Аким на 5 часов

Симулятор городских решений: распределите бюджет 100 между пятью мерами для пяти условных районов Астаны и посмотрите, как изменится качество жизни по формуле задачи. Исследуйте условную 3D-схему города, перетаскивайте меры на районы и сравнивайте результаты с лучшей заменой одного решения и оптимумом модели. AI-советник помогает разобрать компромиссы.

Данные районов синтетические. Интерактивная 3D-схема помогает сравнивать показатели, но не показывает реальные границы города.

Запуск за 30 секунд

• Нужны Python 3.10+, современный браузер и доступ к репозиторию.
• Для основного сценария не нужны pip install, API-ключ или интернет после получения кода.

git clone https://github.com/BAITC-Hacks/hack-6775166e-lossless.git
cd hack-6775166e-lossless
python3 src/server.py

Откройте http://127.0.0.1:8000/. Остановить сервер: Ctrl+C. Если порт занят: PORT=8080 python3 src/server.py и откройте порт 8080.

Проверка за минуту

1. На первом экране нажмите «Показать проверочный сценарий».
2. В отчёте проверьте стоимость 95, исходный Score 52,56 и новый 56,54. Сравните районы и источник объяснения.
3. Нажмите «Проверить одну замену», затем «Сравнить с оптимумом». Оба варианта предлагаются для сравнения; применить их можно только своим решением.

План	Бюджет	Score на экране	Что меняется
Исходное состояние	0 / 100	52,56	Одинаково для всех пользователей
Проверочный: M7, M8, M10 → Нура; M12 → город; M5 → Сарыарка	95 / 100	56,54	Синергия M10 + M12
Одна замена: M5/Сарыарка → M3/Нура	100 / 100	57,21	Нура выигрывает, Сарыарка теряет около 1,21 балла
Оптимум заданной модели	98 / 100	57,24	M2/город, M3/Нура, M8/Нура, M9/Нура, M14/город

Точные значения для автоматической проверки: 52.55768, 56.54307, 57.20556, 57.236735 соответственно. Большее значение в симуляторе не означает доказанную пользу для реального города.

Как пользоваться веб-интерфейсом

1. Изучите город. Выберите район на условной 3D-схеме или в списке под ней: справа появятся его балл и два самых слабых показателя. Нажмите «Перейти к мерам» для своего плана. Кнопка «Показать проверочный сценарий» сразу откроет готовый расчёт из таблицы выше и заменит текущий пакет.
2. Соберите пять мер. Откройте «Все 14 мер» и при желании отфильтруйте каталог по направлению. В карточке видны стоимость и лаг, в окне меры — её полный эффект. Перетащите районную меру на район схемы или цель «Назначить на территорию»; городская мера охватит все пять районов. Без перетаскивания нажмите «Выбрать меру», укажите район и «Включить в пакет». Панель плана показывает число решений и расходы из бюджета 100.
3. Рассчитайте последствия. Когда выбраны ровно пять разных допустимых мер, нажмите «Рассчитать результат». Отчёт покажет исходный и новый Score через 8 кварталов, потраченный и оставшийся бюджет, изменения районов, диаграммы, синергии и источник объяснения. Выберите район и переключайте на схеме «Было» / «Стало». При повторе меры, третьей мере одного направления, неверном районе, превышении бюджета или конфликте интерфейс покажет причину; невалидный план не получает Score.
4. Сравните варианты. В отчёте кнопки «Проверить одну замену» и «Сравнить с оптимумом» покажут другой набор мер, его стоимость, Score и разницу по районам. Выберите «Оставить свой» или «Применить план». Применение возвращает в планировщик: предложенный пакет можно изменить и затем снова нажать «Рассчитать результат».
5. Задайте приоритет советнику. В поле «Ваш приоритет» напишите, например, «Помочь Нуре, не ухудшив Сарыарку», и нажмите «Разобрать варианты». Вы увидите свой план, одну замену и оптимум заданной модели с их компромиссами. AI, если доступен, объясняет уже рассчитанные факты; без модели текст помечен computed_facts. Советник не применяет план за вас.

Score считает только симулятор по формуле датасета: порядок мер не влияет на результат, а остаток бюджета не даёт бонуса. Полная формула и ограничения — в сводке ТЗ; формат API — в контрактах.

