Däneker — задачи бизнеса и решения студенческих команд

MVP-платформа, на которой бизнес формулирует проектную задачу, а студенческие команды находят подходящие кейсы, предлагают решения и поэтапно сдают результат.

О проекте

Бизнес-задачи часто приходят к студентам в виде короткого сообщения без контекста, критериев приёмки, доступных данных и ограничений. Из-за этого команде сложно оценить задачу и понять, какой результат нужен заказчику. В то же время бизнесу неудобно собирать и сравнивать предложения, а затем фиксировать прогресс проекта.

Däneker связывает две аудитории:

• бизнес — помогает превратить исходное описание в структурированную карточку, опубликовать её, сравнить предложения и принять результаты;
• студенческие команды — даёт каталог задач, профиль компетенций, объяснимую оценку соответствия и рабочий процесс по этапам.

Текущая версия является локальным MVP и учебной демонстрацией. Репозиторий не содержит подтверждений реального внедрения, реальных бронирований или измеренного бизнес-эффекта.

Что реализовано

Для бизнеса

• регистрация и вход с ролью бизнеса;
• создание черновика задачи и автосохранение изменений;
• AI-интервью из 3–5 уточнений и генерация структурированной карточки через OpenAI;
• явно обозначенный шаблонный режим уточнений в автономной демонстрации без API-ключа;
• ручное редактирование и подтверждение карточки перед публикацией;
• единый рейтинг полноты 0–100 с расшифровкой недостающих сведений;
• отдельная AI-проверка качества текста, не изменяющая детерминированный рейтинг;
• настройка 2–3 этапов проекта, критериев приёмки и распределения 100 баллов;
• просмотр и сравнение откликов, ручной выбор одной, нескольких или ни одной команды;
• приёмка результатов этапов либо возврат на доработку с комментарием.

Для студенческой команды

• регистрация и вход с ролью команды;
• профиль участников: роли, навыки, уровень, доступность, проекты и интересы;
• каталог опубликованных задач с поиском, фильтрами, сортировкой, пагинацией и закладками;
• детерминированная оценка соответствия профиля задаче и, при доступном OpenAI, текстовое пояснение;
• неограниченное число предложений с идеей, планом, сроком и необязательной ссылкой на прототип;
• снимок профиля и оценки соответствия на момент отклика;
• согласование плана, последовательная отправка этапов и просмотр обратной связи;
• добавление проекта в подтверждённый опыт после приёмки всех его этапов.

Безопасность и целостность данных

• серверная проверка ролей, владельца задачи и назначенной команды;
• пароли в виде salted scrypt-хешей;
• сессии в HttpOnly, SameSite=Strict cookie на 12 часов;
• ограничение попыток входа и запрет изменяющих запросов с другого origin;
• проверка входного JSON, размера запроса, ссылок и переходов между состояниями проекта.

Как работает решение

Основной пользовательский сценарий выглядит так:

1. Представитель бизнеса регистрируется и вводит исходное описание проблемы.
2. AI-интервью задаёт минимум три уточняющих вопроса. После ответов формируется черновик карточки; AI не публикует её автоматически.
3. Пользователь проверяет и редактирует название, контекст, цель, ожидаемый результат, критерии успеха, данные, ограничения, аудиторию, контакт и формат взаимодействия. Рейтинг полноты пересчитывается общим детерминированным алгоритмом.
4. Бизнес задаёт этапы и публикует карточку в каталоге.
5. Команда заполняет профиль, находит задачу через поиск или фильтры, изучает оценку соответствия и отправляет предложение.
6. Бизнес сравнивает предложения и подтверждает выбор. Для каждой выбранной команды создаётся отдельный набор этапов.
7. Команда согласует план и по очереди прикладывает описание и ссылку на результат. Бизнес принимает этап или возвращает его на доработку.
8. Баллы этапа считаются начисленными только после подтверждения бизнеса; следующий этап открывается после приёмки предыдущего.

