисли эндпоинты",
"доступные api",
"available endpoints",
"exposed api",
)
_API_WORD_MARKERS = ("api", "эндпоинт", "endpoint", "роут", "route", "метод")
_LIST_WORD_MARKERS = ("какие", "список", "перечисли", "все", "доступные", "list", "available", "exposed")
def resolve(self, features: QueryFeatures) -> str | None:
if features.file_markers or self._has_file_like_anchor(features):
return V2Subintent.FIND_FILES
if self._is_api_exposed_request(features):
return V2Subintent.API_EXPOSED
if any(
(
features.endpoint_paths,
@@ -26,3 +46,13 @@ class DocsSubintentResolver:
hint.endswith((".md", ".yaml", ".yml", ".json"))
for hint in features.target_doc_hints
) or any(token.endswith((".md", ".yaml", ".yml", ".json")) for token in features.file_names)
def _is_api_exposed_request(self, features: QueryFeatures) -> bool:
query = features.normalized_query.lower()
if features.endpoint_paths:
return False
if any(marker in query for marker in self._API_ENUM_MARKERS):
return True
has_api_words = any(marker in query for marker in self._API_WORD_MARKERS)
has_list_words = any(marker in query for marker in self._LIST_WORD_MARKERS)
return has_api_words and has_list_words
@@ -1,10 +1,33 @@
from __future__ import annotations
from app.core.agent.processes.v2.intent_router.models import QueryFeatures
from app.core.agent.processes.v2.models import V2Domain, V2Intent, V2RouteResult, V2Subintent
from app.core.agent.utils.process_v2.models import V2Domain, V2Intent, V2RouteResult, V2ScopeType, V2Subintent
class V2FallbackRouter:
def route_without_deterministic_signals(
self,
*,
user_query: str,
features: QueryFeatures,
anchors,
scope_type: str = V2ScopeType.UNKNOWN,
) -> V2RouteResult:
return V2RouteResult(
routing_domain=V2Domain.GENERAL,
intent=V2Intent.GENERAL_QA,
subintent=V2Subintent.SUMMARY,
user_query=user_query,
normalized_query=features.normalized_query,
target_terms=features.target_terms,
anchors=anchors,
confidence=0.0,
routing_mode="llm_fallback",
llm_router_used=True,
reason_short="llm route unresolved",
scope_type=scope_type,
)
def route(
self,
*,
@@ -12,6 +35,7 @@ class V2FallbackRouter:
features: QueryFeatures,
anchors,
llm_attempted: bool,
scope_type: str = V2ScopeType.UNKNOWN,
) -> V2RouteResult:
if features.file_markers:
return self._build_docs_result(
@@ -21,6 +45,32 @@ class V2FallbackRouter:
subintent=V2Subintent.FIND_FILES,
llm_attempted=llm_attempted,
reason="fallback file markers",
scope_type=scope_type,
)
if self._has_docs_update_signal(features):
return V2RouteResult(
routing_domain=V2Domain.DOCS,
intent=V2Intent.DOC_UPDATE,
subintent=V2Subintent.FROM_FEATURE,
user_query=user_query,
normalized_query=features.normalized_query,
target_terms=features.target_terms,
anchors=anchors,
confidence=0.0,
routing_mode=self._routing_mode(llm_attempted),
llm_router_used=llm_attempted,
reason_short="fallback docs update from feature",
scope_type=scope_type,
)
if self._has_api_exposed_signal(features):
return self._build_docs_result(
user_query=user_query,
features=features,
anchors=anchors,
subintent=V2Subintent.API_EXPOSED,
llm_attempted=llm_attempted,
reason="fallback docs api exposed",
scope_type=scope_type,
)
if self._has_docs_signal(features):
return self._build_docs_result(
@@ -30,6 +80,7 @@ class V2FallbackRouter:
subintent=V2Subintent.SUMMARY,
llm_attempted=llm_attempted,
reason="fallback docs summary",
scope_type=scope_type,
)
return V2RouteResult(
routing_domain=V2Domain.GENERAL,
@@ -43,6 +94,7 @@ class V2FallbackRouter:
routing_mode=self._routing_mode(llm_attempted),
llm_router_used=llm_attempted,
reason_short="fallback general summary",
scope_type=scope_type,
)
def _build_docs_result(
@@ -54,6 +106,7 @@ class V2FallbackRouter:
subintent: str,
llm_attempted: bool,
reason: str,
scope_type: str = V2ScopeType.UNKNOWN,
) -> V2RouteResult:
return V2RouteResult(
routing_domain=V2Domain.DOCS,
@@ -67,6 +120,7 @@ class V2FallbackRouter:
routing_mode=self._routing_mode(llm_attempted),
llm_router_used=llm_attempted,
reason_short=reason,
scope_type=scope_type,
)
def _has_docs_signal(self, features: QueryFeatures) -> bool:
@@ -82,5 +136,30 @@ class V2FallbackRouter:
)
)
def _has_api_exposed_signal(self, features: QueryFeatures) -> bool:
query = features.normalized_query.lower()
has_api = any(marker in query for marker in ("api", "эндпоинт", "endpoint", "роут", "route", "метод"))
has_listing = any(marker in query for marker in ("какие", "список", "перечисли", "все", "available", "list"))
return has_api and has_listing and not features.endpoint_paths and not features.file_markers
def _has_docs_update_signal(self, features: QueryFeatures) -> bool:
query = features.normalized_query.lower()
has_update = any(
marker in query
for marker in (
"обнов",
"измен",
"внести правк",
"docs update",
"update documentation",
"документац",
)
)
has_feature = any(
marker in query
for marker in ("системной аналитик", "feature", ".md", "confluence", "from feature")
)
return has_update and has_feature
def _routing_mode(self, llm_attempted: bool) -> str:
return "llm_fallback" if llm_attempted else "deterministic_fallback"
@@ -17,10 +17,18 @@ class V2LlmRouter:
self._prompt_name = prompt_name
self._catalog = catalog or V2RouteCatalog()
def classify(self, *, normalized_query: str, target_terms: list[str], anchors: dict) -> dict | None:
def classify(
self,
*,
normalized_query: str,
target_terms: list[str],
anchors: dict,
scope_type: str = "unknown",
) -> dict | None:
payload = {
"normalized_query": normalized_query,
"target_terms": target_terms,
"scope_type": scope_type,
"anchors": anchors,
"allowed_routes": self._catalog.allowed_routes(),
}
@@ -3,9 +3,12 @@ namespace: v2_intent_router
prompts:
route: |
Ты выбираешь маршрут для узкого процесса v2.
Поле `scope_type` и блок `anchors` с `candidate_*` — это предварительная привязка к каталогу документации текущей RAG-сессии (детерминированно извлечённые кандидаты). Не выдумывай домены, сущности и API, которых нет в этих полях; используй их для снятия неоднозначности.
Основной принцип:
- DOCS / DOC_EXPLAIN / FIND_FILES: запрос просит найти файл, документ или путь.
- DOCS / DOC_EXPLAIN / API_EXPOSED: запрос просит перечислить доступные API-методы/эндпоинты.
- DOCS / DOC_EXPLAIN / SUMMARY: запрос просит объяснить документацию, endpoint, архитектуру, процесс или сущность.
- DOCS / DOC_UPDATE / FROM_FEATURE: запрос просит обновить документацию по системной аналитике (feature markdown/confluence).
- GENERAL / GENERAL_QA / SUMMARY: общий обзорный вопрос без явного запроса к документации.
Используй только маршруты из поля `allowed_routes`.
@@ -17,8 +20,8 @@ prompts:
Ответь только JSON-объектом вида:
{
"routing_domain": "GENERAL" | "DOCS",
"intent": "GENERAL_QA" | "DOC_EXPLAIN",
"subintent": "SUMMARY" | "FIND_FILES",
"intent": "GENERAL_QA" | "DOC_EXPLAIN" | "DOC_UPDATE",
"subintent": "SUMMARY" | "FIND_FILES" | "API_EXPOSED" | "FROM_FEATURE",
"confidence": 0.0-1.0,
"reason_short": "короткая причина"
}
@@ -1,12 +1,14 @@
from __future__ import annotations
from app.core.agent.processes.v2.models import V2Domain, V2Intent, V2Subintent
from app.core.agent.utils.process_v2.models import V2Domain, V2Intent, V2Subintent
class V2RouteCatalog:
_ALLOWED_ROUTES = (
(V2Domain.DOCS, V2Intent.DOC_EXPLAIN, V2Subintent.FIND_FILES),
(V2Domain.DOCS, V2Intent.DOC_EXPLAIN, V2Subintent.API_EXPOSED),
(V2Domain.DOCS, V2Intent.DOC_EXPLAIN, V2Subintent.SUMMARY),
(V2Domain.DOCS, V2Intent.DOC_UPDATE, V2Subintent.FROM_FEATURE),
(V2Domain.GENERAL, V2Intent.GENERAL_QA, V2Subintent.SUMMARY),
)
-304
View File
@@ -1,304 +0,0 @@
"""Процесс v2: роутинг, план retrieval, вызов rag API, сборка evidence и workflow."""
from __future__ import annotations
from app.core.agent.processes.v2.anchor_signals import route_anchor_summary
from app.core.agent.processes.v2.evidence.assembler import DocsEvidenceAssembler
from app.core.agent.processes.v2.evidence.gate import DocsEvidenceGate
from app.core.agent.processes.v2.intent_router import V2IntentRouter
from app.core.agent.processes.v2.models import V2Intent, V2Subintent
from app.core.agent.processes.v2.retrieval import DocsMetadataLookupIndex
from app.core.agent.processes.v2.retrieval.policy_resolver import V2RetrievalPolicyResolver
from app.core.agent.processes.v2.retrieval.target_doc_seeding import (
RagRowIndex,
merge_row_lists,
normalize_doc_path,
normalized_path_set,
row_path,
seed_candidates_from_target_hints,
)
from app.core.agent.processes.v2.retrieval.v2_rag_adapter import V2RagRetrievalAdapter
from app.core.agent.processes.v2.workflows.docs_explain_find_files.context import DocsExplainFindFilesContext
from app.core.agent.processes.v2.workflows.docs_explain_find_files.graph import DocsExplainFindFilesGraph
from app.core.agent.processes.v2.workflows.docs_explain_summary.context import DocsExplainSummaryContext
from app.core.agent.processes.v2.workflows.docs_explain_summary.graph import DocsExplainSummaryGraph
from app.core.agent.processes.v2.workflows.general_summary.context import GeneralSummaryContext
from app.core.agent.processes.v2.workflows.general_summary.graph import GeneralSummaryGraph
from app.core.agent.processes.base import AgentProcess, ProcessResult
from app.core.agent.utils.llm import AgentLlmService
class V2Process(AgentProcess):
version = "v2"
def __init__(
self,
llm: AgentLlmService,
policy_resolver: V2RetrievalPolicyResolver,
rag_adapter: V2RagRetrievalAdapter,
evidence_assembler: DocsEvidenceAssembler,
evidence_gate: DocsEvidenceGate | None = None,
router: V2IntentRouter | None = None,
docs_summary_prompt_name: str = "v2_docs_explain.summary_answer",
general_summary_prompt_name: str = "v2_general.summary_answer",
workflow_llm_enabled: bool = True,
) -> None:
self._router = router or V2IntentRouter()
self._policy_resolver = policy_resolver
self._rag_adapter = rag_adapter
self._evidence_assembler = evidence_assembler
self._evidence_gate = evidence_gate or DocsEvidenceGate()
self._docs_summary_prompt_name = docs_summary_prompt_name
self._general_summary_prompt_name = general_summary_prompt_name
self._workflow_llm_enabled = workflow_llm_enabled
self._summary_graph = DocsExplainSummaryGraph(llm)
self._find_files_graph = DocsExplainFindFilesGraph()
self._general_summary_graph = GeneralSummaryGraph(llm)
async def run(self, context) -> ProcessResult:
route = self._router.route(context.request.message)
rag_session_id = context.session.active_rag_session_id
context.trace.module("process.v2").log(
"intent_routed",
{
"routing_domain": route.routing_domain,
"intent": route.intent,
"subintent": route.subintent,
"normalized_query": route.normalized_query,
"target_terms": route.target_terms,
"anchors": route_anchor_summary(route),
"confidence": route.confidence,
"routing_mode": route.routing_mode,
"llm_router_used": route.llm_router_used,
"reason_short": route.reason_short,
"rag_session_id": rag_session_id,
},
)
self._log_step(
context,
"router_resolved",
{
"domain": route.routing_domain,
"intent": route.intent,
"subintent": route.subintent,
"confidence": route.confidence,
},
)
self._log_step(
context,
"anchors_extracted",
{
"signal_types": route_anchor_summary(route)["signal_types"],
"endpoint_paths": route.anchors.endpoint_paths,
"target_doc_hints": route.anchors.target_doc_hints,
"matched_aliases": route.anchors.matched_aliases,
"target_terms": route.target_terms,
},
)
self._log_step(
context,
"alias_resolution",
{
"resolved_aliases": route.anchors.matched_aliases,
"target_doc_hints": route.anchors.target_doc_hints,
},
)
if not rag_session_id:
if route.intent == V2Intent.GENERAL_QA:
answer = "Не могу собрать grounded summary без активной RAG-сессии с проиндексированной документацией."
