Career Quest · KOMO

AI-навигатор развития сотрудника для HackAlem AI / Halyk Bank. Сотрудник выбирает цель, получает объяснимые рекомендации, начинает или планирует активность и видит изменение навыков после подтверждения выполнения. HR видит дефициты компетенций, участие и сотрудников без актуального шага, импортирует новые профили и историю.

Стек: Python 3.12 / FastAPI / SQLAlchemy / PostgreSQL / Redis; Next.js / TypeScript. Модульный монолит, четыре сервиса Docker Compose. Данные синтетические.

Визуальное руководство по платформе

Открыть визуальную документацию со скриншотами — рассказ о том, как работает Career Quest, с пояснениями к экранам и действиям пользователей. Руководство поможет быстрее разобраться в интерфейсе и сориентироваться на платформе.

Инструкция по локальному запуску приведена ниже в этом README. О том, где открыть учебные ссылки и как учитывается выполнение, — в разделе «Материалы к активностям».

Локальный запуск для проверки жюри

Нужны запущенный Docker Desktop / Engine, Docker Compose 2.24+, интернет для первой сборки и AI, свободные порты 3000 и 8000. На этом Mac проверены Docker 28.5.1 и Compose 2.40.3. Python и Node на хосте для запуска приложения не нужны. Изолированный запуск из копии файлов и пустой БД проверяется отдельно от рабочего проекта; это не проверка на другой ОС.

Инструкция относится к этой версии файлов. Получите итоговый коммит или архив проекта; незапушенные локальные изменения отсутствуют в GitHub. Для клонирования репозитория организатора нужен доступ:

git clone https://github.com/BAITC-Hacks/hack-d98d69cd-komo.git
cd hack-d98d69cd-komo
docker info
docker compose version

Для первого запуска скопируйте .env.example в .env: cp .env.example .env в macOS/Linux или Copy-Item .env.example .env в PowerShell. Не перезаписывайте существующий .env. Откройте его редактором и заполните OPENAI_API_KEY демонстрационным ключом, переданным отдельно. Реальные ключи не входят в репозиторий. Затем одна команда:

docker compose up -d --build

Дождитесь успешного завершения команды, откройте http://localhost:3000. Миграции 0001 → 0002 → 0003, исходный датасет и аккаунты создаются автоматически. Проверка состояния:

docker compose ps
curl http://localhost:3000/api/v1/ready

В PowerShell можно открыть этот URL браузером или использовать curl.exe. Ответ {"status":"ready","database":"ok"} проверяет API и PostgreSQL; не подтверждает AI. Для проверки модели используйте раздел ниже.

Роль	Логин	Пароль по умолчанию
Сотрудник E0028	employee	employee-demo-2026
HR	hr	hr-demo-2026

Это публичные демо-доступы к синтетическому локальному приложению. При изменении паролей в конфигурации действуют новые значения. Сотрудник видит только свой профиль; HR читает профили и импортирует данные, но не меняет чужие цели и участия.

Повторный запуск сохраняет цели, импорт, учетные записи сотрудников и завершения. Начальная загрузка не перезаписывает датасет в существующей БД. Команда остановки — docker compose down; данные остаются в volume. Не используйте down -v для рабочей БД. PostgreSQL и Redis не публикуют порты. Web и диагностический API привязаны к 127.0.0.1; этот комплект рассчитан на локальный запуск.

Конфигурация и реальный AI

Переменная	Значение / назначение
OPENAI_API_KEY	Ключ для OpenAI API; без него работает явно обозначенный fallback
OPENAI_KEY	Альтернативное имя; OPENAI_API_KEY имеет приоритет
OPENAI_MODEL	gpt-4.1-mini-2025-04-14; доступность зависит от выданного ключа
EMPLOYEE_ID	E0028; должен существовать в загруженной БД
EMPLOYEE_PASSWORD, HR_PASSWORD	Демо-пароли из таблицы; применяются при каждом запуске API
SESSION_SECRET	Можно оставить пустым: подпись cookie генерируется один раз и сохраняется в БД
WEB_PORT, API_PORT	3000, 8000; при конфликте задайте свободные порты
APP_ORIGIN	http://localhost:3000; должен совпадать с адресом в браузере
APP_EXTRA_ORIGINS	По умолчанию http://localhost:3000,http://127.0.0.1:3000; дополнительные разрешенные адреса через запятую
APP_ENV_FILE	Файл окружения API, по умолчанию .env; для демо экспертов .env.jury

DATABASE_URL, REDIS_URL, DATASET_PATH заданы внутри Compose: адреса postgres, redis, путь /data. Для Docker не заменяйте их на localhost. API_INTERNAL_URL для Next.js — http://api:8000. При нестандартном web-порте измените также origin. Один лишь WEB_PORT не обновляет origin.