Технологии

Область	Используется в проекте
Backend	JavaScript, Node.js >=22.9, встроенные модули node:http, node:fs, node:crypto
Frontend	HTML5, CSS, Vanilla JavaScript, hash-навигация без frontend-фреймворка
Хранилище	JSON-файл data/db.json с атомарной заменой через временный файл
AI	OpenAI Responses API, Structured Outputs с JSON Schema; модель задаётся через OPENAI_MODEL, по умолчанию gpt-4o-mini
Авторизация	Собственная cookie-сессия, scrypt, randomUUID / randomBytes
Тестирование	Встроенный node:test, node:assert, интеграционные HTTP-тесты
Зависимости	Внешних npm-пакетов нет

OpenAI используется только сервером: ключ не передаётся в браузер. Запросы к модели нужны для интервью, проверки качества карточки и пояснения оценки соответствия. Сам рейтинг полноты и числовой Match рассчитываются локальными детерминированными алгоритмами и не требуют AI.

Архитектура проекта

Браузер (public/)
  ├─ интерфейс каталога, карточек, профиля, откликов и этапов
  ├─ API-клиент основного приложения
  └─ автономный demo.html с локальными учебными данными
                    │ HTTP / JSON
                    ▼
Node.js HTTP-сервер (src/server.js)
  ├─ маршрутизация и раздача статических файлов
  ├─ авторизация и проверка прав (src/auth.js)
  ├─ бизнес-правила и персистентность (src/store.js)
  ├─ рейтинг полноты (src/rating.js + public/readiness-engine.cjs)
  ├─ Match команды и задачи (src/match.js + public/match-engine.cjs)
  └─ AI-адаптер (src/ai.js) ───────────────► OpenAI Responses API
                    │
                    ▼
             data/db.json

Основные каталоги и файлы:

Путь	Назначение
src/server.js	HTTP-сервер, API-маршруты, статические файлы и проверки доступа
src/store.js	операции с задачами, профилями, откликами, этапами и JSON-хранилищем
src/auth.js	аккаунты, хеширование паролей и сессии
src/ai.js	валидация AI-ввода/вывода и интеграция с OpenAI
src/rating.js, src/presentation.js	расчёт и представление полноты карточки
src/match.js	серверный адаптер алгоритма соответствия
public/	интерфейс, стили и переиспользуемые браузерные движки
test/	модульные и интеграционные тесты
docs/	контракт API и подробности отдельных подсистем

Одни и те же CommonJS-совместимые движки из public/ переиспользуются сервером и браузером, поэтому рейтинг, этапы, каталог и Match следуют одинаковым правилам в интерфейсе и API.

Установка и запуск

Требования

• Node.js 22.9 или новее;
• современный браузер;
• опционально — ключ OpenAI API для живого AI-интервью и AI-подсказок.

Локальный запуск

1. Клонируйте репозиторий и перейдите в него:

   git clone <URL-РЕПОЗИТОРИЯ>
   cd hack-ba77eedd-aliskander
   

2. Проверьте версию Node.js:

   node --version
   

3. Если нужен живой OpenAI, создайте локальный файл настроек:

   cp .env.example .env
   

   Затем заполните OPENAI_API_KEY в .env. При необходимости измените OPENAI_MODEL и PORT. Файл .env исключён из Git. Не добавляйте API-ключ в клиентский код или коммиты.

4. Запустите приложение:

   npm start
   

   Установка пакетов не требуется: в проекте нет внешних npm-зависимостей.

5. Откройте http://localhost:3000. Сервер слушает loopback-интерфейс 127.0.0.1; порт по умолчанию — 3000.

При первом запуске data/db.json создаётся автоматически и получает две учебные задачи и три предложения. Можно указать другой путь переменной DATA_FILE. После изменения .env перезапустите сервер.