self._log_step(context, "evidence_gate_checked", {"passed": False, "reason": "missing_rag_session"})
self._log_step(context, "answer_generated", {"answer_mode": "insufficient_evidence"})
return ProcessResult(answer=answer)
return ProcessResult(answer="Для процесса v2 нужна активная RAG-сессия проекта с проиндексированной документацией.")
plan = self._policy_resolver.resolve(route)
context.trace.module("process.v2.retrieval_policy").log(
"retrieval_plan_resolved",
{"profile": plan.profile, "layers": plan.layers, "limit": plan.limit, "filters": plan.filters},
)
self._log_step(
context,
"retrieval_profile_selected",
{"profile": plan.profile, "layers": plan.layers, "filters": plan.filters},
)
retrieved_rows = await self._rag_adapter.fetch_rows(rag_session_id, route.normalized_query, plan)
metadata_rows = self._metadata_lookup_candidates(retrieved_rows, route)
rows = self._merge_candidate_rows(retrieved_rows, metadata_rows)
rows = seed_candidates_from_target_hints(rows, route.anchors.target_doc_hints, RagRowIndex(rows))
self._print_missing_target_hints(route, rows)
context.trace.module("process.v2.rag_retrieval").log(
"rag_rows_fetched",
{
"profile": plan.profile,
"row_count": len(rows),
"rows": [self._trace_row(row) for row in rows],
},
)
self._log_step(
context,
"candidate_generation",
{
"query": route.user_query,
"profile": plan.profile,
"details": {
"target_doc_hints": list(route.anchors.target_doc_hints),
"candidates_before_ranking": [row_path(row) for row in rows if row_path(row)],
},
"resolved_aliases": route.anchors.matched_aliases,
"target_doc_hints": route.anchors.target_doc_hints,
"candidate_docs_before_ranking": [self._trace_row(row) for row in rows[:8]],
"sources": {
"seeded": [self._trace_row(row) for row in retrieved_rows[:5] if row_path(row) in {normalize_doc_path(h) for h in route.anchors.target_doc_hints}],
"metadata_lookup": [self._trace_row(row) for row in metadata_rows[:5]],
"semantic": [self._trace_row(row) for row in retrieved_rows[:5]],
},
},
)
self._log_step(
context,
"retrieval_executed",
{
"query": route.user_query,
"profile": plan.profile,
"row_count": len(rows),
"target_doc_hints": route.anchors.target_doc_hints,
"top_results": [self._trace_row(row) for row in rows[:5]],
},
)
if route.subintent == V2Subintent.FIND_FILES:
files = self._evidence_assembler.assemble_files(rows, route)
gate = self._evidence_gate.check_files(route, files)
context.trace.module("process.v2.evidence").log(
"evidence_assembled",
{"mode": "find_files", "file_count": len(files), "files": [file.path for file in files]},
)
self._log_step(
context,
"evidence_assembled",
{"mode": "find_files", "primary_file": files[0].path if files else None, "file_count": len(files)},
)
self._log_ranking(context, files)
self._log_step(
context,
"evidence_gate_checked",
{"passed": gate.passed, "reason": gate.reason, "answer_mode": gate.answer_mode},
)
flow_context = DocsExplainFindFilesContext(
runtime=context,
route=route,
rag_session_id=rag_session_id,
files=files,
gate_decision=gate,
)
flow_context = await self._find_files_graph.run(flow_context)
self._log_step(context, "answer_generated", {"answer_mode": gate.answer_mode, "answer_length": len(flow_context.answer)})
return ProcessResult(answer=flow_context.answer)
documents = self._evidence_assembler.assemble_summaries(rows, route)
gate = self._evidence_gate.check_summaries(route, documents)
context.trace.module("process.v2.evidence").log(
"evidence_assembled",
{"mode": "summary", "document_count": len(documents), "documents": [item.path for item in documents]},
)
self._log_step(
context,
"evidence_assembled",
{"mode": "summary", "primary_doc": documents[0].path if documents else None, "document_count": len(documents)},
)
self._log_ranking(context, documents)
self._log_step(
context,
"evidence_gate_checked",
{"passed": gate.passed, "reason": gate.reason, "answer_mode": gate.answer_mode},
)
if route.intent == V2Intent.GENERAL_QA:
flow_context = GeneralSummaryContext(
runtime=context,
route=route,
prompt_name=self._general_summary_prompt_name,
workflow_llm_enabled=self._workflow_llm_enabled,
documents=documents,
gate_decision=gate,
)
flow_context = await self._general_summary_graph.run(flow_context)
self._log_step(context, "answer_generated", {"answer_mode": gate.answer_mode, "answer_length": len(flow_context.answer)})
return ProcessResult(answer=flow_context.answer)
flow_context = DocsExplainSummaryContext(
runtime=context,
route=route,
rag_session_id=rag_session_id,
prompt_name=self._docs_summary_prompt_name,
workflow_llm_enabled=self._workflow_llm_enabled,
documents=documents,
gate_decision=gate,
)
flow_context = await self._summary_graph.run(flow_context)
self._log_step(context, "answer_generated", {"answer_mode": gate.answer_mode, "answer_length": len(flow_context.answer)})
return ProcessResult(answer=flow_context.answer)
def _trace_row(self, row: dict) -> dict[str, object]:
metadata = row.get("metadata") or {}
content = str(row.get("content") or "").strip()
return {
"layer": str(row.get("layer") or ""),
"path": str(row.get("path") or ""),
"title": str(row.get("title") or ""),
"document_id": str(metadata.get("document_id") or metadata.get("doc_id") or ""),
"entity_name": str(metadata.get("entity_name") or ""),
"summary_text": str(metadata.get("summary_text") or "")[:400],
"section_path": str(metadata.get("section_path") or ""),
"content_preview": content[:400],
}
def _log_step(self, context, step: str, payload: dict[str, object]) -> None:
context.trace.module("process.v2.pipeline").log(step, payload)
def _print_missing_target_hints(self, route, rows: list[dict]) -> None:
if not route.anchors.target_doc_hints:
return
candidate_paths = normalized_path_set(rows)
for hint in route.anchors.target_doc_hints:
if not str(hint or "").strip():
continue
normalized = normalize_doc_path(hint)
if not normalized.startswith("docs/") or "." not in normalized.rsplit("/", 1)[-1]:
continue
if normalized not in candidate_paths:
print("ERROR: target doc missing from candidates:", normalized)
def _metadata_lookup_candidates(self, rows: list[dict], route) -> list[dict]:
return DocsMetadataLookupIndex(rows).lookup(route)
def _merge_candidate_rows(self, *groups: list[dict]) -> list[dict]:
return merge_row_lists(*groups)
def _log_ranking(self, context, items: list) -> None:
top_docs: list[dict[str, object]] = []
for item in items[:4]:
top_docs.append(
{
"doc": getattr(item, "path", ""),
"score": getattr(item, "score", 0),
"match_reason": getattr(item, "match_reason", ""),
}
)
context.trace.module("process.v2.pipeline").log(
"ranking_explained",
{
"doc": getattr(item, "path", ""),
"score_breakdown": getattr(item, "score_breakdown", {}),
"score": getattr(item, "score", 0),
"match_reason": getattr(item, "match_reason", ""),
},
)
context.trace.module("process.v2.pipeline").log(
"ranking_explained",
{
"top_docs_after_ranking": top_docs,
"ranking_score_breakdown": [
{
"doc": getattr(item, "path", ""),
"score_breakdown": getattr(item, "score_breakdown", {}),
}
for item in items[:4]
],
},
)
@@ -1,17 +0,0 @@
from app.core.agent.processes.v2.retrieval.metadata_lookup import DocsMetadataLookupIndex
from app.core.agent.processes.v2.retrieval.policy_resolver import V2RetrievalPolicyResolver
from app.core.agent.processes.v2.retrieval.target_doc_seeding import (
RagRowIndex,
normalize_doc_path,
seed_candidates_from_target_hints,
)
from app.core.agent.processes.v2.retrieval.v2_rag_adapter import V2RagRetrievalAdapter
__all__ = [
"V2RetrievalPolicyResolver",
"V2RagRetrievalAdapter",
"DocsMetadataLookupIndex",
"normalize_doc_path",
"RagRowIndex",
"seed_candidates_from_target_hints",
]
@@ -1,270 +0,0 @@
"""Intent-aware retrieval policy resolver for process v2."""
from __future__ import annotations
from app.core.agent.processes.v2.anchor_signals import anchor_signal_types
from app.core.agent.processes.v2.models import V2AnchorType, V2Intent, V2RouteResult, V2Subintent
from app.core.rag.contracts.enums import RagLayer
from app.core.rag.retrieval.session_retriever import RetrievalPlan
class _AnchorTermCollector:
def prefer_like_patterns(self, route: V2RouteResult) -> list[str]:
terms = self._hint_basenames(route)
terms.extend(route.anchors.endpoint_paths)
terms.extend(route.target_terms)
terms.extend(route.anchors.file_names)
terms.extend(route.anchors.entity_names)
terms.extend(route.anchors.matched_aliases)
terms.extend(self._process_terms(route))
return [f"%{term.lower()}%" for term in _unique_terms(terms)]
def find_files_patterns(self, route: V2RouteResult) -> list[str]:
if route.anchors.target_doc_hints:
return [f"%{name.lower()}%" for name in self._hint_basenames(route)]
return self.prefer_like_patterns(route)
def api_method_patterns(self, route: V2RouteResult) -> list[str]:
terms = self._hint_basenames(route)
terms.extend(route.anchors.target_doc_hints)
terms.extend(route.anchors.endpoint_paths)
terms.extend(route.target_terms)
patterns: list[str] = []
for term in _unique_terms(terms):
lowered = term.lower()
stripped = lowered.strip("/")
if stripped:
patterns.append(f"%{stripped}%")
if lowered:
patterns.append(f"%{lowered}%")
return _unique_terms(patterns)
def _hint_basenames(self, route: V2RouteResult) -> list[str]:
return [hint.rsplit("/", 1)[-1] for hint in route.anchors.target_doc_hints if str(hint).strip()]
def _process_terms(self, route: V2RouteResult) -> list[str]:
terms: list[str] = []
if route.anchors.process_domain:
terms.append(route.anchors.process_domain)
if route.anchors.process_subdomain:
terms.append(route.anchors.process_subdomain)
return terms
class _RouteFilterBuilder:
_API_DOC_PREFIXES = [
"docs/api/",
"docs/endpoints/",
"docs/methods/",
"api/",
"endpoints/",
"methods/",
]
def __init__(self) -> None:
self._terms = _AnchorTermCollector()
def general_filters(self, route: V2RouteResult) -> dict[str, object]:
return {
"prefer_path_prefixes": ["docs/architecture/", "docs/"],
"prefer_like_patterns": ["%readme.md%", "%overview%"],
"target_doc_hints": list(route.anchors.target_doc_hints),
}
def summary_filters(self, route: V2RouteResult) -> dict[str, object]:
if _is_api_method_explain(route):
return self.api_method_filters(route)
filters = self._base_filters(route)
filters["prefer_path_prefixes"] = self._summary_prefixes(route)
filters["prefer_like_patterns"] = self._terms.prefer_like_patterns(route)
if V2AnchorType.API_ENDPOINT in anchor_signal_types(route):
filters["path_prefixes"] = ["docs/api/", "docs/"]
return filters
def api_method_filters(self, route: V2RouteResult) -> dict[str, object]:
filters = self._base_filters(route)
filters["path_prefixes"] = list(self._API_DOC_PREFIXES)
filters["prefer_path_prefixes"] = list(self._API_DOC_PREFIXES)
filters["prefer_like_patterns"] = self._terms.api_method_patterns(route)
return filters
def find_files_filters(self, route: V2RouteResult) -> dict[str, object]:
filters = self._base_filters(route)
prefixes = self._find_files_prefixes(route)
if prefixes:
filters["path_prefixes"] = prefixes
filters["prefer_path_prefixes"] = self._find_files_prefer_prefixes(route, prefixes)
filters["prefer_like_patterns"] = self._terms.find_files_patterns(route)
return filters
def _base_filters(self, route: V2RouteResult) -> dict[str, object]:
filters: dict[str, object] = {
"target_doc_hints": list(route.anchors.target_doc_hints),
}
if route.anchors.process_domain:
filters["metadata.domain"] = route.anchors.process_domain
if route.anchors.process_subdomain:
filters["metadata.subdomain"] = route.anchors.process_subdomain
return filters
def _find_files_prefixes(self, route: V2RouteResult) -> list[str]:
hint_prefixes = _prefixes_from_paths(route.anchors.target_doc_hints)
if hint_prefixes:
return hint_prefixes
file_prefixes = [name for name in route.anchors.file_names if str(name).strip().startswith("docs/")]
derived = _prefixes_from_paths(file_prefixes)
if derived:
return derived