После изменения ключа, паролей или origin в .env примените настройки (при изменении портов пересоздайте также web):

docker compose up -d --force-recreate api

Проверка реального AI на новых полностью синтетических профилях, с заданными ожиданиями и без кеша:

docker compose exec -T api python -m app.qa_acceptance verify-ai --repeats 1

Скрипт добавляет десять QA-профилей, делает девять запросов модели и отдельно проверяет пустую цель без вызова модели. Успех — все quality_pass: true, непустые случаи source: ai, cached: false, время менее 10 секунд, код завершения 0. Fallback в непустом случае дает ошибку проверки. Для трех повторов каждого случая используйте --repeats 3 (27 платных API-запросов). Четыре случая сравнивают одинаковые цели и навыки при противоположной истории участия: выбор должен меняться, а старая история не должна перевешивать недавние пропуски. На обычном демо-сотруднике также доступен python -m app.smoke_ai --fresh; если его цель уже выполнена, используйте новые QA-профили.

Дополнительная проверка влияния истории без перестановки кандидатов серверным рейтингом:

docker compose exec -T api python -m app.qa_acceptance verify-history

Она делает восемь прямых вызовов той же модели на синтетических профилях: фиксированный и обратный порядок одинаковых кандидатов. Проверяет ожидаемый выбор и ссылки на факты истории; не изменяет БД. Это дополнение к проверке API и браузера, не их замена.

Таймаут модели — 8 секунд, автоматических повторов нет. Ошибка ключа, квоты, сети, таймаут или невалидный ответ дают явно обозначенный «Подобрано по правилам · без AI». В модель отправляются роль, грейд, стаж, цель, навыки, допущенные активности и агрегаты истории (участия в конкретном событии, последние 180 дней, формат, средние оценки с числом наблюдений); имя, ID сотрудника, руководитель и сырые записи истории исключены. Ключ используется только backend; .env* исключены из Docker-образов и Git, кроме безопасных примеров.

Отдельный запуск для экспертов

Скопируйте .env.jury.example в .env.jury, внесите отдельный демонстрационный ключ. Настройки примера используют порты 3002 / 8002, правильный origin и отдельный файл окружения API. Существующий .env.jury не перезаписывайте.

docker compose --env-file .env.jury -p career-quest-jury up -d --build
docker compose --env-file .env.jury -p career-quest-jury exec -T api python -m app.qa_acceptance verify-ai --repeats 1

Откройте http://localhost:3002. Для одновременной работы с проектами на 3000 и 3002 используйте отдельный профиль браузера или инкогнито: cookie localhost общие для портов. Это отдельная БД (career-quest-jury_postgres_data), не рабочий прогресс на 3000. Во всех командах этого запуска используйте оба параметра --env-file .env.jury -p career-quest-jury, включая logs, exec, restart, down. При обновлении ключа повторите up -d --force-recreate api с теми же параметрами.

Отдельный ключ проверен локально успешными свежими AI-вызовами. Его передача экспертам, срок действия и достаточный баланс до окончания проверки должны быть обеспечены отдельно через разрешенный организатором канал. Ключ не публикуется в README, Git или скриншотах. Локальная успешная проверка не подтверждает передачу доступа организатору.

