Если Python 3.13 уже установлен, скопируйте блок в PowerShell:

py -3.13 -m venv .venv
if ($LASTEXITCODE -ne 0) { throw 'Не удалось создать окружение Python 3.13' }
.\.venv\Scripts\python.exe -m pip install -r requirements.txt
if ($LASTEXITCODE -ne 0) { throw 'Не удалось установить зависимости' }
.\.venv\Scripts\python.exe run.py --data data --out out
if ($LASTEXITCODE -ne 0) { throw 'Расчёт завершился ошибкой' }
Start-Process .\out\network.html

После успешного расчёта приложение откроется в браузере. Если py -3.13 недоступен, используйте блок «Python 3.13 не установлен» ниже.

Повторный расчёт — одна команда:

.\.venv\Scripts\python.exe run.py --data data --out out

Дождитесь PASS, затем откройте out/network.html или обновите уже открытую страницу.

Если Python 3.13 уже установлен:

python3.13 -m venv .venv && .venv/bin/python -m pip install -r requirements.txt && .venv/bin/python run.py --data data --out out

После сообщения PASS откройте out/network.html в браузере.

Повторный расчёт — одна команда:

.venv/bin/python run.py --data data --out out

Команды проверены на macOS; полный Python-пайплайн на Linux пока не подтверждён.

Установите uv по официальной инструкции. Он самостоятельно скачает нужный Python. Выполняйте команды из папки проекта; подготовка требует интернета.

Windows PowerShell:

uv venv --managed-python --python 3.13 .venv
if ($LASTEXITCODE -ne 0) { throw 'Не удалось подготовить Python 3.13' }
uv pip install --python .\.venv\Scripts\python.exe -r requirements.txt
if ($LASTEXITCODE -ne 0) { throw 'Не удалось установить зависимости' }
.\.venv\Scripts\python.exe run.py --data data --out out
if ($LASTEXITCODE -ne 0) { throw 'Расчёт завершился ошибкой' }
Start-Process .\out\network.html

macOS / Linux:

uv venv --managed-python --python 3.13 .venv && uv pip install --python .venv/bin/python -r requirements.txt && .venv/bin/python run.py --data data --out out

После PASS откройте out/network.html. В дальнейшем используйте команду повторного расчёта для своей ОС — uv и сеть уже не нужны.

Для машины без интернета заранее подготовьте Python 3.13 и совместимые пакеты: инструкция offline-установки. Установщик и wheelhouse/ не включены в репозиторий. Поддержка Python 3.12 не заявляется.

Распределение ролей: 21 coordinator · 42 consolidator · 43 distributor · 36 transit · 566 terminal · 1 540 peripheral. Роль, score и кластер — основания для проверки, не утверждение о виновности. Размеченной истины нет, поэтому accuracy и вероятности нарушения не заявляются.

Что реализовано

Дополнительно: временные признаки и достижимость по датам, направленные циклы, сценарии удаления топ-N, чувствительность кластеров/приоритетов, запросы недостающих данных и опциональный AI-планировщик. Возможности и их ограничения описаны ниже.

Как работает решение

1. Запустите расчёт на исходных nodes, edges и transactions из data/.
2. Откройте out/network.html: сначала показан обзор всей сети без выбранного клиента. Нажмите «Первый в очереди», строку топ-листа либо найдите полный gid.
3. В карточке проверьте роль, её правило, входящие/исходящие связи, слагаемые приоритета и ограничения. Перейдите к контрагенту или сохраните карточку в TXT.
4. Используйте следующий запрос данных из карточки и data_requests.csv для углублённой проверки. Автоматическое обвинение, блокировка счетов или отправка запросов во внешние системы не выполняются.

Все выходные файлы и обязательные схемы

Фиксированные обязательные схемы сохраняются; дополнительные поля разрешены ТЗ:

nodes_roles.csv: gid, role, role_score, cluster_id, priority_score, evidence
clusters.csv: cluster_id, n_nodes, n_seed, sum_kzt_internal, top_gids, hypothesis
top_nodes.csv: rank, gid, role, priority_score, why

evidence содержит числа и не превышает 200 символов. Gid хранятся как целые в Python/CSV и как строки в интерфейсе: 18-значные идентификаторы превышают точность JavaScript Number. При открытии CSV в Excel импортируйте gid как текст.