signals = anchor_signal_types(route)
if V2AnchorType.API_ENDPOINT in signals:
return ["docs/api/", "docs/"]
if V2AnchorType.ARCHITECTURE in signals:
return ["docs/architecture/", "docs/"]
if V2AnchorType.LOGIC_FLOW in signals:
return ["docs/logic/", "docs/"]
if V2AnchorType.DOMAIN_ENTITY in signals:
return ["docs/domains/", "docs/"]
return ["docs/"]
def _find_files_prefer_prefixes(self, route: V2RouteResult, prefixes: list[str]) -> list[str]:
preferred = list(prefixes)
if route.anchors.process_domain or route.anchors.process_subdomain:
preferred.extend(["docs/domains/", "docs/logic/"])
return _unique_terms(preferred or ["docs/"])
def _summary_prefixes(self, route: V2RouteResult) -> list[str]:
signals = anchor_signal_types(route)
prefixes: list[str] = []
if V2AnchorType.API_ENDPOINT in signals:
prefixes.extend(["docs/api/", "docs/"])
if V2AnchorType.ARCHITECTURE in signals:
prefixes.extend(["docs/architecture/", "docs/"])
if V2AnchorType.LOGIC_FLOW in signals:
prefixes.extend(["docs/logic/", "docs/architecture/", "docs/"])
if V2AnchorType.DOMAIN_ENTITY in signals:
prefixes.extend(["docs/domains/", "docs/", "docs/api/"])
return _unique_terms(prefixes or ["docs/"])
class V2RetrievalPolicyResolver:
_GENERAL_LAYERS = [RagLayer.DOCS_DOCUMENT_CATALOG, RagLayer.DOCS_DOC_CHUNKS]
_FIND_FILES_LAYERS = [RagLayer.DOCS_DOCUMENT_CATALOG, RagLayer.DOCS_ENTITY_CATALOG]
_SUMMARY_LAYERS = {
"docs_api_method_explain": [
RagLayer.DOCS_DOCUMENT_CATALOG,
RagLayer.DOCS_FACT_INDEX,
RagLayer.DOCS_DOC_CHUNKS,
],
"docs_summary_api_endpoint": [
RagLayer.DOCS_DOCUMENT_CATALOG,
RagLayer.DOCS_FACT_INDEX,
RagLayer.DOCS_DOC_CHUNKS,
],
"docs_summary_logic_flow": [
RagLayer.DOCS_WORKFLOW_INDEX,
RagLayer.DOCS_DOCUMENT_CATALOG,
RagLayer.DOCS_DOC_CHUNKS,
],
"docs_summary_domain_entity": [
RagLayer.DOCS_ENTITY_CATALOG,
RagLayer.DOCS_DOCUMENT_CATALOG,
RagLayer.DOCS_DOC_CHUNKS,
],
"docs_summary_architecture": [
RagLayer.DOCS_DOCUMENT_CATALOG,
RagLayer.DOCS_RELATION_GRAPH,
RagLayer.DOCS_DOC_CHUNKS,
],
"docs_summary_generic": [
RagLayer.DOCS_DOCUMENT_CATALOG,
RagLayer.DOCS_DOC_CHUNKS,
],
}
def __init__(self) -> None:
self._filters = _RouteFilterBuilder()
def resolve(self, route: V2RouteResult) -> RetrievalPlan:
if route.intent == V2Intent.GENERAL_QA:
return RetrievalPlan(
profile="general_qa_grounded_summary",
layers=list(self._GENERAL_LAYERS),
limit=8,
filters=self._filters.general_filters(route),
)
if route.subintent == V2Subintent.FIND_FILES:
return RetrievalPlan(
profile="file_lookup",
layers=list(self._FIND_FILES_LAYERS),
limit=12,
filters=self._filters.find_files_filters(route),
)
profile = self._summary_profile(route)
return RetrievalPlan(
profile=profile,
layers=list(self._SUMMARY_LAYERS[profile]),
limit=10 if profile == "docs_api_method_explain" else 8,
filters=self._filters.summary_filters(route),
)
def _summary_profile(self, route: V2RouteResult) -> str:
if _is_api_method_explain(route):
return "docs_api_method_explain"
meaningful = anchor_signal_types(route) - {V2AnchorType.FIND_FILES}
if len(meaningful) != 1:
return "docs_summary_generic"
mapping = {
V2AnchorType.API_ENDPOINT: "docs_summary_api_endpoint",
V2AnchorType.ARCHITECTURE: "docs_summary_architecture",
V2AnchorType.LOGIC_FLOW: "docs_summary_logic_flow",
V2AnchorType.DOMAIN_ENTITY: "docs_summary_domain_entity",
}
return mapping.get(next(iter(meaningful)), "docs_summary_generic")
def _prefixes_from_paths(paths: list[str]) -> list[str]:
prefixes = []
for path in paths:
value = str(path).strip().strip("/")
if "/" not in value:
continue
prefix = value.rsplit("/", 1)[0] + "/"
if prefix:
prefixes.append(prefix)
return _unique_terms(prefixes)
def _unique_terms(items: list[str]) -> list[str]:
seen: set[str] = set()
unique: list[str] = []
for raw in items:
value = str(raw or "").strip()
if not value or value in seen:
continue
seen.add(value)
unique.append(value)
return unique
def _is_api_method_explain(route: V2RouteResult) -> bool:
if route.subintent != V2Subintent.SUMMARY:
return False
if route.anchors.endpoint_paths:
return True
if _has_api_like_hints(route.anchors.target_doc_hints):
return True
return V2AnchorType.API_ENDPOINT in anchor_signal_types(route)
def _has_api_like_hints(hints: list[str]) -> bool:
for hint in hints:
value = str(hint or "").strip().lower()
if not value:
continue
if value.startswith("/"):
return True
if value.startswith(("docs/api/", "docs/endpoints/", "docs/methods/")):
return True
if "endpoint" in value or "method" in value:
return True
return False
@@ -0,0 +1,194 @@
"""Процесс v2: роутинг запроса и dispatch в workflow."""
from __future__ import annotations
from typing import Any
from app.core.agent.processes.base import AgentProcess, ProcessResult
from app.core.agent.processes.v2.intent_router import V2IntentRouter
from app.core.agent.processes.v2.workflows.doc_explain_api_exposed.workflow_runtime.context import (
DocExplainApiExposedContext,
)
from app.core.agent.processes.v2.workflows.doc_explain_api_exposed.graph import DocExplainApiExposedGraph
from app.core.agent.processes.v2.workflows.doc_explain_find_files.workflow_runtime.context import DocExplainFindFilesContext
from app.core.agent.processes.v2.workflows.doc_explain_find_files.graph import DocExplainFindFilesGraph
from app.core.agent.processes.v2.workflows.doc_explain_summary.workflow_runtime.context import DocExplainSummaryContext
from app.core.agent.processes.v2.workflows.doc_explain_summary.graph import DocExplainSummaryGraph
from app.core.agent.processes.v2.workflows.doc_update_from_feature.graph import DocUpdateFromFeatureGraph
from app.core.agent.processes.v2.workflows.doc_update_from_feature.workflow_runtime.context import (
DocUpdateFromFeatureContext,
)
from app.core.agent.processes.v2.workflows.general_qa_summary.workflow_runtime.context import GeneralQaSummaryContext
from app.core.agent.processes.v2.workflows.general_qa_summary.graph import GeneralQaSummaryGraph
from app.core.agent.utils.llm import AgentLlmService
from app.core.agent.utils.process_v2.anchor_signals import route_anchor_summary
from app.core.agent.utils.process_v2.evidence.assembler import DocsEvidenceAssembler
from app.core.agent.utils.process_v2.evidence.gate import DocsEvidenceGate
from app.core.agent.utils.process_v2.models import V2Domain, V2Intent, V2Subintent
from app.core.agent.utils.process_v2.plan_resolver import RetrievalPlanResolver
from app.core.agent.utils.process_v2.rag_retrieval import V2RagRetrievalAdapter
class V2Process(AgentProcess):
version = "v2"
def __init__(
self,
llm: AgentLlmService,
policy_resolver: RetrievalPlanResolver,
rag_adapter: V2RagRetrievalAdapter,
evidence_assembler: DocsEvidenceAssembler,
evidence_gate: DocsEvidenceGate | None = None,
router: V2IntentRouter | None = None,
docs_summary_prompt_name: str = "v2_docs_explain.summary_answer",
general_summary_prompt_name: str = "v2_general.summary_answer",
workflow_llm_enabled: bool = True,
doc_rules_enabled: bool = True,
) -> None:
self._router = router or V2IntentRouter()
gate = evidence_gate or DocsEvidenceGate()
self._docs_summary_prompt_name = docs_summary_prompt_name
self._general_summary_prompt_name = general_summary_prompt_name
self._workflow_llm_enabled = workflow_llm_enabled
self._doc_rules_enabled = doc_rules_enabled
self._workflows: dict[tuple[str, str, str], Any] = {
(V2Domain.DOCS, V2Intent.DOC_EXPLAIN, V2Subintent.SUMMARY): DocExplainSummaryGraph(
llm,
policy_resolver=policy_resolver,
rag_adapter=rag_adapter,
evidence_assembler=evidence_assembler,
evidence_gate=gate,
),
(V2Domain.DOCS, V2Intent.DOC_EXPLAIN, V2Subintent.FIND_FILES): DocExplainFindFilesGraph(
policy_resolver=policy_resolver,
rag_adapter=rag_adapter,
evidence_assembler=evidence_assembler,
evidence_gate=gate,
),
(V2Domain.DOCS, V2Intent.DOC_EXPLAIN, V2Subintent.API_EXPOSED): DocExplainApiExposedGraph(
policy_resolver=policy_resolver,
rag_adapter=rag_adapter,
),
(V2Domain.DOCS, V2Intent.DOC_UPDATE, V2Subintent.FROM_FEATURE): DocUpdateFromFeatureGraph(
llm=llm,
doc_rules_enabled=doc_rules_enabled,
),
(V2Domain.GENERAL, V2Intent.GENERAL_QA, V2Subintent.SUMMARY): GeneralQaSummaryGraph(
llm,
policy_resolver=policy_resolver,
rag_adapter=rag_adapter,
evidence_assembler=evidence_assembler,
evidence_gate=gate,
),
}
async def run(self, context) -> ProcessResult:
rag_session_id = context.session.active_rag_session_id or ""
route = self._router.route(context.request.message, rag_session_id=rag_session_id or None)
context.trace.module("process.v2").log(
"intent_routed",
{
"routing_domain": route.routing_domain,
"intent": route.intent,
"subintent": route.subintent,
"normalized_query": route.normalized_query,
"target_terms": route.target_terms,
"anchors": route_anchor_summary(route),
"confidence": route.confidence,
"routing_mode": route.routing_mode,
"llm_router_used": route.llm_router_used,
"reason_short": route.reason_short,
"rag_session_id": rag_session_id,
},
)
self._log_step(
context,
"router_resolved",
{
"domain": route.routing_domain,
"intent": route.intent,
"subintent": route.subintent,
"confidence": route.confidence,
},
)
self._log_step(
context,
"anchors_extracted",
{
"signal_types": route_anchor_summary(route)["signal_types"],
"endpoint_paths": route.anchors.endpoint_paths,
"target_doc_hints": route.anchors.target_doc_hints,
"matched_aliases": route.anchors.matched_aliases,
"target_terms": route.target_terms,
},
)
self._log_step(
context,
"alias_resolution",
{
"resolved_aliases": route.anchors.matched_aliases,
"target_doc_hints": route.anchors.target_doc_hints,
},
)
flow_context = await self._run_workflow(context, route, rag_session_id)
if flow_context.answer_generated_payload is not None:
self._log_step(context, "answer_generated", dict(flow_context.answer_generated_payload))
changeset = list(getattr(flow_context, "changeset", []) or [])
apply_changeset = bool(getattr(flow_context, "apply_changeset", False))
return ProcessResult(
answer=flow_context.answer,
changeset=changeset,
apply_changeset=apply_changeset,
)
def _log_step(self, context, step: str, payload: dict[str, object]) -> None:
context.trace.module("process.v2.pipeline").log(step, payload)
async def _run_workflow(self, runtime_context, route, rag_session_id: str):
workflow = self._workflows.get((route.routing_domain, route.intent, route.subintent))
if workflow is None:
raise ValueError(f"Unsupported v2 workflow route: {(route.routing_domain, route.intent, route.subintent)!r}")
if route.intent == V2Intent.GENERAL_QA:
return await workflow.run(
GeneralQaSummaryContext(
runtime=runtime_context,
route=route,
rag_session_id=rag_session_id,
prompt_name=self._general_summary_prompt_name,
workflow_llm_enabled=self._workflow_llm_enabled,
)
)
if route.subintent == V2Subintent.FIND_FILES:
return await workflow.run(
DocExplainFindFilesContext(
runtime=runtime_context,
route=route,
rag_session_id=rag_session_id,
)
)
if route.subintent == V2Subintent.API_EXPOSED:
return await workflow.run(
DocExplainApiExposedContext(
runtime=runtime_context,
route=route,
rag_session_id=rag_session_id,
)
)
if route.intent == V2Intent.DOC_UPDATE and route.subintent == V2Subintent.FROM_FEATURE:
return await workflow.run(
DocUpdateFromFeatureContext(
runtime=runtime_context,
route=route,
rag_session_id=rag_session_id,
doc_rules_enabled=self._doc_rules_enabled,
)
)
return await workflow.run(
DocExplainSummaryContext(
runtime=runtime_context,
route=route,
rag_session_id=rag_session_id,
prompt_name=self._docs_summary_prompt_name,
workflow_llm_enabled=self._workflow_llm_enabled,
)
)
@@ -0,0 +1,17 @@
# DOC_EXPLAIN / API_EXPOSED Workflow
## Контракт сабинтента
| Поле | Значение |
|---|---|
| `domain` | `DOCS` |
| `intent` | `DOC_EXPLAIN` |
| `subintent` | `API_EXPOSED` |
| `workflow_id` | `v2.docs_explain.api_exposed` |
| `source` | `workflow.v2.api_exposed` |
## Выходной формат
Ответ формируется детерминированно как список endpoint-путей (`/path`) по одному на строку.