Сквозной сценарий сотрудника

1. Войти как сотрудник: открыть цель, соответствие требованиям, навыки и историю.
2. Нажать «Изменить цель», выбрать роль и грейд, проверить требования и «Сохранить цель». Кнопка «Предложить цель по текущей роли» возвращает автоматическую цель. Текущий грейд и навыки не меняются; меняется цель сравнения.
3. Нажать «Подобрать с AI» или «Обновить подбор». Открыть «Почему вам это подходит»: минимум три группы проверяемых фактов, ожидаемые навыки и прогресс. Если к активности добавлены материалы, нажать «Открыть материал» в блоке «Материалы по теме» или «Для подготовки к занятию». Ссылка откроется в новой вкладке; после возвращения участие и прогресс останутся прежними.
4. В карточке AI нажать «Начать →» для рекомендованного самостоятельного курса, затем в диалоге «Начать активность». Другой путь: вкладка «Подходящие активности» → «Начать» → «Начать активность». Он появится в «Мои активности» со статусом «В процессе», без начисления навыков.
5. После прохождения вне платформы открыть «Продолжить» → «Отметить выполненным». Показаны изменения до/после, обновлены история и подбор. В демо это собственное подтверждение сотрудника, без проверки учебной системой.
6. Обновить страницу: результат сохранен. Изменение цели не скрывает начатые активности и не запрещает их завершение только из-за новой цели.
7. Для мероприятия по расписанию: «Запланировать участие →» в рекомендации или «Запланировать» в списке активностей → дата из каталога → «Запланировать участие». Это локальная запись, не внешняя регистрация. До даты сессии завершение запрещено. Локальное незавершенное участие можно отменить.

На уже использованном E0028 курс «Подготовка к сертификации по облачным технологиям» может быть завершен. Это корректно: повторное начисление запрещено. Для повторения полного демо используйте новый профиль, описанный ниже, без очистки рабочей БД.

HR и импорт

В «Обзоре команды» доступны частота дефицитов, участие по всем статусам и сотрудники без актуального шага с причинами. Поиск ведет в профиль сотрудника; HR может запросить подбор и создать доступ к приложению, но не выполнять активность за сотрудника. Тестовые профили QA_… по умолчанию исключены из списка и всех агрегатов вместе со своей историей. Переключатель «Показать тестовые данные» включает их, не удаляя данные. Метка тестового профиля сохраняется в БД; обычные новые ID считаются рабочими.

На /hr/import выберите формат и нажмите «Скачать шаблон»: Excel (.xlsx) или JSON с синтетическим примером. Замените пример своими данными и загрузите в «Профили сотрудников». Один файл может включать и профили, и историю — тогда второй файл не нужен.

• Excel: лист employees — полные профили, employee_skills — строки employee_id, skill_id, level, history — история. Листы roles, skills, events содержат справочники; instructions — инструкцию. Названия листов и колонок сохраняйте, порядок колонок можно менять. Пустые строки пропускаются. Даты — ячейки Excel или YYYY-MM-DD. Формулы перед загрузкой замените значениями. Старые .xls пересохраните как .xlsx.
• JSON: исходный {meta, employees}, массив профилей или общий {meta, employees, history}. При отсутствии meta применяется Career Quest 1.0, срез 2026-10-01. Для отдельной истории — массив записей или {history: [...]}.
• История отдельно: Excel с листом history, JSON или CSV в UTF-8. CSV принимает запятую или точку с запятой, порядок исходных колонок свободный. Можно совместить JSON профилей и Excel/JSON/CSV истории. Один вид данных нельзя передавать сразу в двух файлах.
• Для импорта только профилей удалите строки примера на history или сам лист. Для импорта только истории оставьте history и справочники. Пустой employee_skills означает отсутствие оценок. Профили заменяются целиком — это не частичное обновление отдельных полей.
• Лимиты: 4 МБ на файл, 2000 профилей / 20 000 участий за запрос; распакованный Excel до 32 МБ. Ошибки структуры Excel указывают лист, строку и поле, ошибки связей — ID профиля или участия. Новые ID поддерживаются.

API шаблона: GET /api/v1/hr/import/template?format=xlsx|json, только для HR. Шаблоны хранятся в backend/app/features/data_import/templates и входят в Docker-образ. OpenAPI и TypeScript-типы обновлены.