Данные и интеграции

Источник — обезличенные данные организаторов HackAlem AI, только для хакатона; внешнего обогащения нет.

Наблюдаются внутрибанковские переводы за 1–31 июля 2026, от 5 000 KZT, четыре колена исходящего обхода от 81 seed. Оборот — 365 890 012,01 KZT. В полном графе 35 слабосвязных компонент: 16 с рёбрами и 19 изолятов. 444 узла на глубине 4 имеют нулевой наблюдаемый выход.

Загрузчик сверяет типы и схемы, уникальность gid/рёбер, концы рёбер, период, порог и агрегаты transactions ↔ edges. Допуск сумм — 0,01 KZT; ошибки останавливают расчёт. Распределения и обоснование порогов: разведка данных, README датасета.

Обязательных внешних интеграций нет. OpenAI Responses API используется только по явному запросу в опциональном CLI; основной расчёт и браузер к нему не обращаются.

Схема решения

Схема на одном слайде.

flowchart LR
    A[3 parquet организаторов] --> B[Проверка схем и агрегатов]
    B --> C[Направленный граф и временные признаки]
    C --> D[Правила ролей и приоритет]
    C --> E[Louvain на ненаправленной проекции]
    E --> D
    D --> F[CSV и числовые объяснения]
    F --> G[Автономная сеть и карточки]
    F --> H[Локальные инструменты аналитика]
    I[Опциональный LLM: один проверяемый план] -.-> H
    F --> J[Валидация и отчёт]

Метрики

• in_deg/out_deg — число разных плательщиков/получателей; in_kzt/out_kzt — суммы; in_tx/out_tx — число операций. Средний чек равен сумме, делённой на число операций.
• pass_through=out_kzt/in_kzt определён только при положительном входе; иначе технический 0 и pass_through_defined=False. Входящие seed неполны, поэтому их ratio не используется для назначения transit.
• seed_reach — число других seed с направленным путём до узла без учёта дат; seed_payers — прямые seed-плательщики. Достижимость не устанавливает источник денег.
• PageRank использует направления и суммы (tol=1e-10, max_iter=1000, стандартный damping). Betweenness — точная нормированная центральность на направленном невзвешенном графе; расстояние — число шагов.
• fast_out_share сопоставляет входящие суммы FIFO с ещё не использованными исходящими через 1–2 дня. Исходящая сумма не расходуется повторно; операции того же дня исключены. matched_lag_days — средний лаг, взвешенный сопоставленной суммой, 0 при отсутствии сопоставления.
• max_payers_same_day — максимум разных плательщиков за день; burst_share — доля входа+выхода в самый активный день; near_threshold_share — доля операций в [5 000; 10 000) KZT. Это признаки, а не доказательство дробления.
• in_cycle — участие в направленной сильно связной компоненте с несколькими узлами или петле. reciprocal_neighbors — взаимные связи; repeat_routes — инцидентные рёбра с несколькими переводами, не многошаговые повторяющиеся маршруты. volume_depth_percentile сравнивает log-оборот с тем же коленом.

Временная достижимость рассчитывается отдельно: temporal_seed_reach_strict_days требует строго возрастающих дней, temporal_seed_reach_upper допускает возможный порядок в один день. Seed доступны с начала месяца, собственный seed исключён; всегда strict_days ≤ upper ≤ seed_reach. Суммы и происхождение средств эти пути не прослеживают. У лидера очереди структурно достижимы 7 seed, по датам — 1; приоритет остаётся структурным, различие показано в карточке.

Роли и пороги

Порядок: coordinator → consolidator → distributor → transit → terminal → peripheral. Сначала определяются базовые роли, затем coordinator может заменить результат. Соседи-хабы для coordinator определяются непосредственно порогами, поэтому результат не зависит от очередности обхода узлов. Пороговые значения находятся в aml/roles.py.

matched_roles сохраняет все одновременно выполненные правила. Например, coordinator может показывать также консолидацию и веерное распределение. Основная role выбирается по приоритету правил; top_nodes.why дополнительно раскрывает оба направления потока, слагаемые приоритета и next_request.

