AI SANA

AI SANA — MVP платформы, которая превращает сырую бизнес-идею в понятную, структурированную и готовую к работе задачу для студенческих команд.

Бизнес описывает задачу своими словами, AI помогает выявить пробелы и задаёт уточняющие вопросы, затем формируется редактируемая карточка. Готовность задачи оценивается прозрачным детерминированным рейтингом 0–100. После публикации студенческие команды находят задачу в каталоге, отправляют предложения, а бизнес вручную выбирает или отклоняет команды.

Что реализовано

• выбор роли: Бизнес / Студенческая команда;
• лёгкие профили для обеих ролей;
• создание бизнес-задачи из свободного текста;
• AI-анализ недостающих данных;
• уточняющие вопросы;
• редактируемая карточка задачи;
• live readiness preview во время заполнения;
• строгий рейтинг готовности 0–100;
• объяснение начисленных баллов;
• top-рекомендации, что добавить для повышения рейтинга;
• каталог опубликованных задач;
• отклики студенческих команд;
• ручной выбор / отклонение команды бизнесом;
• SQLite-хранилище;
• работа без OpenAI API через локальный fallback;
• автоматические тесты рейтинга и интеграционного сценария.

Главный сценарий

Бизнес
→ выбирает роль
→ заполняет профиль
→ описывает задачу
→ AI анализирует описание
→ AI задаёт уточняющие вопросы
→ пользователь дополняет данные
→ readiness preview растёт
→ формируется редактируемая карточка
→ бизнес подтверждает данные
→ рассчитывается официальный рейтинг
→ задача публикуется
→ студент открывает каталог
→ отправляет предложение
→ бизнес просматривает отклик
→ вручную выбирает или отклоняет команду

Ключевая идея

Главная геймификация направлена на качество бизнес-задачи.

Чем конкретнее и полезнее описание, тем выше readiness score и тем лучше позиция задачи в каталоге.

Важно:

• AI не выставляет итоговый score сам;
• рейтинг считает core/rating.py по прозрачным правилам;
• AI не выбирает команду;
• финальное решение остаётся за человеком.

Рейтинг готовности

Максимум: 100 баллов.

Категория	Вес
Контекст и потребность	20
Данные и материалы	20
Ожидаемый результат	15
Критерии успеха	15
Ограничения	10
Пользователи	10
Связь с бизнесом	10

Уровни

• 0–39 — Черновик
• 40–69 — Рабочая
• 70–89 — Готовая
• 90–100 — Приоритетная

Как начисляются баллы

Рейтинг намеренно строгий:

• пустое поле → 0;
• неподтверждённое поле → 0;
• мусорные ответы вроде asdf, -, повторов слов → 0;
• расплывчатые ответы вроде «все», «есть данные», «чтобы работало» не получают полный балл;
• полный балл выдаётся только за конкретную и полезную информацию.

Live readiness preview

Во время заполнения пользователь видит прогноз готовности:

• текущий score;
• уровень;
• progress bar;
• сколько баллов не хватает до следующего уровня;
• top-рекомендации по самым ценным недостающим данным.

После подтверждения карточки считается официальный score.

AI-функции

AI используется для двух задач:

1. Анализ полноты

analyze_task(raw_text, card)

Определяет, каких данных не хватает, и формирует уточняющие вопросы.

2. Сборка карточки

build_card(raw_text, answers)

Формирует структурированную карточку только из информации, которую сообщил пользователь.

AI не должен придумывать неизвестные факты.

Если OpenAI API недоступен, используется локальный deterministic fallback.

Архитектура

app.py                 # Streamlit UI и пользовательский flow
ui.css                 # визуальные стили

core/
├── ai.py              # AI-анализ, вопросы, сборка карточки, fallback
├── models.py          # структуры данных
├── rating.py          # детерминированный readiness score
└── storage.py         # SQLite: задачи и отклики

data/
└── seed/              # демо-данные

prompts/
├── analyze_task.md
└── build_card.md

tests/
├── test_rating.py
└── test_integration_flow.py

requirements.txt
.env.example
AGENTS.md
README.md

Поток данных

Streamlit UI
   ↓
analyze_task(...)
   ↓
build_card(...)
   ↓
calculate_rating(...)
   ↓
save_task(...)
   ↓
list_tasks(...)
   ↓
save_proposal(...)
   ↓
list_proposals(...)
   ↓
set_proposal_status(...)

Хранилище

Используется SQLite.

По умолчанию база создаётся локально:

data/aisana.db

Установка

git clone https://github.com/BAITC-Hacks/hack-c1d91e20-bsmlh.git
cd hack-c1d91e20-bsmlh
python3 -m venv .venv
source .venv/bin/activate
python -m pip install -r requirements.txt

Windows:

py -m venv .venv
.venv\Scripts\activate
python -m pip install -r requirements.txt

OpenAI API

OpenAI API не обязателен.

cp .env.example .env

.env:

OPENAI_API_KEY=your_key_here

Без ключа приложение автоматически использует fallback и остаётся запускаемым.

Запуск

streamlit run app.py

Обычно:

http://localhost:8501

Тесты

python -m pytest -q

На текущей версии:

127 passed

Покрываются:

• строгая формула рейтинга;
• vague / junk inputs;
• неподтверждённые данные;
• уровни readiness;
• backend integration flow;
• сохранение задачи;
• публикация;
• создание отклика;
• изменение статуса отклика.

Быстрый demo script

1. Бизнес вводит слабое описание: Хотим чат-бота для клиентов.
2. Показываем низкий preview score.
3. AI задаёт уточняющие вопросы.
4. Добавляем пользователей, данные, ожидаемый результат и измеримый критерий.
5. Показываем рост readiness.
6. Подтверждаем карточку и публикуем.
7. Переключаемся на студенческую команду.
8. Открываем каталог.
9. Отправляем предложение.
10. Возвращаемся как бизнес.
11. Открываем отклики.
12. Вручную выбираем или отклоняем команду.

Правила каталога

• все опубликованные задачи доступны командам;
• задачи сортируются по readiness score;
• низкий score не скрывает задачу;
• студент может откликнуться даже на задачу с низкой готовностью.

Профили ролей

Бизнес

Лёгкий профиль содержит основные данные компании и контактную информацию.

Студенческая команда

Профиль команды используется как мини-резюме и содержит:

• название;
• описание;
• интересы;
• навыки;
• технологии;
• контакты.

Безопасность и устойчивость AI

Даже если AI ошибается или API недоступен:

• score не контролируется LLM;
• core/rating.py остаётся источником истины;
• неподтверждённые поля не получают официальный балл;
• приложение продолжает работу через fallback;
• выбор команды не автоматизируется AI.

Ограничения MVP

Не являются обязательной частью текущего MVP:

• production login/password;
• email verification;
• сложная система прав;
• realtime WebSocket chat;
• notifications;
• file uploads;
• vector database;
• ML model training;
• production deployment.

Использованные инструменты

• ChatGPT
• OpenAI Codex
• Figma AI
• OpenAI API — опционально
• Streamlit
• SQLite
• pytest

Текущий статус

Hackathon MVP готов к сквозной демонстрации.

Основной фокус проекта: превратить слабую бизнес-идею в качественную задачу, дать прозрачную мотивацию улучшить её и довести сценарий до реального отклика студенческой команды и ручного решения бизнеса.