Проверяются значения, статусы, ссылки, роли/грейды, навыки и дата среза. Повторные ID внутри пакета отклоняются; идентичный повторный импорт не добавляет записи. Повторное завершение одного добровольного курса с другим ID также отклоняется — и внутри пакета, и относительно сохраненной истории. Для EV_036 и периодических обязательных обучений различаются даты участия; дубль одной даты запрещен. Ошибка содержит ID сотрудника, активности и конфликтующих записей. Обновления атомарны. Подтвержденные в приложении выполнения нельзя молча перезаписать импортом; несовместимый срез отклоняется.

После импорта откройте «Профиль ↗» сотрудника → «Доступ сотрудника». Введите или сохраните предложенный пароль (от 10 символов), нажмите «Создать доступ», передайте сотруднику показанный логин и пароль. Доступ работает для любого нового ID, не только QA. Пароль хранится в виде Argon2-хеша и не возвращается API; после ухода со страницы его нельзя просмотреть. Повторное создание дает конфликт, повторный импорт не сбрасывает доступ. Самостоятельная регистрация и восстановление пароля в MVP отсутствуют.

Три собственных синтетических примера в docs/fixtures/ проверяют критический разрыв против минимального навыка, prerequisites/потолки и смену роли без истории. Это не профили жюри.

Повторяемый E2E и новое демо

Тесты добавляют синтетические данные в выбранную БД; исходный E0028 и его прогресс не сбрасываются. Каждый запуск использует новые QA_R3_… ID. Для ручного демо без Python на хосте:

mkdir -p artifacts/round3
docker compose exec -T api python -m app.qa_acceptance prepare > artifacts/round3/demo.json
docker compose exec -T api python -c 'import json,sys; d=json.load(sys.stdin); print(json.dumps(d["bundle"], ensure_ascii=False))' < artifacts/round3/demo.json > artifacts/round3/employees.json
docker compose exec -T api python -c 'import json,sys; print(json.load(sys.stdin)["history_csv"], end="")' < artifacts/round3/demo.json > artifacts/round3/history.csv

Команды перенаправления выше рассчитаны на macOS/Linux shell. В demo.json найдите employee_id, импортируйте полученные employees.json и history.csv через HR. В HR включите «Показать тестовые данные», найдите ID, откройте профиль и создайте доступ через «Доступ сотрудника». Для повторяемого демо можно задать qa-demo-r2 (10 символов). Выйдите из HR и войдите с показанным логином и выбранным паролем. Нажмите «Подобрать с AI», затем «Начать →» на первом рекомендованном курсе, подтвердите начало и выполнение. У этого синтетического профиля доступны два самостоятельных курса, поэтому после первого завершения есть следующий шаг. В HR включите показ тестовых данных и найдите этот ID.

Автоматические проверки

Backend использует настоящий PostgreSQL, а ответы модели в тестах подменены. Это проверка логики и ошибок, не доказательство реального AI:

docker compose exec -T api python -m pytest -q

Для браузерных тестов нужны Node.js 22, Docker CLI на хосте и запущенное приложение:

cd frontend
npm ci
npm run typecheck
npm run build
npx playwright install chromium
npm run test:e2e

Если установлен Google Chrome, вместо скачивания Chromium: PLAYWRIGHT_CHANNEL=chrome npm run test:e2e в macOS/Linux. Используется новый временный профиль браузера, личные сессии не нужны. PowerShell: $env:PLAYWRIGHT_CHANNEL="chrome"; npm run test:e2e.

По умолчанию тесты открывают http://localhost:3000 и вызывают CLI основного Compose-проекта из корня репозитория. При другом проекте задайте согласованные адрес и имя, например для экспертного демо:

TEST_BASE_URL=http://localhost:3002 COMPOSE_PROJECT_NAME=career-quest-jury PLAYWRIGHT_CHANNEL=chrome npm run test:e2e

При измененных демо-паролях передайте HR_PASSWORD и EMPLOYEE_PASSWORD в окружении тестов. Не запускайте с URL одного проекта и CLI другого. Для PowerShell задайте эти переменные через $env:ИМЯ="значение" перед npm run test:e2e.

E2E: загрузка шаблонов Excel/JSON → импорт и повтор → создание доступа в HR → вход нового сотрудника → сохранение цели → свежий реальный AI → начало и выполнение именно выбранной моделью активности → рост прогресса → reload → другой следующий шаг → HR-фильтр и профиль. Дополнительно — планирование, запрет досрочного завершения, отмена, мобильная ширина и ошибки импорта. Нет рабочего API-ключа — основной E2E должен упасть, fallback не засчитывается.