Обоснование: q95 входящей степени равен 3, исходящей — 5; пороги 5 и 10 выделяют наблюдаемую концентрацию выше основной массы. Медиана входа — 50 000 KZT; 200 000 выше q75≈164 528. Из 72 узлов с отношением 0,8–1,2 дополнительные условия отсеивают неполные/малые наблюдения. Порог q99 betweenness на предоставленном графе примерно 0,001989231914, фактическое значение сохраняется при расчёте. Порог не выбирается под заранее заданные gid.

Сила свидетельств role_score

Обозначим clip(x)=min(1,max(0,x)), b99 — q99 betweenness, f=fast_out_share, p=pass_through:

Для consolidator на обрезанном четвёртом колене score дополнительно умножается на 0,8. Итог ограничивается [0,1] и округляется до 6 знаков. Высокий score означает силу заданного правила, не достоверность обвинения. Для peripheral фиксированный score отражает остаточное правило и неполноту наблюдения.

Приоритет для аналитика

raw = 0.30 × role_weight
    + 0.25 × log1p(seed_reach) / max(max(log1p(seed_reach)), 1)
    + 0.20 × log1p(in_kzt + out_kzt) / max(max(log1p(in_kzt + out_kzt)), 1)
    + 0.15 × percentile_rank(pagerank)
    + 0.10 × patterns
priority_score = clip(raw × (0.6 if is_seed else 1))

Веса ролей: coordinator=1; consolidator=0,9; distributor=0,8; transit=0,6; terminal=0,5; peripheral=0,1. percentile_rank — средний ранг связок, делённый на число узлов. patterns — среднее трёх индикаторов: fast_out_share≥0,5, max_payers_same_day≥3, in_cycle=True. Итог округляется до 8 знаков; при равенстве выше меньший gid.

Seed понижаются множителем 0,6, поскольку уже известны и кейс требует перенести внимание на другие узлы. Каждое слагаемое сохранено в CSV (priority_role, priority_reach, priority_volume, priority_pagerank, priority_patterns, seed_discount), поэтому позицию можно объяснить. Критичность после удаления узла не добавляется скрытым бонусом в score.

Кластеры

Только кластеризация игнорирует направление. Встречные суммы A→B и B→A складываются; вес ненаправленной пары — log1p(общая сумма). Louvain использует seed=42, resolution=1; узлы и рёбра заранее сортируются. Сообщества нумеруются по размеру, затем минимальному gid. Число групп не подгоняется под подсказку организаторов.

В текущем результате 48 сообществ, из них 9 содержат несколько seed. Все 19 изолятов входят в техническую группу 0, которая не объявляется сообществом. Внутренний оборот считается по исходным направленным суммам, без логарифма и удвоения. top_gids — пять приоритетных клиентов группы.

Гипотезы строятся по правилам: сбор от ≥3 seed; веерное распределение; ≥2 транзитных узла; иначе наблюдаемая связанная активность. Разведка запускает Louvain вместе с изолятами, а основной расчёт отдельно; это меняет случайный обход. Для проверки продукта используйте out/clusters.csv и out/report.json.

Интерфейс и помощник

Карта показывает стрелки переводов, роли или кластеры, очередь, фильтры и окружение выбранного узла на один/два шага. Карточка и TXT сохраняют правила, метрики, состав приоритета, временную достижимость, чувствительность и следующий запрос. Gid остаются строками целиком. Изоляты доступны в поиске; их устойчивость сообщества помечена «Не оценивалась».

Пример без ключа:

.venv/bin/python -m aml.assistant --out out --data data --question 'Объясни 100000000331309100'

Онлайн-планирование включается только с --online, OPENAI_API_KEY и OPENAI_MODEL. Проверенная модель — gpt-5.4-nano-2026-03-17. В API передаётся вопрос с псевдонимами вместо gid, схема инструментов и допустимые псевдонимы; граф, метрики и результаты инструментов остаются локальными. Остальной текст вопроса не обезличивается автоматически.