Scope учитывается через retrieval-policy фильтры `metadata.domain`/`metadata.subdomain` и path-префиксы API-документации.
@@ -0,0 +1,4 @@
from app.core.agent.processes.v2.workflows.doc_explain_api_exposed.graph import DocExplainApiExposedGraph
__all__ = ["DocExplainApiExposedGraph"]
@@ -0,0 +1,48 @@
from __future__ import annotations
from app.core.agent.processes.v2.workflows.doc_explain_api_exposed.steps.build_api_exposed_evidence_step import (
BuildApiExposedEvidenceStep,
)
from app.core.agent.processes.v2.workflows.doc_explain_api_exposed.steps.fetch_rag_rows_step import FetchRagRowsStep
from app.core.agent.processes.v2.workflows.doc_explain_api_exposed.steps.finalize_api_exposed_answer_step import (
FinalizeApiExposedAnswerStep,
)
from app.core.agent.processes.v2.workflows.doc_explain_api_exposed.steps.require_rag_session_step import (
RequireRagSessionStep,
)
from app.core.agent.processes.v2.workflows.doc_explain_api_exposed.steps.resolve_retrieval_plan_step import (
ResolveRetrievalPlanStep,
)
from app.core.agent.processes.v2.workflows.doc_explain_api_exposed.steps.retrieval.api_endpoint_collector import (
ApiEndpointCollector,
)
from app.core.agent.processes.v2.workflows.doc_explain_api_exposed.workflow_runtime.buffered_graph import (
DocExplainApiExposedWorkflowGraph,
)
from app.core.agent.processes.v2.workflows.doc_explain_api_exposed.workflow_runtime.context import (
DocExplainApiExposedContext,
)
from app.core.agent.utils.process_v2.plan_resolver import RetrievalPlanResolver
from app.core.agent.utils.process_v2.rag_retrieval import V2RagRetrievalAdapter
class DocExplainApiExposedGraph(DocExplainApiExposedWorkflowGraph[DocExplainApiExposedContext]):
def __init__(
self,
policy_resolver: RetrievalPlanResolver,
rag_adapter: V2RagRetrievalAdapter,
) -> None:
super().__init__(
workflow_id="v2.docs_explain.api_exposed",
source="workflow.v2.api_exposed",
steps=[
RequireRagSessionStep(
missing_message="Для процесса v2 нужна активная RAG-сессия проекта с проиндексированной документацией."
),
ResolveRetrievalPlanStep(policy_resolver),
FetchRagRowsStep(rag_adapter),
BuildApiExposedEvidenceStep(ApiEndpointCollector()),
FinalizeApiExposedAnswerStep(),
],
)
@@ -0,0 +1,2 @@
"""Steps for DOC_EXPLAIN/API_EXPOSED workflow."""
@@ -0,0 +1,39 @@
from __future__ import annotations
from typing import Generic, TypeVar
from app.core.agent.processes.v2.workflows.doc_explain_api_exposed.steps.retrieval.api_endpoint_collector import (
ApiEndpointCollector,
)
from app.core.agent.processes.v2.workflows.doc_explain_api_exposed.workflow_runtime.context_protocols import ApiWorkflowContext
from app.core.agent.processes.v2.workflows.doc_explain_api_exposed.workflow_runtime.pipeline_logging import log_pipeline_step
from app.core.agent.utils.workflow import WorkflowStep
TContext = TypeVar("TContext", bound=ApiWorkflowContext)
class BuildApiExposedEvidenceStep(WorkflowStep[TContext], Generic[TContext]):
step_id = "build_api_exposed_evidence"
title = "Сборка списка API"
def __init__(self, collector: ApiEndpointCollector) -> None:
self._collector = collector
async def run(self, context: TContext) -> TContext:
if context.answer:
return context
context.endpoints = self._collector.collect(context.retrieved_rows)
context.runtime.trace.module("process.v2.evidence").log(
"evidence_assembled",
{"mode": "api_exposed", "endpoint_count": len(context.endpoints), "endpoints": context.endpoints},
)
log_pipeline_step(
context.runtime,
"evidence_assembled",
{"mode": "api_exposed", "endpoint_count": len(context.endpoints)},
)
return context
def trace_output(self, context: TContext) -> dict[str, object]:
return {"endpoint_count": len(context.endpoints)}
@@ -0,0 +1,31 @@
from __future__ import annotations
from typing import Generic, TypeVar
from app.core.agent.processes.v2.workflows.doc_explain_api_exposed.workflow_runtime.context_protocols import RetrievalWorkflowContext
from app.core.agent.utils.process_v2.rag_retrieval import V2RagRetrievalAdapter
from app.core.agent.utils.workflow import WorkflowStep
TContext = TypeVar("TContext", bound=RetrievalWorkflowContext)
class FetchRagRowsStep(WorkflowStep[TContext], Generic[TContext]):
step_id = "fetch_rag_rows"
title = "Получение строк из RAG"
def __init__(self, rag_adapter: V2RagRetrievalAdapter) -> None:
self._rag_adapter = rag_adapter
async def run(self, context: TContext) -> TContext:
if context.answer or context.retrieval_plan is None:
return context
context.retrieved_rows = await self._rag_adapter.fetch_rows(
context.rag_session_id,
context.route.normalized_query,
context.retrieval_plan,
)
return context
def trace_output(self, context: TContext) -> dict[str, object]:
return {"retrieved_row_count": len(context.retrieved_rows)}
@@ -0,0 +1,30 @@
from __future__ import annotations
from app.core.agent.processes.v2.workflows.doc_explain_api_exposed.workflow_runtime.context import DocExplainApiExposedContext
from app.core.agent.utils.workflow import WorkflowStep
class FinalizeApiExposedAnswerStep(WorkflowStep[DocExplainApiExposedContext]):
step_id = "finalize_api_exposed_answer"
title = "Формирование ответа со списком API"
async def run(self, context: DocExplainApiExposedContext) -> DocExplainApiExposedContext:
if context.answer:
return context
if not context.endpoints:
context.answer = "Не нашёл задокументированных API-эндпоинтов в выбранном scope."
context.answer_generated_payload = {
"answer_mode": "insufficient_evidence",
"answer_length": len(context.answer),
}
return context
context.answer = "\n".join(context.endpoints)
context.answer_generated_payload = {
"answer_mode": "deterministic",
"answer_length": len(context.answer),
}
return context
def trace_output(self, context: DocExplainApiExposedContext) -> dict[str, object]:
return {"answer_length": len(context.answer)}
@@ -0,0 +1,30 @@
from __future__ import annotations
from typing import Generic, TypeVar
from app.core.agent.processes.v2.workflows.doc_explain_api_exposed.workflow_runtime.context_protocols import RetrievalWorkflowContext
from app.core.agent.utils.workflow import WorkflowStep
TContext = TypeVar("TContext", bound=RetrievalWorkflowContext)
class RequireRagSessionStep(WorkflowStep[TContext], Generic[TContext]):
step_id = "require_rag_session"
title = "Проверка RAG-сессии"
def __init__(self, *, missing_message: str) -> None:
self._missing_message = missing_message
async def run(self, context: TContext) -> TContext:
if context.rag_session_id:
return context
context.answer = self._missing_message
context.answer_generated_payload = {
"answer_mode": "insufficient_evidence",
"answer_length": len(context.answer),
}
return context
def trace_output(self, context: TContext) -> dict[str, object]:
return {"has_rag_session": bool(context.rag_session_id)}
@@ -0,0 +1,38 @@
from __future__ import annotations
from typing import Generic, TypeVar
from app.core.agent.processes.v2.workflows.doc_explain_api_exposed.workflow_runtime.context_protocols import RetrievalWorkflowContext
from app.core.agent.processes.v2.workflows.doc_explain_api_exposed.workflow_runtime.pipeline_logging import log_pipeline_step
from app.core.agent.utils.process_v2.plan_resolver import RetrievalPlanResolver
from app.core.agent.utils.workflow import WorkflowStep
TContext = TypeVar("TContext", bound=RetrievalWorkflowContext)
class ResolveRetrievalPlanStep(WorkflowStep[TContext], Generic[TContext]):
step_id = "resolve_retrieval_plan"
title = "Выбор retrieval-плана"
def __init__(self, resolver: RetrievalPlanResolver) -> None:
self._resolver = resolver
async def run(self, context: TContext) -> TContext:
if context.answer:
return context
plan = self._resolver.resolve(context.route)
context.retrieval_plan = plan
context.runtime.trace.module("process.v2.retrieval_policy").log(
"retrieval_plan_resolved",
{"profile": plan.profile, "layers": plan.layers, "limit": plan.limit, "filters": plan.filters},
)
log_pipeline_step(
context.runtime,
"retrieval_profile_selected",
{"profile": plan.profile, "layers": plan.layers, "filters": plan.filters},
)
return context
def trace_output(self, context: TContext) -> dict[str, object]:
return {"profile": getattr(context.retrieval_plan, "profile", "")}
@@ -0,0 +1,2 @@
"""Retrieval helpers for DOC_EXPLAIN/API_EXPOSED workflow."""