Полезные страницы

URL	Назначение
http://localhost:3000/	основное приложение с реальными серверными аккаунтами и данными
http://localhost:3000/demo.html	автономная демонстрация с переключением ролей и локальными данными
http://localhost:3000/case.html	повторяемый сценарий защиты на учебном кейсе
http://localhost:3000/prototype.html?variant=grid	учебный прототип записи, вариант «сетка»
http://localhost:3000/prototype.html?variant=list	тот же прототип, вариант «список»

Как проверить решение

Быстрый сценарий для жюри

Этот сценарий не требует API-ключа и не изменяет серверное хранилище:

1. Запустите npm start.
2. Откройте http://localhost:3000/case.html и ознакомьтесь с учебным кейсом студии «Форма».
3. Нажмите «Открыть кейс»: откроется отдельная демонстрация полного потока с локальными данными.
4. Переключайтесь между ролями бизнеса и команды и пройдите цепочку: карточка задачи → предложения → выбор команды → этапы → отправка и приёмка результата.
5. На странице кейса откройте учебный прототип и проверьте запись на свободный сеанс, недоступность занятого сеанса, отмену и сохранение состояния после обновления страницы. Прототип использует только localStorage и не бронирует реальные услуги.

Проверка основного защищённого потока

1. Откройте / и зарегистрируйте аккаунт с ролью «Бизнес».
2. Создайте задачу, ответьте минимум на три уточнения, проверьте карточку и опубликуйте её. Без ключа OpenAI для гарантированного показа интервью используйте /demo.html; основной AI endpoint сообщит, что провайдер не настроен.
3. Выйдите и зарегистрируйте второй аккаунт с ролью студенческой команды.
4. Заполните профиль, найдите опубликованную задачу, добавьте её в закладки и отправьте предложение.
5. Вернитесь в аккаунт бизнеса, выберите предложение.
6. В аккаунте команды согласуйте этапы и отправьте первый результат с корректной ссылкой http:// или https://.
7. В аккаунте бизнеса примите этап либо верните его на доработку и убедитесь, что следующий этап нельзя сдать раньше предыдущего.

Автоматические проверки

npm test
npm run lint

Тесты OpenAI используют подменённые ответы и не расходуют API. Проверить настоящий ключ и доступность выбранной модели можно отдельно:

npm run verify:openai

Команда verify:openai требует заполненного .env и выполняет реальный запрос к OpenAI.

Данные и интеграции

Локальные данные

• Основные аккаунты, задачи, профили, закладки, предложения и этапы сохраняются в data/db.json или в файле из DATA_FILE.
• Каталог при первом запуске получает учебные данные из src/sample-data.js.
• demo.html работает отдельно от защищённого API и хранит демонстрационное состояние в браузере.
• Учебный прототип записи хранит записи в localStorage; персональные данные ему не нужны.

Внешние сервисы

Единственная внешняя интеграция в репозитории — OpenAI Responses API (https://api.openai.com/v1/responses). Она опциональна: каталог, аккаунты, публикация, отклики, этапы, рейтинг полноты и числовой Match работают без неё. Репозиторий не содержит интеграций с CRM, мессенджерами, OAuth, платёжными системами или внешними базами данных.

Подробные контракты находятся в документации:

• API и сопоставление полей;
• AI-интервью и генератор карточки;
• формула соответствия команды задаче;
• каталог и фильтры;
• сценарий проверки жюри и границы MVP.

Ограничения текущей версии

• Сервер и файловое хранилище рассчитаны на один процесс; конкурентный многопроцессный доступ к JSON-файлу не поддерживается.
• Сессии находятся в памяти: после перезапуска сервера нужно войти снова, хотя аккаунты и проектные данные сохраняются.
• Нет восстановления пароля, подтверждения email, OAuth и приглашений отдельных участников команды.
• Нет push/email/мессенджер-уведомлений и интеграций с внешними бизнес-системами.
• Рейтинг 0–100 оценивает заполненность карточки по фиксированным правилам, а не достоверность или бизнес-ценность текста.
• Match является рекомендательным: он использует заявленные в профиле сведения, не проверяет владение навыками и не выбирает команду вместо бизнеса.
• OpenAI-функции требуют серверного OPENAI_API_KEY, доступа в интернет и доступности указанной модели. Ошибка провайдера не подменяется успешным AI-ответом.
• Старые задачи без владельца сохраняются, но не назначаются новому аккаунту; для управляемого показа следует создать новую задачу или использовать автономное демо.
• Учебный прототип записи не является production-сервисом и не выполняет реальные бронирования.

Deployed-версия

Ссылка на развёрнутую публичную версию не указана в репозитории. Проект подтверждённо запускается локально по адресу http://localhost:3000.