Ограничения вызовов: один запрос, максимум 1 024 выходных токена, 20 попыток по умолчанию в постоянном локальном журнале, без повторов. При отсутствии настроек или ошибке — явно обозначенный локальный режим. Браузер не хранит ключи. Полный запуск: AI-помощник.

Проверка AI: 20 тестов с подменой HTTP; живая оценка — 12/12 подготовленных случаев (11 онлайн и один локальный отказ). Это малый набор разработки, не accuracy ролей и не гарантия понимания любого вопроса. Результаты, расход и ограничения бюджета.

Чувствительность и изменение сети

• Кластеры: пять seed Louvain 42–46 на неизменной проекции дают 43–49 сообществ без изолятов. ARI альтернатив к исходному разбиению — 0,671–0,690; средний Jaccard состава — 0,658. Это показывает неопределённость границ, а не истинный состав группы.
• Приоритет: исходные веса и 10 вариантов изменения одного веса на ±20% с нормировкой. В альтернативных топах остаются 18–20 из исходных 20 клиентов; 18 входят во все 11 сценариев. Пороги ролей, данные и скидка seed не варьируются.
• Удаление топ-N: сценарии 0/5/10/20 приоритетных не-seed. Цели — базовые consolidator, включая переопределённых coordinator. При удалении топ-5 остаётся 204 из 391 достижимой пары seed→цель; 148 пар теряются к сохранившимся целям. Удаление самих получателей учитывается отдельно.
• Полнота: data_requests.csv предлагает запросить следующее колено, внешние входящие/остаток, наличные, межбанковские и подпороговые операции в зависимости от ограничений узла.

Методика и границы: sensitivity-method.md. Устойчивость не равна точности, а сценарий удаления не измеряет предотвращённый ущерб.

Как проверять

После команды запуска:

.venv/bin/python validate.py --data data --out out
.venv/bin/python -m unittest discover -s tests
.venv/bin/python scripts/audit_top.py --data data --out out

На Windows замените исполняемый файл на .\.venv\Scripts\python.exe. Для программной проверки взаимодействий интерфейса дополнительно нужен Node.js: node scripts/check_viewer.cjs out/network.html. Node не нужен для расчёта или открытия HTML.

Воспроизводимый сценарий жюри:

1. Запустить расчёт из исходных parquet в новую выходную папку, без готовых результатов. Проверить время <300 с и встроенный PASS.
2. Проверить 2 248 уникальных gid, шесть допустимых ролей, непустые evidence с числами ≤200 символов, scores в [0,1], согласованные кластеры и отсортированный топ ≥20.
3. Открыть экран, найти любые три gid, объяснить правило по метрикам и перейти по входящим/исходящим связям. Примеры ниже помогают проверить разные ограничения.
4. Проверить отсутствие terminal у depth=4 и наличие 19 изолятов; повторить расчёт и сравнить CSV. Время в report.json может отличаться.

Эти примеры взяты из результата и не встроены в алгоритм. Независимый audit_top.py читает parquet без импорта расчётных модулей; сверяет суммы, степени, достижимость, временное сопоставление через max-flow и сценарии удаления. Разбор всех ролей, демо на 5 минут.

Фактические проверки

Текущая сборка DalaAI: 98 тестов PASS, расчёт из новой исходной папки без out — 4,79 с по внешнему таймеру; валидатор, аудит и DOM-регрессии прошли, 7 CSV и HTML совпали с рабочей сборкой на macOS ARM64/Python 3.13.15. Использовано ранее отдельно подготовленное Python-окружение с закреплёнными зависимостями; время установки пакетов не входит в измерение. Все семь CSV также совпали с версией до переименования. Протокол DalaAI.