@@ -0,0 +1,77 @@
from __future__ import annotations
import re
class ApiEndpointCollector:
_METHODS = ("GET", "POST", "PUT", "PATCH", "DELETE", "HEAD", "OPTIONS")
_ENDPOINT_VALUE_RE = re.compile(
r"\b((?:GET|POST|PUT|PATCH|DELETE|HEAD|OPTIONS)(?:\s*\|\s*(?:GET|POST|PUT|PATCH|DELETE|HEAD|OPTIONS))*)\s+(/[-a-zA-Z0-9_./{}]+)"
)
_METHOD_PATH_RE = re.compile(r"\b(GET|POST|PUT|PATCH|DELETE|HEAD|OPTIONS)\s+(/[-a-zA-Z0-9_./{}]+)")
_PATH_RE = re.compile(r"(/[-a-zA-Z0-9_./{}]+)")
_DOC_EXTS = (".md", ".yaml", ".yml", ".json")
def collect(self, rows: list[dict]) -> list[str]:
endpoints: list[str] = []
for row in rows:
self._append_from_endpoint_metadata(endpoints, row)
self._append_from_title_fallback(endpoints, row)
for raw in self._row_candidates(row):
self._append_from_text(endpoints, raw)
return sorted(set(endpoints))
def _append_from_title_fallback(self, out: list[str], row: dict) -> None:
title = str(row.get("title") or "").strip()
if not title:
return
for match in self._PATH_RE.findall(title):
self._append_default(out, match)
def _append_from_endpoint_metadata(self, out: list[str], row: dict) -> None:
metadata = dict(row.get("metadata") or {})
endpoint_value = str(metadata.get("endpoint") or "").strip()
if not endpoint_value:
return
for methods, path in self._ENDPOINT_VALUE_RE.findall(endpoint_value):
self._append_methods_with_path(out, methods, path)
def _row_candidates(self, row: dict) -> list[str]:
metadata = dict(row.get("metadata") or {})
values = [
metadata.get("name"),
metadata.get("summary_text"),
row.get("title"),
]
return [str(value or "") for value in values if str(value or "").strip()]
def _append_from_text(self, out: list[str], text: str) -> None:
for method, path in self._METHOD_PATH_RE.findall(text):
self._append_with_method(out, method, path)
def _append_methods_with_path(self, out: list[str], methods_raw: str, path_raw: str) -> None:
methods = [
part.strip().upper()
for part in str(methods_raw or "").split("|")
if part.strip().upper() in self._METHODS
]
if not methods:
self._append_default(out, path_raw)
return
for method in methods:
self._append_with_method(out, method, path_raw)
def _append_default(self, out: list[str], raw: str) -> None:
self._append_with_method(out, "GET", raw)
def _append_with_method(self, out: list[str], method: str, raw: str) -> None:
value = str(raw or "").strip().strip("`'\"()[].,:;!?").lower()
if not value.startswith("/"):
return
if value.endswith(self._DOC_EXTS):
return
if len(value.split("/")) < 2:
return
endpoint = f"{method.upper()} {value}"
if endpoint not in out:
out.append(endpoint)
@@ -0,0 +1,64 @@
from __future__ import annotations
from app.core.agent.utils.process_v2.models import V2Intent, V2RouteResult, V2Subintent
from app.core.rag.contracts.enums import RagLayer
from app.core.rag.retrieval.session_retriever import RetrievalPlan
class DocExplainApiExposedRetrievalPolicy:
_LAYERS = [RagLayer.DOCS_DOCUMENT_CATALOG]
_API_PREFIXES = ["docs/api/", "docs/endpoints/", "docs/methods/", "api/", "endpoints/", "methods/"]
def supports(self, route: V2RouteResult) -> bool:
return route.intent == V2Intent.DOC_EXPLAIN and route.subintent == V2Subintent.API_EXPOSED
def resolve(self, route: V2RouteResult) -> RetrievalPlan:
return RetrievalPlan(
profile="api_exposed",
layers=list(self._LAYERS),
limit=400,
filters=self._filters(route),
)
def _filters(self, route: V2RouteResult) -> dict[str, object]:
query_signals = self._query_signals(route)
filters: dict[str, object] = {
"metadata.type": "api_method",
"prefer_path_prefixes": list(self._API_PREFIXES),
"target_doc_hints": list(route.anchors.target_doc_hints),
"prefer_like_patterns": self._like_patterns(route),
}
if query_signals:
filters["query_signals"] = query_signals
if route.anchors.process_domain:
filters["metadata.domain"] = route.anchors.process_domain
if route.anchors.process_subdomain:
filters["metadata.subdomain"] = route.anchors.process_subdomain
return filters
def _like_patterns(self, route: V2RouteResult) -> list[str]:
raw: list[str] = ["api", "endpoint", "method", "эндпоинт", "метод"]
raw.extend(route.target_terms)
raw.extend(route.anchors.endpoint_paths)
raw.extend(route.anchors.target_doc_hints)
raw.extend(candidate.value for candidate in route.anchors.candidate_apis)
return [f"%{item.lower()}%" for item in _unique(raw)]
def _query_signals(self, route: V2RouteResult) -> list[str]:
raw: list[str] = []
raw.extend(route.target_terms)
raw.extend(route.anchors.endpoint_paths)
blocked = {"api", "endpoint", "method", "эндпоинт", "метод"}
return [item for item in _unique(raw) if item.lower() not in blocked]
def _unique(items: list[str]) -> list[str]:
out: list[str] = []
seen: set[str] = set()
for item in items:
value = str(item or "").strip()
if not value or value in seen:
continue
seen.add(value)
out.append(value)
return out
@@ -0,0 +1,2 @@
"""Runtime helpers for the DOC_EXPLAIN/API_EXPOSED workflow."""
@@ -0,0 +1,42 @@
"""Buffered graph for DOC_EXPLAIN/API_EXPOSED workflow."""
from __future__ import annotations
from typing import TypeVar
from app.core.agent.utils.workflow.context import WorkflowContext
from app.core.agent.utils.workflow.graph import WorkflowGraph
TContext = TypeVar("TContext", bound=WorkflowContext)
class DocExplainApiExposedWorkflowGraph(WorkflowGraph[TContext]):
async def run(self, context: TContext) -> TContext:
trace = context.runtime.trace.module(self._source)
trace.log("workflow_started", {"workflow_id": self._workflow_id})
steps_buffer: list[dict[str, object]] = []
for step in self._steps:
inp = step.trace_input(context)
request_id = context.runtime.request.request_id
await context.runtime.publisher.publish_status(
request_id,
self._source,
f"Шаг workflow: {step.title}.",
{"workflow_id": self._workflow_id, "step_id": step.step_id},
)
context = await step.run(context)
out = step.trace_output(context)
trace.log(
"workflow_step_traced",
{
"workflow_id": self._workflow_id,
"step": {"id": step.step_id, "title": step.title},
"input": inp,
"output": out,
},
)
steps_buffer.append({"step_id": step.step_id, "title": step.title, "input": inp, "output": out})
trace.log("workflow_trace_flushed", {"workflow_id": self._workflow_id, "steps": steps_buffer})
trace.log("workflow_completed", {"workflow_id": self._workflow_id})
return context
@@ -0,0 +1,20 @@
from __future__ import annotations
from dataclasses import dataclass, field
from app.core.agent.runtime.execution_context import RuntimeExecutionContext
from app.core.agent.utils.process_v2.models import V2RouteResult
from app.core.rag.retrieval.session_retriever import RetrievalPlan
@dataclass(slots=True)
class DocExplainApiExposedContext:
runtime: RuntimeExecutionContext
route: V2RouteResult
rag_session_id: str
retrieval_plan: RetrievalPlan | None = None
retrieved_rows: list[dict] = field(default_factory=list)
endpoints: list[str] = field(default_factory=list)
answer: str = ""
answer_generated_payload: dict[str, object] | None = None
@@ -0,0 +1,24 @@
"""Context protocols for the DOC_EXPLAIN/API_EXPOSED workflow."""
from __future__ import annotations
from typing import Protocol
from app.core.agent.runtime.execution_context import RuntimeExecutionContext
from app.core.agent.utils.process_v2.models import V2RouteResult
from app.core.rag.retrieval.session_retriever import RetrievalPlan
class RetrievalWorkflowContext(Protocol):
runtime: RuntimeExecutionContext
route: V2RouteResult
rag_session_id: str
retrieval_plan: RetrievalPlan | None
retrieved_rows: list[dict]
answer: str
answer_generated_payload: dict[str, object] | None
class ApiWorkflowContext(RetrievalWorkflowContext, Protocol):
endpoints: list[str]
@@ -0,0 +1,8 @@
"""Pipeline logging helpers for DOC_EXPLAIN/API_EXPOSED."""
from __future__ import annotations
def log_pipeline_step(runtime, step: str, payload: dict[str, object]) -> None:
runtime.trace.module("process.v2.pipeline").log(step, payload)
@@ -0,0 +1,159 @@
# DOC_EXPLAIN / FIND_FILES Workflow
## Контракт сабинтента
| Поле | Значение |
|---|---|
| `domain` | `DOCS` |
| `intent` | `DOC_EXPLAIN` |
| `subintent` | `FIND_FILES` |
| `workflow_id` | `v2.docs_explain.find_files` |
| `source` | `workflow.v2.find_files` |
## Диаграмма флоу
```mermaid
flowchart TD
A["RequireRagSessionStep"] --> B["ResolveRetrievalPlanStep"]
B --> C["FetchRagRowsStep"]
C --> D["PrepareCandidateRowsStep"]
D --> E["BuildFilesEvidenceStep"]
E --> F["ApplyFilesEvidenceGateStep"]
F --> G["FinalizeFindFilesAnswerStep"]
```
## Шаги процесса
### 1) `RequireRagSessionStep`
Шаг проверяет, есть ли активная RAG-сессия. Если `rag_session_id` пустой, workflow останавливает дальнейший retrieval и пишет пользовательское сообщение в `answer`. Для `find_files` gate-решение на этом шаге обычно не ставится, но механизм поддержан.
**Входные параметры**
| Параметр | Откуда берётся | Описание |
|---|---|---|
| `context.rag_session_id` | `V2Process` -> `DocExplainFindFilesContext` | Идентификатор активной RAG-сессии |
| `self._missing_message` | Конфигурация в `graph.py` | Текст ответа, если сессии нет |
| `self._missing_gate` | Конфигурация шага | Опциональный gate для раннего выхода |
**Выходные параметры**
| Параметр | Как формируется |
|---|---|
| `context.answer` | Заполняется `missing_message`, если `rag_session_id` пустой |
| `context.gate_decision` | Заполняется `missing_gate`, если он передан и сессии нет |
| `context.answer_generated_payload` | Формируется как `{"answer_mode", "answer_length"}` при раннем ответе |
### 2) `ResolveRetrievalPlanStep`
Шаг превращает route в retrieval-план через `RetrievalPlanResolver`. Профиль для этого сабинтента — `file_lookup`, с подходящими слоями и фильтрами. Параллельно пишет trace-событие `retrieval_plan_resolved`.
**Входные параметры**
| Параметр | Откуда берётся | Описание |
|---|---|---|
| `context.route` | Результат `intent_router` | Route с `anchors`, `target_terms`, `scope_type` |
| `self._resolver` | DI из `graph.py` | Реализация policy-резолвера |
| `context.answer` | Предыдущие шаги | Если уже есть ответ, шаг пропускается |
**Выходные параметры**
| Параметр | Как формируется |
|---|---|
| `context.retrieval_plan` | `self._resolver.resolve(context.route)` |
| `process.v2.retrieval_policy.retrieval_plan_resolved` | Лог с `profile`, `layers`, `limit`, `filters` |
### 3) `FetchRagRowsStep`
Шаг выполняет retrieval через `V2RagRetrievalAdapter`. Внутри адаптера объединяются seed-строки по `target_doc_hints` и основной retrieval по эмбеддингам/фильтрам плана. Если план не сформирован или уже есть готовый ответ, шаг ничего не делает.
**Входные параметры**
| Параметр | Откуда берётся | Описание |
|---|---|---|
| `context.rag_session_id` | Контекст workflow | Сессия для поиска в `rag_chunks` |
| `context.route.normalized_query` | Route | Нормализованный текст запроса |
| `context.retrieval_plan` | Предыдущий шаг | План retrieval |
**Выходные параметры**
| Параметр | Как формируется |
|---|---|
| `context.retrieved_rows` | `await rag_adapter.fetch_rows(rag_session_id, normalized_query, retrieval_plan)` |
### 4) `PrepareCandidateRowsStep`
Шаг собирает итоговые candidate rows для ранжирования файлов. Он добавляет metadata-lookup кандидаты и подмешивает seed по `target_doc_hints`, затем сохраняет merged-список в `context.rows`. Дополнительно пишет детальный retrieval-trace.
**Входные параметры**
| Параметр | Откуда берётся | Описание |
|---|---|---|
| `context.retrieved_rows` | `FetchRagRowsStep` | Строки после retrieval |
| `context.route` | Route | Нужен для hints/aliases/terms |
| `self._builder` | `CandidateRowsBuilder()` | Логика merge и metadata lookup |
**Выходные параметры**
| Параметр | Как формируется |
|---|---|
| `context.rows` | `prepared.rows` из `CandidateRowsBuilder.build(...)` |
| `process.v2.rag_retrieval.rag_rows_fetched` | Лог деталей rows, источников и top результатов |
### 5) `BuildFilesEvidenceStep`
Шаг ранжирует candidate rows в список файлов через `DocsEvidenceAssembler.assemble_files`. На выходе формируется shortlist `RetrievedFile` с оценками и причинами совпадения. Этот shortlist становится опорой для gate и финального ответа.
**Входные параметры**
| Параметр | Откуда берётся | Описание |
|---|---|---|
| `context.rows` | `PrepareCandidateRowsStep` | Подготовленные кандидаты |
| `context.route` | Route | Сигналы маршрута для ranking |
| `self._assembler` | DI из `graph.py` | Сборщик evidence |
**Выходные параметры**
| Параметр | Как формируется |
|---|---|
| `context.files` | `assemble_files(context.rows, context.route)` |
| `process.v2.evidence.evidence_assembled` | Лог file-count и путей |
### 6) `ApplyFilesEvidenceGateStep`
Шаг проверяет качество shortlist через `DocsEvidenceGate.check_files`. Решение gate определяет, можно ли отвечать детерминированно или нужно более осторожное поведение. Для прозрачности пишет pipeline-лог с полями `passed/reason/answer_mode`.