Проверяйте живую модель в интерфейсе, запущенном из того же клона, где лежит .env. На другом сервере или в worktree без этого файла советник покажет расчётные факты без вызова LLM. После изменения .env перезапустите сервер и обновите страницу. Метка «AI-разбор проверенных расчётов» означает ответ модели; «Расчётные факты · AI-модель не настроена/недоступна» означает резервный разбор. Три числовых варианта всегда считает симулятор.

Подключить живое AI-объяснение — необязательно

Основной сценарий работает без ключа. Если нужен ответ модели:

1. Если локального .env ещё нет, создайте его из образца: cp .env.example .env.

2. Заполните одну пару настроек:

   Провайдер	Переменные в .env	Дополнительный шаг
   OpenAI API	OPENAI_API_KEY, OPENAI_MODEL	Не нужен; пример ID модели — gpt-4o-mini
   NVIDIA API Catalog	NVIDIA_API_KEY, NVIDIA_MODEL	python3 -m pip install -r requirements-model.txt

3. Перезапустите python3 src/server.py и повторите проверочный сценарий. Метка model означает реальный ответ API; computed_facts — резервное объяснение при отсутствии ключа или ошибке.

• Настройки читаются из .env текущего клона. Переменные процесса имеют приоритет, включая пустые. Если заданы оба провайдера, выбирается NVIDIA. Для явного выбора OpenAI: NVIDIA_API_KEY= NVIDIA_MODEL= python3 src/server.py.
• Для живого ответа нужен ваш разрешённый ключ провайдера; проект не выдаёт тестовые ключи.
• Ключи не вводятся в браузере и не должны попадать в Git. .env уже исключён из репозитория.
• Сетевые таймауты: OpenAI — 20 с, NVIDIA — 45 с; интерфейс ждёт расчёт и объяснение до 75 с. При ошибке автоматического переключения провайдера нет.

Проверка настроек без API-запроса, затем объяснения плана, сравнения и совета:

python3 scripts/check-model.py --check-config
python3 scripts/check-model.py --scenario both
python3 scripts/check-model-advice.py

Скрипты следуют тому же приоритету провайдеров, что приложение. Для проверки конкретного провайдера добавьте --provider openai или --provider nvidia к первым двум командам; советника с OpenAI при настроенной NVIDIA запустите как NVIDIA_API_KEY= NVIDIA_MODEL= python3 scripts/check-model-advice.py. Живая проверка успешна только при source: model; резервный ответ даёт код выхода 2. Скрипты не печатают ключи. Фактические прогоны и ограничения — в журнале интеграции и проверке модели.

Автоматическая проверка

python3 -m unittest discover -s tests -q
python3 benchmark/optimizer_benchmark.py --scenario official --oracle --optimizer python3 src/optimizer.py

• Тесты проверяют базовый и контрольный Score, ошибки валидации, лаг, синергии, независимость от порядка, оптимизатор и объяснение.
• Второй шаг сравнивает оптимизатор с независимым точным перебором: на официальных данных ожидается максимум 57.236735. Дополнительные сценарии и команды — в описании benchmark.
• Для ручной проверки пройдите сценарий «Проверка за минуту» выше: он использует обычную серверную валидацию.

Данные, компоненты и ограничения

• Источник чисел: два документа в task/ — ТЗ и синтетический датасет районов. Права на их публикацию отдельно не указаны; командный репозиторий приватный.
• Реализация: Python, HTML, CSS, JavaScript и Canvas, включая 14 условных 3D-моделей мер, написаны для этой задачи. Светлая гамма восстановлена из исходного интерфейса команды; официальный бренд и логотип Astana Hub не используются. До старта в репозитории были инфраструктурные скрипты и рабочие инструкции; состав описан в плане команды.
• Необязательная библиотека: для NVIDIA используется openai==3.16.2 (Apache-2.0) через совместимый API. OpenAI Responses API вызывается средствами стандартной библиотеки Python.
• Отдельный benchmark: использует открытый London Ward Profiles (OGL v2) как технический тест оптимизатора; его данные не входят в Score Астаны. Происхождение и нормировка — в описании benchmark.
• Границы результата: это симуляция по заданной формуле, не прогноз реальных эффектов. Успешный сквозной NVIDIA-прогон пока не подтверждён. Без доступной модели объяснение строится из вычисленных фактов и явно помечается.

Для деталей: контракты модулей, визуализация, порядок сдачи.