Windows 11/Python 3.13.15: отдельно проверена чистая установка из локальных wheels, затем c31e093 — 90 тестов / 95 с QA-обёрткой, девять подмен валидатора отклонены, UTF-8 проверен в cp1251. Отдельная загрузка Python через uv также прошла. Между Windows-прогонами результаты побайтно одинаковы; с Git сравниваются после нормализации LF/CRLF. Это не проверка последующих UI-изменений. Протокол Windows.

Linux-установка и нагрузка на миллионе узлов не проверены. DOM-тесты не заменяют визуальный просмотр в браузере; Python socket-guard не является системным firewall. Исторические измерения и внешние отзывы с границами — в docs/verification.md. Репетиция «три gid за минуту» требует человека и не выдаётся за выполненный автоматический тест.

Ловушки и ограничения

Устойчивость — структурный сценарий удаления узлов, а не прогноз предотвращённого ущерба. Полноценные повторяющиеся многошаговые маршруты, HITS, обученная модель и подтверждённая работа на миллионе узлов не заявлены. Опциональный внешний планировщик проверен на ограниченном наборе вопросов; ошибка выбора инструмента на иной формулировке возможна. Роль coordinator показывает структурную связность и не устанавливает организатора группы.

Рост до 1 млн узлов

Это план развития, не результат нагрузочного теста. Первым узким местом станет точная betweenness и Python-объекты NetworkX: заменить их приближённой betweenness по выборке источников и компактным графовым движком (например, igraph). Агрегации транзакций перенести в колоночную обработку/SQL, хранить рёбра партициями; признаки считать инкрементально по новым датам.

Достижимость от небольшого набора seed можно хранить битовыми масками и распространять по DAG сильно связных компонент. Сообщества пересчитывать по затронутым областям или применять Leiden с проверкой сопоставимости. В интерфейс отдавать подграф выбранного узла/кластера и агрегированные связи, а не миллион узлов сразу. Точные текущие правила и семантика направлений сохраняются; приближения и новые пороги требуют отдельной оценки стабильности и времени.

Источники, технологии и вклад

• Языки: Python 3.13 для расчёта и CLI; JavaScript, HTML и CSS для автономного интерфейса. Граф рисуется встроенным Canvas-кодом, без внешних CDN и обязательного веб-сервера. Опциональный планировщик обращается к OpenAI Responses API; проверенная модель — gpt-5.4-nano-2026-03-17. Других внешних источников данных и обязательных API нет.
• Датасет и starter/ — материалы организаторов HackAlem AI. Стартовый код оставлен отдельно; он использован как справка по загрузке, базовым метрикам и контракту CSV. Он не выполняет классификацию вместо решения команды.
• Код и документация разработаны с помощью Codex. AI-агент используется при разработке; аналитические роли продукта рассчитываются прозрачными правилами. Применение AI не выдаётся за качество обученной модели.
• Python: pandas 3.0.6, PyArrow 25.0.1, NetworkX 3.7, NumPy 2.5.3, SciPy 1.18.1; вспомогательные зависимости python-dateutil 2.9.0.post0 и six 1.17.0. Точные версии — в requirements.txt.
• Первичные проекты: pandas, Apache Arrow, NetworkX, NumPy, SciPy, dateutil, six. Основные лицензии соответственно BSD-3-Clause, Apache-2.0, BSD-3-Clause, BSD-3-Clause, BSD-3-Clause, Apache-2.0/BSD-3-Clause и MIT; бинарные сборки могут содержать компоненты с дополнительными лицензиями, перечисленными в их metadata/LICENSE.

История Git сохраняет настоящее авторство и время. Общая память команды: TEAM_CONTEXT.md, TASKS.md, правила совместной работы. Фактические протоколы проверок отделены от планов и человеческой репетиции.

Развёрнутая версия

Публичная deployed-версия не размещена. DalaAI запускается локально: откройте out/network.html после расчёта или скачайте сохранённый HTML из репозитория. GitHub показывает исходный текст HTML, а не работающий экран. Сервер и публикация сайта не требуются.

Соответствие критериям конкурса

Веса ниже — шкала ТЗ, не самооценка заработанных баллов.

Пункты промпта организаторов

Подача через платформу выполняется отдельно от push: текст и порядок сдачи, условия Положения и ТЗ.