**Входные параметры**
| Параметр | Откуда берётся | Описание |
|---|---|---|
| `context.route` | Route | Сигналы запроса для gate |
| `context.files` | `BuildFilesEvidenceStep` | Ранжированные файлы |
| `self._gate` | DI из `graph.py` | Правила оценки evidence |
**Выходные параметры**
| Параметр | Как формируется |
|---|---|
| `context.gate_decision` | `self._gate.check_files(context.route, context.files)` |
| `process.v2.pipeline.evidence_gate_checked` | Лог результата gate |
### 7) `FinalizeFindFilesAnswerStep`
Шаг собирает финальный текстовый ответ без LLM. Если файлов нет, возвращается `insufficient_evidence`; если файл один — отдаётся один путь; если несколько — до 4 путей. Если gate вернул `low_confidence_shortlist`, также возвращается ограниченный список путей.
**Входные параметры**
| Параметр | Откуда берётся | Описание |
|---|---|---|
| `context.files` | `BuildFilesEvidenceStep` | Список найденных файлов |
| `context.gate_decision` | `ApplyFilesEvidenceGateStep` | Режим и причина ответа |
| `context.answer` | Предыдущие шаги | Если уже заполнен, шаг пропускается |
**Выходные параметры**
| Параметр | Как формируется |
|---|---|
| `context.answer` | Детерминированно: пусто/1 путь/до 4 путей |
| `context.answer_generated_payload` | `{"answer_mode", "answer_length"}` по ветке формирования |
@@ -0,0 +1,3 @@
from app.core.agent.processes.v2.workflows.doc_explain_find_files.graph import DocExplainFindFilesGraph
__all__ = ["DocExplainFindFilesGraph"]
@@ -0,0 +1,49 @@
from __future__ import annotations
from app.core.agent.processes.v2.workflows.doc_explain_find_files.workflow_runtime.buffered_graph import DocExplainFindFilesWorkflowGraph
from app.core.agent.processes.v2.workflows.doc_explain_find_files.steps.retrieval.candidate_rows import CandidateRowsBuilder
from app.core.agent.processes.v2.workflows.doc_explain_find_files.workflow_runtime.context import DocExplainFindFilesContext
from app.core.agent.processes.v2.workflows.doc_explain_find_files.steps.apply_files_evidence_gate_step import (
ApplyFilesEvidenceGateStep,
)
from app.core.agent.processes.v2.workflows.doc_explain_find_files.steps.build_files_evidence_step import BuildFilesEvidenceStep
from app.core.agent.processes.v2.workflows.doc_explain_find_files.steps.fetch_rag_rows_step import FetchRagRowsStep
from app.core.agent.processes.v2.workflows.doc_explain_find_files.steps.finalize_find_files_answer_step import (
FinalizeFindFilesAnswerStep,
)
from app.core.agent.processes.v2.workflows.doc_explain_find_files.steps.prepare_candidate_rows_step import (
PrepareCandidateRowsStep,
)
from app.core.agent.processes.v2.workflows.doc_explain_find_files.steps.require_rag_session_step import RequireRagSessionStep
from app.core.agent.processes.v2.workflows.doc_explain_find_files.steps.resolve_retrieval_plan_step import (
ResolveRetrievalPlanStep,
)
from app.core.agent.utils.process_v2.evidence.assembler import DocsEvidenceAssembler
from app.core.agent.utils.process_v2.evidence.gate import DocsEvidenceGate
from app.core.agent.utils.process_v2.plan_resolver import RetrievalPlanResolver
from app.core.agent.utils.process_v2.rag_retrieval import V2RagRetrievalAdapter
class DocExplainFindFilesGraph(DocExplainFindFilesWorkflowGraph[DocExplainFindFilesContext]):
def __init__(
self,
policy_resolver: RetrievalPlanResolver,
rag_adapter: V2RagRetrievalAdapter,
evidence_assembler: DocsEvidenceAssembler,
evidence_gate: DocsEvidenceGate,
) -> None:
super().__init__(
workflow_id="v2.docs_explain.find_files",
source="workflow.v2.find_files",
steps=[
RequireRagSessionStep(
missing_message="Для процесса v2 нужна активная RAG-сессия проекта с проиндексированной документацией."
),
ResolveRetrievalPlanStep(policy_resolver),
FetchRagRowsStep(rag_adapter),
PrepareCandidateRowsStep(CandidateRowsBuilder()),
BuildFilesEvidenceStep(evidence_assembler),
ApplyFilesEvidenceGateStep(evidence_gate),
FinalizeFindFilesAnswerStep(),
],
)
@@ -0,0 +1,36 @@
from __future__ import annotations
from typing import Generic, TypeVar
from app.core.agent.processes.v2.workflows.doc_explain_find_files.workflow_runtime.context_protocols import FindFilesWorkflowContext
from app.core.agent.processes.v2.workflows.doc_explain_find_files.workflow_runtime.pipeline_logging import log_pipeline_step
from app.core.agent.utils.process_v2.evidence.gate import DocsEvidenceGate
from app.core.agent.utils.workflow import WorkflowStep
TContext = TypeVar("TContext", bound=FindFilesWorkflowContext)
class ApplyFilesEvidenceGateStep(WorkflowStep[TContext], Generic[TContext]):
step_id = "apply_files_evidence_gate"
title = "Проверка file evidence"
def __init__(self, gate: DocsEvidenceGate) -> None:
self._gate = gate
async def run(self, context: TContext) -> TContext:
if context.answer:
return context
context.gate_decision = self._gate.check_files(context.route, context.files)
log_pipeline_step(
context.runtime,
"evidence_gate_checked",
{
"passed": context.gate_decision.passed,
"reason": context.gate_decision.reason,
"answer_mode": context.gate_decision.answer_mode,
},
)
return context
def trace_output(self, context: TContext) -> dict[str, object]:
return {"passed": bool(context.gate_decision and context.gate_decision.passed)}
@@ -0,0 +1,45 @@
from __future__ import annotations
from typing import Generic, TypeVar
from app.core.agent.processes.v2.workflows.doc_explain_find_files.workflow_runtime.context_protocols import FindFilesWorkflowContext
from app.core.agent.processes.v2.workflows.doc_explain_find_files.workflow_runtime.pipeline_logging import log_pipeline_step, log_ranking
from app.core.agent.utils.process_v2.evidence.assembler import DocsEvidenceAssembler
from app.core.agent.utils.workflow import WorkflowStep
TContext = TypeVar("TContext", bound=FindFilesWorkflowContext)
class BuildFilesEvidenceStep(WorkflowStep[TContext], Generic[TContext]):
step_id = "build_files_evidence"
title = "Сборка file evidence"
def __init__(self, assembler: DocsEvidenceAssembler) -> None:
self._assembler = assembler
async def run(self, context: TContext) -> TContext:
if context.answer:
return context
context.files = self._assembler.assemble_files(context.rows, context.route)
context.runtime.trace.module("process.v2.evidence").log(
"evidence_assembled",
{
"mode": "find_files",
"file_count": len(context.files),
"files": [item.path for item in context.files],
},
)
log_pipeline_step(
context.runtime,
"evidence_assembled",
{
"mode": "find_files",
"primary_file": context.files[0].path if context.files else None,
"file_count": len(context.files),
},
)
log_ranking(context.runtime, context.files)
return context
def trace_output(self, context: TContext) -> dict[str, object]:
return {"file_count": len(context.files)}
@@ -0,0 +1,30 @@
from __future__ import annotations
from typing import Generic, TypeVar
from app.core.agent.processes.v2.workflows.doc_explain_find_files.workflow_runtime.context_protocols import RetrievalWorkflowContext
from app.core.agent.utils.process_v2.rag_retrieval import V2RagRetrievalAdapter
from app.core.agent.utils.workflow import WorkflowStep
TContext = TypeVar("TContext", bound=RetrievalWorkflowContext)
class FetchRagRowsStep(WorkflowStep[TContext], Generic[TContext]):
step_id = "fetch_rag_rows"
title = "Получение строк из RAG"
def __init__(self, rag_adapter: V2RagRetrievalAdapter) -> None:
self._rag_adapter = rag_adapter
async def run(self, context: TContext) -> TContext:
if context.answer or context.retrieval_plan is None:
return context
context.retrieved_rows = await self._rag_adapter.fetch_rows(
context.rag_session_id,
context.route.normalized_query,
context.retrieval_plan,
)
return context
def trace_output(self, context: TContext) -> dict[str, object]:
return {"retrieved_row_count": len(context.retrieved_rows)}
@@ -0,0 +1,34 @@
from __future__ import annotations
from app.core.agent.processes.v2.workflows.doc_explain_find_files.workflow_runtime.context import DocExplainFindFilesContext
from app.core.agent.utils.workflow import WorkflowStep
class FinalizeFindFilesAnswerStep(WorkflowStep[DocExplainFindFilesContext]):
step_id = "finalize_find_files_answer"
title = "Сборка списка файлов"
async def run(self, context: DocExplainFindFilesContext) -> DocExplainFindFilesContext:
if context.answer:
return context
if not context.files:
context.answer = "Не нашёл файлов документации, которые уверенно соответствуют запросу."
context.answer_generated_payload = {"answer_mode": "insufficient_evidence", "answer_length": len(context.answer)}
return context
if context.gate_decision is not None and context.gate_decision.reason == "low_confidence_shortlist":
context.answer = "\n".join(item.path for item in context.files[:4])
context.answer_generated_payload = {
"answer_mode": context.gate_decision.answer_mode,
"answer_length": len(context.answer),
}
return context
if len(context.files) == 1:
context.answer = context.files[0].path
context.answer_generated_payload = {"answer_mode": "deterministic", "answer_length": len(context.answer)}
return context
context.answer = "\n".join(item.path for item in context.files[:4])
context.answer_generated_payload = {"answer_mode": "deterministic", "answer_length": len(context.answer)}
return context
def trace_output(self, context: DocExplainFindFilesContext) -> dict[str, object]:
return {"answer_length": len(context.answer)}
@@ -0,0 +1,36 @@
from __future__ import annotations
from typing import Generic, TypeVar
from app.core.agent.processes.v2.workflows.doc_explain_find_files.steps.retrieval.candidate_rows import CandidateRowsBuilder
from app.core.agent.processes.v2.workflows.doc_explain_find_files.workflow_runtime.context_protocols import RetrievalWorkflowContext
from app.core.agent.processes.v2.workflows.doc_explain_find_files.workflow_runtime.pipeline_logging import log_retrieval_trace
from app.core.agent.utils.workflow import WorkflowStep
TContext = TypeVar("TContext", bound=RetrievalWorkflowContext)
class PrepareCandidateRowsStep(WorkflowStep[TContext], Generic[TContext]):
step_id = "prepare_candidate_rows"
title = "Подготовка candidate rows"
def __init__(self, builder: CandidateRowsBuilder) -> None:
self._builder = builder
async def run(self, context: TContext) -> TContext:
if context.answer or context.retrieval_plan is None:
return context
prepared = self._builder.build(context.retrieved_rows, context.route)
context.rows = prepared.rows
log_retrieval_trace(
context.runtime,
context.route,
context.retrieval_plan,
context.retrieved_rows,
prepared.metadata_rows,
prepared.rows,
)
return context
def trace_output(self, context: TContext) -> dict[str, object]:
return {"row_count": len(context.rows)}
@@ -0,0 +1,43 @@
from __future__ import annotations
from typing import Generic, TypeVar
from app.core.agent.processes.v2.workflows.doc_explain_find_files.workflow_runtime.context_protocols import RetrievalWorkflowContext
from app.core.agent.processes.v2.workflows.doc_explain_find_files.workflow_runtime.pipeline_logging import log_pipeline_step
from app.core.agent.utils.process_v2.evidence.gate import EvidenceGateDecision
from app.core.agent.utils.workflow import WorkflowStep
TContext = TypeVar("TContext", bound=RetrievalWorkflowContext)
class RequireRagSessionStep(WorkflowStep[TContext], Generic[TContext]):
step_id = "require_rag_session"
title = "Проверка RAG-сессии"
def __init__(self, *, missing_message: str, missing_gate: EvidenceGateDecision | None = None) -> None:
self._missing_message = missing_message
self._missing_gate = missing_gate
async def run(self, context: TContext) -> TContext:
if context.rag_session_id:
return context
context.answer = self._missing_message
if self._missing_gate is not None:
context.gate_decision = self._missing_gate
context.answer_generated_payload = {
"answer_mode": self._missing_gate.answer_mode,
"answer_length": len(context.answer),
}
log_pipeline_step(
context.runtime,
"evidence_gate_checked",
{
"passed": self._missing_gate.passed,
"reason": self._missing_gate.reason,
"answer_mode": self._missing_gate.answer_mode,
},
)
return context
def trace_output(self, context: TContext) -> dict[str, object]:
return {"has_rag_session": bool(context.rag_session_id)}
@@ -0,0 +1,37 @@
from __future__ import annotations
from typing import Generic, TypeVar
from app.core.agent.processes.v2.workflows.doc_explain_find_files.workflow_runtime.context_protocols import RetrievalWorkflowContext
from app.core.agent.processes.v2.workflows.doc_explain_find_files.workflow_runtime.pipeline_logging import log_pipeline_step
from app.core.agent.utils.process_v2.plan_resolver import RetrievalPlanResolver
from app.core.agent.utils.workflow import WorkflowStep
TContext = TypeVar("TContext", bound=RetrievalWorkflowContext)
class ResolveRetrievalPlanStep(WorkflowStep[TContext], Generic[TContext]):
step_id = "resolve_retrieval_plan"
title = "Выбор retrieval-плана"
def __init__(self, resolver: RetrievalPlanResolver) -> None:
self._resolver = resolver
async def run(self, context: TContext) -> TContext:
if context.answer:
return context
plan = self._resolver.resolve(context.route)
context.retrieval_plan = plan
context.runtime.trace.module("process.v2.retrieval_policy").log(
"retrieval_plan_resolved",
{"profile": plan.profile, "layers": plan.layers, "limit": plan.limit, "filters": plan.filters},
)
log_pipeline_step(
context.runtime,
"retrieval_profile_selected",
{"profile": plan.profile, "layers": plan.layers, "filters": plan.filters},
)
return context
def trace_output(self, context: TContext) -> dict[str, object]:
return {"profile": getattr(context.retrieval_plan, "profile", "")}
@@ -0,0 +1,2 @@
"""Retrieval-related step helpers for the doc-explain find-files workflow."""