Скриншоты и JSON-результат — artifacts/round3/, импорт — artifacts/import-formats/; каталог можно переопределить через TEST_ARTIFACT_DIR; они игнорируются Git. В flow-result.json записываются выбранный event ID, следующий шаг, прогресс и браузерные ошибки. Тестовые записи сохраняются и не влияют на обычный HR-обзор.

Перезапуск и чистая установка

docker compose restart api web сохраняет данные. После правок кода нужен docker compose up -d --build, после правок .env — пересоздание API, а не просто restart.

Для независимого повторения установки используйте свежий clone/архив файлов и отдельный экспертный Compose-проект по инструкции выше. У него должен быть новый project name, чтобы Docker создал пустой volume. Измените порты и origin, если 3002/8002 заняты. Не удаляйте рабочий volume ради проверки чистого запуска.

Дополнительно: frontend в dev-режиме

Этот раздел нужен только разработчикам. Для проверки жюри достаточно Docker и http://localhost:3000 из первого раздела; dev-сервер и доступ по локальной сети не требуются.

Для frontend-разработки установите Node.js 22, оставьте API на 8000, остановите контейнер web (docker compose stop web) и из папки frontend выполните:

npm ci
API_INTERNAL_URL=http://127.0.0.1:8000 npm run dev -- --port 3000

Откройте http://localhost:3000. После разработки остановите dev-сервер и выполните docker compose up -d web, чтобы вернуться к Docker-версии.

Для командной разработки по LAN --hostname 0.0.0.0 уже задан в npm-скрипте. Текущий IP разработчика внесен в frontend/next.config.ts → allowedDevOrigins; при смене сети обновите его и перезапустите dev-сервер. IP указывается без протокола и порта. Для API полный адрес с портом дополнительно внесите в APP_EXTRA_ORIGINS, затем docker compose up -d --force-recreate api. Это отдельная настройка разработки, не часть запуска для жюри.

Диагностика

• Docker daemon недоступен: запустите Docker Desktop/Engine и проверьте docker info.
• Порт занят: поменяйте WEB_PORT / API_PORT; для web одновременно обновите APP_ORIGIN и разрешенные origin.
• Вход дает invalid_origin/403: адрес браузера должен входить в APP_ORIGIN или APP_EXTRA_ORIGINS; пересоздайте API после изменения.
• AI показывает резервный подбор: docker compose logs --tail=60 api. status=401 — неверный ключ; 429 — квота/лимит; timeout — сеть или провайдер. Ключ не вставляйте в тикеты и логи. Повторите verify-ai после исправления.
• Пароль не подходит: проверьте настройки и перезапустите API; seed применяет выбранные демо-пароли.
• API не готов: проверьте docker compose ps и docker compose logs --tail=80 api postgres. Все три миграции должны быть в checkout; не удаляйте данные и не подменяйте версию миграции вручную.
• Цель выполнена или нет допустимых шагов: пустой результат с причиной корректен. Для полного сценария импортируйте свежий QA-профиль.

Архитектура и правила

Browser → Next.js /api/v1 proxy → FastAPI → PostgreSQL / Redis / OpenAI Responses API.

Фичи backend: identity, catalog, employees, development, recommendations, hr_analytics, data_import. Все предметные расчеты принадлежат development; frontend показывает данные API. PostgreSQL — источник истины, Redis — необязательный кеш на 5 минут.