@@ -0,0 +1,43 @@
"""Сборка candidate rows для doc-explain find-files (метаданные + сиды по hints)."""
from __future__ import annotations
from dataclasses import dataclass
from app.core.agent.utils.process_v2.models import V2RouteResult
from app.core.agent.utils.process_v2.rag_retrieval import DocsMetadataLookupIndex
from app.core.agent.utils.process_v2.rag_retrieval.target_doc_seeding import (
RagRowIndex,
merge_row_lists,
normalize_doc_path,
normalized_path_set,
seed_candidates_from_target_hints,
)
@dataclass(slots=True)
class CandidateRowsResult:
metadata_rows: list[dict]
rows: list[dict]
class CandidateRowsBuilder:
def build(self, retrieved_rows: list[dict], route: V2RouteResult) -> CandidateRowsResult:
metadata_rows = DocsMetadataLookupIndex(retrieved_rows).lookup(route)
rows = merge_row_lists(retrieved_rows, metadata_rows)
rows = seed_candidates_from_target_hints(rows, route.anchors.target_doc_hints, RagRowIndex(rows))
self._print_missing_target_hints(route, rows)
return CandidateRowsResult(metadata_rows=metadata_rows, rows=rows)
def _print_missing_target_hints(self, route: V2RouteResult, rows: list[dict]) -> None:
if not route.anchors.target_doc_hints:
return
candidate_paths = normalized_path_set(rows)
for hint in route.anchors.target_doc_hints:
if not str(hint or "").strip():
continue
normalized = normalize_doc_path(hint)
if not normalized.startswith("docs/") or "." not in normalized.rsplit("/", 1)[-1]:
continue
if normalized not in candidate_paths:
print("ERROR: target doc missing from candidates:", normalized)
@@ -0,0 +1,99 @@
from __future__ import annotations
from app.core.agent.utils.process_v2.anchor_signals import anchor_signal_types
from app.core.agent.utils.process_v2.models import V2AnchorType, V2RouteResult, V2Subintent
from app.core.rag.contracts.enums import RagLayer
from app.core.rag.retrieval.session_retriever import RetrievalPlan
class DocExplainFindFilesRetrievalPolicy:
_LAYERS = [RagLayer.DOCS_DOCUMENT_CATALOG, RagLayer.DOCS_ENTITY_CATALOG]
def supports(self, route: V2RouteResult) -> bool:
return route.subintent == V2Subintent.FIND_FILES
def resolve(self, route: V2RouteResult) -> RetrievalPlan:
return RetrievalPlan(
profile="file_lookup",
layers=list(self._LAYERS),
limit=12,
filters=self._build_filters(route),
)
def _build_filters(self, route: V2RouteResult) -> dict[str, object]:
filters: dict[str, object] = {"target_doc_hints": list(route.anchors.target_doc_hints)}
if route.anchors.process_domain:
filters["metadata.domain"] = route.anchors.process_domain
if route.anchors.process_subdomain:
filters["metadata.subdomain"] = route.anchors.process_subdomain
prefixes = self._path_prefixes(route)
if prefixes:
filters["path_prefixes"] = prefixes
filters["prefer_path_prefixes"] = self._prefer_prefixes(route, prefixes)
filters["prefer_like_patterns"] = self._like_patterns(route)
return filters
def _path_prefixes(self, route: V2RouteResult) -> list[str]:
hint_prefixes = _prefixes_from_paths(route.anchors.target_doc_hints)
if hint_prefixes:
return hint_prefixes
file_prefixes = [item for item in route.anchors.file_names if str(item).strip().startswith("docs/")]
derived = _prefixes_from_paths(file_prefixes)
if derived:
return derived
signals = anchor_signal_types(route)
if V2AnchorType.API_ENDPOINT in signals:
return ["docs/api/", "docs/"]
if V2AnchorType.ARCHITECTURE in signals:
return ["docs/architecture/", "docs/"]
if V2AnchorType.LOGIC_FLOW in signals:
return ["docs/logic/", "docs/"]
if V2AnchorType.DOMAIN_ENTITY in signals:
return ["docs/domains/", "docs/"]
return ["docs/"]
def _prefer_prefixes(self, route: V2RouteResult, prefixes: list[str]) -> list[str]:
preferred = list(prefixes)
if route.anchors.process_domain or route.anchors.process_subdomain:
preferred.extend(["docs/domains/", "docs/logic/"])
return _unique_terms(preferred or ["docs/"])
def _like_patterns(self, route: V2RouteResult) -> list[str]:
if route.anchors.target_doc_hints:
names = [hint.rsplit("/", 1)[-1] for hint in route.anchors.target_doc_hints if str(hint).strip()]
return [f"%{name.lower()}%" for name in names]
terms = list(route.target_terms)
terms.extend(route.anchors.endpoint_paths)
terms.extend(route.anchors.file_names)
terms.extend(route.anchors.entity_names)
terms.extend(route.anchors.matched_aliases)
if route.anchors.process_domain:
terms.append(route.anchors.process_domain)
if route.anchors.process_subdomain:
terms.append(route.anchors.process_subdomain)
return [f"%{term.lower()}%" for term in _unique_terms(terms)]
def _prefixes_from_paths(paths: list[str]) -> list[str]:
prefixes: list[str] = []
for path in paths:
value = str(path).strip().strip("/")
if "/" not in value:
continue
prefix = value.rsplit("/", 1)[0] + "/"
if prefix:
prefixes.append(prefix)
return _unique_terms(prefixes)
def _unique_terms(items: list[str]) -> list[str]:
seen: set[str] = set()
unique: list[str] = []
for raw in items:
value = str(raw or "").strip()
if not value or value in seen:
continue
seen.add(value)
unique.append(value)
return unique
@@ -0,0 +1,2 @@
"""Runtime helpers for the doc-explain find-files workflow."""
@@ -0,0 +1,46 @@
"""Граф workflow doc-explain find-files: буфер шагов и один сброс в trace (на базе utils.workflow)."""
from __future__ import annotations
from typing import TypeVar
from app.core.agent.utils.workflow.context import WorkflowContext
from app.core.agent.utils.workflow.graph import WorkflowGraph
TContext = TypeVar("TContext", bound=WorkflowContext)
class DocExplainFindFilesWorkflowGraph(WorkflowGraph[TContext]):
"""Не логирует step_started/step_completed по отдельности; сбрасывает буфер в ``workflow_trace_flushed``."""
async def run(self, context: TContext) -> TContext:
trace = context.runtime.trace.module(self._source)
trace.log("workflow_started", {"workflow_id": self._workflow_id})
steps_buffer: list[dict[str, object]] = []
for step in self._steps:
inp = step.trace_input(context)
request_id = context.runtime.request.request_id
await context.runtime.publisher.publish_status(
request_id,
self._source,
f"Шаг workflow: {step.title}.",
{"workflow_id": self._workflow_id, "step_id": step.step_id},
)
context = await step.run(context)
out = step.trace_output(context)
trace.log(
"workflow_step_traced",
{
"workflow_id": self._workflow_id,
"step": {"id": step.step_id, "title": step.title},
"input": inp,
"output": out,
},
)
steps_buffer.append({"step_id": step.step_id, "title": step.title, "input": inp, "output": out})
trace.log(
"workflow_trace_flushed",
{"workflow_id": self._workflow_id, "steps": steps_buffer},
)
trace.log("workflow_completed", {"workflow_id": self._workflow_id})
return context
@@ -0,0 +1,22 @@
from __future__ import annotations
from dataclasses import dataclass, field
from app.core.agent.runtime.execution_context import RuntimeExecutionContext
from app.core.agent.utils.process_v2.evidence.gate import EvidenceGateDecision
from app.core.agent.utils.process_v2.models import RetrievedFile, V2RouteResult
from app.core.rag.retrieval.session_retriever import RetrievalPlan
@dataclass(slots=True)
class DocExplainFindFilesContext:
runtime: RuntimeExecutionContext
route: V2RouteResult
rag_session_id: str
retrieval_plan: RetrievalPlan | None = None
retrieved_rows: list[dict] = field(default_factory=list)
rows: list[dict] = field(default_factory=list)
files: list[RetrievedFile] = field(default_factory=list)
gate_decision: EvidenceGateDecision | None = None
answer: str = ""
answer_generated_payload: dict[str, object] | None = None
@@ -0,0 +1,26 @@
"""Протоколы контекста для workflow doc-explain find-files."""
from __future__ import annotations
from typing import Protocol
from app.core.agent.runtime.execution_context import RuntimeExecutionContext
from app.core.agent.utils.process_v2.evidence.gate import EvidenceGateDecision
from app.core.agent.utils.process_v2.models import RetrievedFile, V2RouteResult
from app.core.rag.retrieval.session_retriever import RetrievalPlan
class RetrievalWorkflowContext(Protocol):
runtime: RuntimeExecutionContext
route: V2RouteResult
rag_session_id: str
retrieval_plan: RetrievalPlan | None
retrieved_rows: list[dict]
rows: list[dict]
gate_decision: EvidenceGateDecision | None
answer: str
answer_generated_payload: dict[str, object] | None
class FindFilesWorkflowContext(RetrievalWorkflowContext, Protocol):
files: list[RetrievedFile]
@@ -0,0 +1,106 @@
"""Логирование retrieval/pipeline/ranking для doc-explain find-files."""
from __future__ import annotations
from app.core.agent.utils.process_v2.models import V2RouteResult
from app.core.agent.utils.process_v2.rag_retrieval.target_doc_seeding import normalize_doc_path, row_path
def log_pipeline_step(runtime, step: str, payload: dict[str, object]) -> None:
runtime.trace.module("process.v2.pipeline").log(step, payload)
def log_retrieval_trace(runtime, route: V2RouteResult, plan, retrieved_rows: list[dict], metadata_rows: list[dict], rows: list[dict]) -> None:
runtime.trace.module("process.v2.rag_retrieval").log(
"rag_rows_fetched",
{
"profile": plan.profile,
"row_count": len(rows),
"rows": [trace_row(row) for row in rows],
},
)
hinted_paths = {normalize_doc_path(hint) for hint in route.anchors.target_doc_hints if str(hint or "").strip()}
log_pipeline_step(
runtime,
"candidate_generation",
{
"query": route.user_query,
"profile": plan.profile,
"details": {
"target_doc_hints": list(route.anchors.target_doc_hints),
"candidates_before_ranking": [row_path(row) for row in rows if row_path(row)],
},
"resolved_aliases": route.anchors.matched_aliases,
"target_doc_hints": route.anchors.target_doc_hints,
"candidate_docs_before_ranking": [trace_row(row) for row in rows[:8]],
"sources": {
"seeded": [trace_row(row) for row in retrieved_rows[:5] if row_path(row) in hinted_paths],
"metadata_lookup": [trace_row(row) for row in metadata_rows[:5]],
"semantic": [trace_row(row) for row in retrieved_rows[:5]],
},
},
)
log_pipeline_step(
runtime,
"retrieval_executed",
{
"query": route.user_query,
"profile": plan.profile,
"row_count": len(rows),
"target_doc_hints": route.anchors.target_doc_hints,
"top_results": [trace_row(row) for row in rows[:5]],
},
)
def log_ranking(runtime, items: list) -> None:
top_docs: list[dict[str, object]] = []
for item in items[:4]:
top_docs.append(
{
"doc": getattr(item, "path", ""),
"score": getattr(item, "score", 0),
"match_reason": getattr(item, "match_reason", ""),
}
)
log_pipeline_step(
runtime,
"ranking_explained",
{
"doc": getattr(item, "path", ""),
"score_breakdown": getattr(item, "score_breakdown", {}),
"score": getattr(item, "score", 0),
"match_reason": getattr(item, "match_reason", ""),
},
)
log_pipeline_step(
runtime,
"ranking_explained",
{
"top_docs_after_ranking": top_docs,
"ranking_score_breakdown": [
{
"doc": getattr(item, "path", ""),
"score_breakdown": getattr(item, "score_breakdown", {}),
}
for item in items[:4]
],
},
)
def trace_row(row: dict) -> dict[str, object]:
metadata = row.get("metadata") or {}
content = str(row.get("content") or "").strip()
return {
"layer": str(row.get("layer") or ""),
"path": str(row.get("path") or ""),
"title": str(row.get("title") or ""),
"document_id": str(metadata.get("document_id") or metadata.get("doc_id") or row.get("document_id") or ""),
"entity_name": str(metadata.get("entity_name") or ""),
"summary_text": str(metadata.get("summary_text") or "")[:400],
"section_path": str(metadata.get("section_path") or ""),
"metadata_domain": str(metadata.get("domain") or ""),
"metadata_subdomain": str(metadata.get("subdomain") or ""),
"content_preview": content[:400],
}
@@ -0,0 +1,162 @@
# DOC_EXPLAIN / SUMMARY Workflow
## Контракт сабинтента
| Поле | Значение |
|---|---|
| `domain` | `DOCS` |
| `intent` | `DOC_EXPLAIN` |
| `subintent` | `SUMMARY` |
| `workflow_id` | `v2.docs_explain.summary` |
| `source` | `workflow.v2.summary` |
## Диаграмма флоу
```mermaid
flowchart TD
A["RequireRagSessionStep"] --> B["ResolveRetrievalPlanStep"]
B --> C["FetchRagRowsStep"]
C --> D["PrepareCandidateRowsStep"]
D --> E["BuildSummaryEvidenceStep"]
E --> F["ApplySummaryEvidenceGateStep"]
F --> G["GenerateSummaryAnswerStep"]
```
## Шаги процесса
### 1) `RequireRagSessionStep`
Шаг валидирует наличие активной RAG-сессии до retrieval. Если `rag_session_id` отсутствует, workflow завершает обработку и записывает сообщение об отсутствии опоры. Это предотвращает запуск последующих шагов без индекса проекта.
**Входные параметры**
| Параметр | Откуда берётся | Описание |
|---|---|---|
| `context.rag_session_id` | `V2Process` -> `DocExplainSummaryContext` | Идентификатор RAG-сессии |
| `self._missing_message` | Конфигурация в `graph.py` | Ответ при отсутствии сессии |
| `self._missing_gate` | Конфиг шага | Опциональный gate для раннего выхода |
**Выходные параметры**
| Параметр | Как формируется |
|---|---|
| `context.answer` | Заполняется `missing_message` при пустом `rag_session_id` |
| `context.gate_decision` | Заполняется, если передан `missing_gate` |
| `context.answer_generated_payload` | Формируется как `{"answer_mode", "answer_length"}` при раннем ответе |
### 2) `ResolveRetrievalPlanStep`
Шаг вызывает policy-резолвер и строит `RetrievalPlan` для doc-summary сценария. Профиль и фильтры зависят от сигналов route: endpoint/architecture/logic/domain. Результат сохраняется в контекст и логируется в trace.
**Входные параметры**
| Параметр | Откуда берётся | Описание |
|---|---|---|
| `context.route` | `intent_router` | Route с `target_terms` и `anchors` |
| `self._resolver` | DI из `graph.py` | Реализация `RetrievalPlanResolver` |
| `context.answer` | Предыдущие шаги | При наличии ответа шаг пропускается |
**Выходные параметры**
| Параметр | Как формируется |
|---|---|
| `context.retrieval_plan` | `self._resolver.resolve(context.route)` |
| `process.v2.retrieval_policy.retrieval_plan_resolved` | Лог профиля, слоёв, лимита и фильтров |
### 3) `FetchRagRowsStep`
Шаг выполняет retrieval по сформированному плану. Внутри адаптера объединяются seed-результаты по `target_doc_hints` и основной retrieval. Это даёт более устойчивую выдачу как по явным hints, так и по семантическому совпадению.
**Входные параметры**
| Параметр | Откуда берётся | Описание |
|---|---|---|
| `context.rag_session_id` | Контекст workflow | Сессия для поиска |
| `context.route.normalized_query` | Route | Нормализованный запрос |
| `context.retrieval_plan` | `ResolveRetrievalPlanStep` | План retrieval |
**Выходные параметры**
| Параметр | Как формируется |
|---|---|
| `context.retrieved_rows` | `await rag_adapter.fetch_rows(...)` |
### 4) `PrepareCandidateRowsStep`
Шаг обогащает найденные строки через metadata lookup и подмешивает кандидатов из `target_doc_hints`. На выходе формируется `context.rows`, который уже используется для построения summary-evidence. Шаг также пишет подробные retrieval-логи для анализа ранжирования.
**Входные параметры**
| Параметр | Откуда берётся | Описание |
|---|---|---|
| `context.retrieved_rows` | `FetchRagRowsStep` | Строки retrieval |
| `context.route` | Route | Сигналы hints/aliases/terms |
| `self._builder` | `CandidateRowsBuilder()` | Логика merge и metadata поиска |
**Выходные параметры**
| Параметр | Как формируется |
|---|---|
| `context.rows` | `prepared.rows` из `CandidateRowsBuilder.build(...)` |
| `process.v2.rag_retrieval.rag_rows_fetched` | Лог выборки и источников кандидатов |
### 5) `BuildSummaryEvidenceStep`
Шаг преобразует candidate rows в список `RetrievedSummary` через `DocsEvidenceAssembler.assemble_summaries`. Здесь формируется shortlist документов с оценками и причинами совпадения, который затем проверяется gate. Дополнительно логируются ranking-разборы.
**Входные параметры**
| Параметр | Откуда берётся | Описание |
|---|---|---|
| `context.rows` | `PrepareCandidateRowsStep` | Подготовленные кандидаты |
| `context.route` | Route | Сигналы для ranking |
| `self._assembler` | DI из `graph.py` | Сборщик summary evidence |
**Выходные параметры**
| Параметр | Как формируется |
|---|---|
| `context.documents` | `assemble_summaries(context.rows, context.route)` |
| `process.v2.evidence.evidence_assembled` | Лог `document_count` и списка путей |
### 6) `ApplySummaryEvidenceGateStep`
Шаг оценивает достаточность и надёжность собранного summary-evidence. Решение gate влияет на дальнейшее формирование ответа: либо прямой отказ/ограничение, либо генерация summary. Результат логируется в pipeline.
**Входные параметры**
| Параметр | Откуда берётся | Описание |
|---|---|---|
| `context.route` | Route | Контекст запроса |
| `context.documents` | `BuildSummaryEvidenceStep` | Кандидаты summary |
| `self._gate` | DI из `graph.py` | Правила валидации evidence |
**Выходные параметры**
| Параметр | Как формируется |
|---|---|
| `context.gate_decision` | `self._gate.check_summaries(context.route, context.documents)` |
| `process.v2.pipeline.evidence_gate_checked` | Лог `passed/reason/answer_mode` |
### 7) `GenerateSummaryAnswerStep`
Шаг формирует финальный ответ: gate-message, детерминированный ответ или LLM-генерация. При LLM-ветке собирается `prompt_input` из пользовательского запроса, route-сигналов и найденных summary-блоков. Итог всегда записывается в `context.answer` и сопровождается `answer_generated_payload`.
**Входные параметры**
| Параметр | Откуда берётся | Описание |
|---|---|---|
| `context.documents` | `BuildSummaryEvidenceStep` | Опорные summary-документы |
| `context.gate_decision` | `ApplySummaryEvidenceGateStep` | Режим допуска к генерации |
| `context.workflow_llm_enabled` | `V2Process` | Флаг LLM/детерминизм |
| `context.prompt_name` | `V2Process` | Имя prompt-шаблона |
| `self._llm` | DI из `graph.py` | LLM-сервис |
**Выходные параметры**
| Параметр | Как формируется |
|---|---|
| `context.prompt_input` | Склеивается из route + shortlist документов |
| `context.answer` | Gate-message / deterministic summary / результат `llm.generate(...)` |
| `context.answer_generated_payload` | `{"answer_mode", "answer_length"}` по выбранной ветке |
@@ -0,0 +1,3 @@
from app.core.agent.processes.v2.workflows.doc_explain_summary.graph import DocExplainSummaryGraph
__all__ = ["DocExplainSummaryGraph"]
@@ -0,0 +1,51 @@
from __future__ import annotations
from app.core.agent.processes.v2.workflows.doc_explain_summary.workflow_runtime.buffered_graph import DocExplainSummaryWorkflowGraph
from app.core.agent.processes.v2.workflows.doc_explain_summary.steps.retrieval.candidate_rows import CandidateRowsBuilder
from app.core.agent.processes.v2.workflows.doc_explain_summary.workflow_runtime.context import DocExplainSummaryContext
from app.core.agent.processes.v2.workflows.doc_explain_summary.steps.apply_summary_evidence_gate_step import (
ApplySummaryEvidenceGateStep,
)
from app.core.agent.processes.v2.workflows.doc_explain_summary.steps.build_summary_evidence_step import BuildSummaryEvidenceStep
from app.core.agent.processes.v2.workflows.doc_explain_summary.steps.fetch_rag_rows_step import FetchRagRowsStep
from app.core.agent.processes.v2.workflows.doc_explain_summary.steps.generate_summary_answer_step import (
GenerateSummaryAnswerStep,
)
from app.core.agent.processes.v2.workflows.doc_explain_summary.steps.prepare_candidate_rows_step import (
PrepareCandidateRowsStep,
)
from app.core.agent.processes.v2.workflows.doc_explain_summary.steps.require_rag_session_step import RequireRagSessionStep
from app.core.agent.processes.v2.workflows.doc_explain_summary.steps.resolve_retrieval_plan_step import (
ResolveRetrievalPlanStep,
)
from app.core.agent.utils.llm import AgentLlmService
from app.core.agent.utils.process_v2.evidence.assembler import DocsEvidenceAssembler
from app.core.agent.utils.process_v2.evidence.gate import DocsEvidenceGate
from app.core.agent.utils.process_v2.plan_resolver import RetrievalPlanResolver
from app.core.agent.utils.process_v2.rag_retrieval import V2RagRetrievalAdapter
class DocExplainSummaryGraph(DocExplainSummaryWorkflowGraph[DocExplainSummaryContext]):
def __init__(
self,
llm: AgentLlmService,
policy_resolver: RetrievalPlanResolver,
rag_adapter: V2RagRetrievalAdapter,
evidence_assembler: DocsEvidenceAssembler,
evidence_gate: DocsEvidenceGate,
) -> None:
super().__init__(
workflow_id="v2.docs_explain.summary",
source="workflow.v2.summary",
steps=[
RequireRagSessionStep(
missing_message="Для процесса v2 нужна активная RAG-сессия проекта с проиндексированной документацией."
),
ResolveRetrievalPlanStep(policy_resolver),
FetchRagRowsStep(rag_adapter),
PrepareCandidateRowsStep(CandidateRowsBuilder()),
BuildSummaryEvidenceStep(evidence_assembler),
ApplySummaryEvidenceGateStep(evidence_gate),
GenerateSummaryAnswerStep(llm),
],
)
@@ -0,0 +1,36 @@
from __future__ import annotations
from typing import Generic, TypeVar
from app.core.agent.processes.v2.workflows.doc_explain_summary.workflow_runtime.context_protocols import SummaryWorkflowContext
from app.core.agent.processes.v2.workflows.doc_explain_summary.workflow_runtime.pipeline_logging import log_pipeline_step
from app.core.agent.utils.process_v2.evidence.gate import DocsEvidenceGate
from app.core.agent.utils.workflow import WorkflowStep
TContext = TypeVar("TContext", bound=SummaryWorkflowContext)
class ApplySummaryEvidenceGateStep(WorkflowStep[TContext], Generic[TContext]):
step_id = "apply_summary_evidence_gate"
title = "Проверка summary evidence"
def __init__(self, gate: DocsEvidenceGate) -> None:
self._gate = gate
async def run(self, context: TContext) -> TContext:
if context.answer:
return context
context.gate_decision = self._gate.check_summaries(context.route, context.documents)
log_pipeline_step(
context.runtime,
"evidence_gate_checked",
{
"passed": context.gate_decision.passed,
"reason": context.gate_decision.reason,
"answer_mode": context.gate_decision.answer_mode,
},
)
return context
def trace_output(self, context: TContext) -> dict[str, object]:
return {"passed": bool(context.gate_decision and context.gate_decision.passed)}

Some files were not shown because too many files have changed in this diff Show More