• Названия и описания 40 активностей и названия навыков показаны по-русски. Исходные ID, файлы датасета и правила расчета сохранены. Технические названия вроде Python, TypeScript и React остаются без перевода.
• Исходный набор: 200 сотрудников, 40 событий, 60 навыков, 32 профиля ролей/грейдов, 2743 участия. Исходные файлы не изменяются.
• Расчетное сегодня фиксировано: 2026-10-01. Оно не двигается с системным временем; часы сервера нужны для TTL и служебных отметок.
• Базовые навыки — на last_review_date. Последующие завершения учитываются по формуле max(current, min(5, max_level, current + gain)).
• Для импортированной self-paced истории дата строки — приближение даты учета. Завершение в день оценки считается включенным в базу; новое локальное подтверждение в тот же день начисляется после базы.
• Начало, планирование и отмена не дают навыков. Повторное завершение защищено транзакцией, блокировкой и квитанцией идемпотентности; повтор с другим содержимым дает конфликт.
• Обязательные события не рекомендуются. Исторический прирост EV_004 учитывается. Завершенные события не повторяются, кроме отдельных сессий EV_036.
• Допуски: текущая роль/грейд, требования к участию, расписание, история и полезный прирост. Вместе с прямыми шагами проверяется один подготовительный переход, включая совместимость дат сессий. Приоритет: прямой критический прирост → подготовка к критическому навыку → прочая польза с учетом истории и длительности. Это не планировщик произвольной многошаговой программы.
• Автоматическая цель — следующий грейд своей роли; для Lead — поддержание текущих требований. Ручная цель допускает другую роль и любой существующий грейд. Повышения грейда автоматически нет.
• Прогресс = sum(min(current, required)) / sum(required) × 100; пустые требования дают 100%. Прогноз каждой активности независим от других карточек.
• Backend создает проверяемые факты о цели, навыках, допусках и истории; модель выбирает 1–3 активности и факты минимум из трех групп. Проверяются ID, уникальность и принадлежность фактов. Числа и объяснения берутся из проверенных данных.
• Актуальность определяется context_version: хеш данных сотрудника, его цели и истории, каталога, расчетной даты и версии логики. Действие другого сотрудника не сбрасывает подбор. Общая ревизия остается диагностической; HR не запускает массовые AI-запросы.
• HR-завершенность = completed / все статусы, кроме planned и cancelled. В таблице показаны все группы, включая overdue; сумма групп равна числу участий.

Материалы к активностям

В рекомендациях и карточке активности есть блок «Материалы по теме», а для занятий по расписанию — «Для подготовки к занятию». Нажмите «Открыть материал»: источник откроется в новой вкладке, карточка останется доступна. Указаны название, источник, язык и упражнение или цель чтения.

Ссылки вручную сопоставлены с 30 из 40 активностей в backend/app/features/catalog/resources.py; это дополнительные материалы на английском, а не полные программы исходных курсов. Для остальных активностей интерфейс предлагает уточнить программу у HR. Исходный датасет не изменен. Адреса не генерируются моделью и не передаются в ее запрос: AI выбирает допустимую активность, backend добавляет связанные материалы. Источники перечислены в SOURCES.md.

Открытие ссылки не создает участия, не завершает курс и не начисляет навыки. «Начать активность» сохраняет участие; «Отметить выполненным» используйте после прохождения самой активности. В демо это подтверждение сотрудника, без проверки внешней платформой. Для занятий будущих дат прежний запрет досрочного завершения сохранен. Интернет нужен для внешних материалов; API-доступ OpenAI для их открытия не требуется.

После обновления проекта выполните docker compose up -d --build, обновите страницу браузера и нажмите «Подобрать с AI» или «Обновить подбор». Это загрузит рекомендации с материалами вместо старой версии без ссылок. Дополнительные переменные окружения и ручная миграция не нужны.

Что именно делает AI

Это AI-навигатор с подтверждением действий человеком: цель и состояние → проверка допустимых шагов → выбор модели → проверка результата → действие сотрудника → пересчет → новый выбор. Модель действительно выбирает между кандидатами, а не только пишет текст к фиксированному списку. Backend отвечает за допуски, числовые факты и сохранение результата. Это ограниченный рекомендательный агент; он не регистрирует человека во внешней LMS и не подтверждает реальное обучение.

Польза MVP — получить исполнимый следующий шаг и увидеть его вклад в карьерную цель; HR получает обзор дефицитов и участия. Рост навыков в демо основан на правилах датасета и собственном подтверждении сотрудника, а не на независимой оценке знаний.

API: http://localhost:3000/api/v1/docs. Swagger загружает UI с CDN; JSON /api/v1/openapi.json доступен локально. Снимок — docs/openapi.json; типы — frontend/src/shared/api/schema.d.ts.

Основные дополнительные маршруты: GET/POST /employees/{id}/access (только HR, создание локального доступа), GET /catalog/role-profiles, PATCH /employees/{id}/career-goal, POST /employees/{id}/activities/{event_id}/start, POST /employees/{id}/participations/{record_id}/cancel, refresh=true у POST рекомендаций. Все под /api/v1. Ключ идемпотентности обязателен для действий участия. После изменения контракта обновите OpenAPI и выполните npm run api:types в frontend.

Соответствие ТЗ и оценке

Источник: официальное ТЗ Career Quest, повторно прочитано 23.09.2026. Веса групп: работоспособность 25, техническая реализация 25, README/воспроизводимость 25, ценность 15, потенциал/оригинальность 10. Они не гарантируют баллы за наличие отдельных функций.

Требование	Реализация	Проверка	Критерии
Профиль и траектория	Кабинет, навыки, цель, история, подходящие шаги	E2E сотрудника и HR, смена роли/автоцель	Работоспособность, ценность
1–3 AI-шага	Responses API, проверенные кандидаты, проверка ответа	verify-ai, свежий вызов, новые профили	Работоспособность, техническая реализация
Минимум 3 фактора	Факты о профиле, навыках, истории и цели	Проверка fact IDs, принадлежности и групп	Техническая реализация, ценность
Прогресс после выполнения	Общий расчет, транзакция, идемпотентность	Start/complete, конкуренция, reload/restart	Работоспособность, техническая реализация
HR-view	Дефициты, отсутствие шага, участие по статусам	Сверка агрегатов и просмотр после E2E	Работоспособность, ценность
Проверочные профили	Атомарный импорт Excel/JSON/CSV с новыми ID	Импорт в браузере, повтор, ошибочный пакет	Работоспособность, воспроизводимость
Приватность и права	Собственный профиль, отдельная роль HR	401/403, запрет чужих изменений	Техническая реализация
Скорость	AI-таймаут 8 с, кеш, локальные расчеты	Обычные ответы <2 с, AI <10 с	Работоспособность, техническая реализация
Запуск и документация	Compose, миграции, seed, инструкция	Чистая БД и новый project	README/воспроизводимость

Смена цели и локальное участие — выбранные расширения, а не отдельные обязательные пункты ТЗ. Их ценность — сделать следующий шаг исполнимым в рамках демонстрационного учета. Добавлено дополнительное чтение для 30 активностей. Полные программы курсов, внешняя регистрация и проверка реального обучения не реализованы. Нет рейтингов, наград за обязательные процессы, реальных персональных данных, SSO, чата или автоматического повышения грейда.

Проверки четвертого прохода, до добавления материалов: 66 backend-тестов, по 3 браузерных сценария в рабочей и чистой установках; 27/27 реальных AI-ответов по заданным ожиданиям и 8/8 проверок независимости от порядка кандидатов. Чистая установка дополнительно прошла 9/9 AI-проверок с ключом жюри. Сборка слоев приложения проверена без кеша; новая БД заполнена автоматически. Это проверка на том же Mac, не испытание на другой ОС.

После добавления материалов отдельно прошли 66 backend-тестов, TypeScript, production-сборка и 3 браузерных сценария с реальным AI на основном localhost. E2E подтвердил: открытие Microsoft Learn не меняет навыки, прогресс и участия; после отдельного начала и подтверждения выполнения прогресс изменился с 92% до 94%, появился следующий шаг. Результат проверки материалов. Основной Docker Compose и локальный комплект жюри пересобраны; E2E этого дополнения выполнен на основном комплекте.

Результаты: docs/VERIFICATION.md. Статус: TASK.md. Компоненты, лицензии и источники: docs/SOURCES.md. Репозиторий организатора: BAITC-Hacks/hack-d98d69cd-komo.

Завершенные проверенные изменения коммитятся по разрешению пользователя. Последние изменения этого прохода зафиксированы локально; для передачи жюри нужен отдельный push итоговых коммитов. Предыдущая версия отправлялась после согласования истории. Официальная сдача через платформу не подтверждена. .env вне индекса; это не очищает прошлую историю. Наличие проекта на localhost не означает официальной сдачи.