EvoMind

Problem

Бизнес часто описывает свою задачу для студенческих команд слишком коротко и расплывчато ("нужно понять, почему клиенты уходят") — студентам сложно понять, за что браться, а хорошие задачи теряются среди непонятных.

Solution

EvoMind — платформа-каталог, которая помогает бизнесу превратить черновое описание в полноценную, оценённую задачу, и открыто связывает её со студенческими командами. Ключевая идея: геймификация направлена на бизнес, а не на студентов — чем подробнее описана задача, тем выше её рейтинг готовности (0-100) и заметнее позиция в общем каталоге.

Сквозной сценарий: черновик → AI задаёт минимум 3 уточняющих вопроса → редактируемая карточка → расчёт рейтинга по 7 критериям → публикация в каталог → отклик студенческой команды → бизнес вручную принимает/отклоняет предложение. Автоматического назначения команд нет.

Что реализовано

• Конструктор задачи: свободный ввод, AI/fallback-анализ полноты, минимум 3 уточняющих вопроса, редактируемая карточка, ручное подтверждение перед публикацией.
• Карточка задачи со всеми обязательными полями (название, контекст, потребность, пользователи, данные, ограничения, ожидаемый результат, критерии успеха, контакт, формат взаимодействия).
• Формула рейтинга 0-100 (см. ниже) с расшифровкой по критериям, списком недостающих полей и пересчётом после каждого сохранения.
• Открытый каталог: все опубликованные задачи, сортировка по рейтингу, фильтры по теме и уровню готовности.
• Отклики команд: неограниченное число предложений (идея, план, срок, ссылка на прототип) на задачу.
• Ручной выбор бизнеса: принять/отклонить любое количество предложений; автоматического назначения команды нет.
• AI-функция: анализ брифа и генерация вопросов через OpenAI Chat Completions с безопасным детерминированным fallback при отсутствии/сбое внешнего сервиса.

Формула рейтинга задачи

Рейтинг 0-100 считается на backend (детерминированно, без ИИ) по 7 критериям — балл начисляется только если соответствующее поле заполнено и подтверждено:

Критерий	Вес	Условие начисления
Контекст и потребность	20	заполнены context и need
Данные	20	заполнено поле data
Ожидаемый результат	15	заполнено expectedResult
Критерии успеха	15	заполнено successCriteria
Ограничения	10	заполнено constraints
Пользователи	10	заполнено users
Связь с бизнесом	10	заполнены contact и interactionFormat

Уровни готовности: 0-39 — draft (черновик), 40-69 — workable (рабочая), 70-89 — ready (готовая), 90-100 — priority (приоритетная). Низкий рейтинг не скрывает задачу и не блокирует отклики — он лишь сигнализирует студентам, насколько задача готова к работе. Рейтинг автоматически пересчитывается при каждом сохранении карточки.

Правила каталога

GET /api/tasks — возвращает все опубликованные задачи. Поддерживает:

• ?sort=score_desc|score_asc — сортировка по рейтингу;
• ?readiness=draft|workable|ready|priority — фильтр по уровню готовности;
• ?topic=... — фильтр по теме.

Задачи с низким рейтингом остаются в каталоге (не скрываются), но занимают позицию согласно рейтингу.

Architecture

Монорепозиторий (pnpm workspaces):

apps/api      — NestJS REST API (бизнес-логика, рейтинг, AI-адаптер)
apps/web      — Next.js фронтенд (весь пользовательский сценарий)
packages/contracts — общие Zod-схемы и TypeScript-типы (единый источник правды
                      для API-контрактов между backend и frontend)
packages/db   — Drizzle ORM схема, миграции, seed-данные, SQLite

Frontend обращается к backend через типобезопасный HTTP-клиент, все запросы и ответы валидируются общими Zod-схемами из packages/contracts.

Technologies

• Backend: NestJS, TypeScript, Zod (валидация), Drizzle ORM, better-sqlite3
• Frontend: Next.js (App Router), React, TypeScript, Tailwind CSS, React Hook Form + Zod, TanStack Query
• Тесты: Vitest, Supertest (backend), Vitest + Testing Library (frontend)
• Пакетный менеджер: pnpm workspaces

Installation

Требуется Node.js 20+ и pnpm.

pnpm install
pnpm db:migrate
pnpm db:seed

Environment variables

Переменная	Назначение	Обязательна
PORT	Порт backend API (по умолчанию 3001)	нет
OPENAI_API_KEY	Ключ OpenAI API для генерации уточняющих вопросов через Chat Completions	нет — без него используется детерминированный fallback
OPENAI_MODEL	Модель Chat Completions (по умолчанию gpt-4o-mini)	нет
API_BASE_URL	URL backend API для Next.js proxy (frontend)	нет, по умолчанию http://127.0.0.1:3001

Важно: AI-функция полностью опциональна для проверки. Без OPENAI_API_KEY система автоматически и безопасно использует детерминированный fallback — генерирует минимум 3 релевантных уточняющих вопроса без обращения к внешним сервисам. Эксперты могут проверить полный сценарий без каких-либо личных аккаунтов или API-ключей участников.

Run

Backend и frontend запускаются отдельно (два терминала):

pnpm dev:api   # NestJS API на http://localhost:3001
pnpm dev:web   # Next.js на http://localhost:3000

Либо production-сборка:

pnpm build
pnpm start:api          # backend
pnpm --filter @evomind/web start   # frontend

Demo / Test credentials

Аутентификация не требуется (вне рамок MVP по ТЗ). Используются готовые синтетические данные из seed: 5 задач, 5 команд (team-1...team-5), 5 предложений. Все данные полностью синтетические, контакты используют зарезервированный домен example.test.

How to verify main scenario

1. Открыть http://localhost:3000, ввести короткое описание проблемы на экране "Описание" (например "Хотим понять, почему клиенты уходят").
2. Ответить на 3 уточняющих вопроса.
3. Проверить/отредактировать карточку, сохранить — увидеть расчитанный рейтинг и его разбивку по критериям.
4. Опубликовать задачу — она появится в общем каталоге, с сортировкой и фильтрами по теме/готовности.
5. Открыть задачу из каталога → отправить отклик (поле "Команда": используйте team-1...team-5 — демо-ID из seed).
6. Перейти на экран решений бизнеса → принять или отклонить предложение вручную.

Тот же сценарий можно проверить напрямую через API — см. примеры запросов в Swagger UI: http://localhost:3001/api/docs (после pnpm dev:api).

Tests

pnpm test        # backend + frontend, все тесты
pnpm typecheck    # проверка типов по всему монорепозиторию
pnpm build        # production build всех пакетов

Third-party components/models/datasets

• NestJS, Next.js, React, Zod, Drizzle ORM, better-sqlite3, Vitest, Supertest, Testing Library, TanStack Query, React Hook Form, Tailwind CSS — все open-source, использованы согласно их лицензиям (см. package.json каждого пакета).
• Внешние датасеты не использованы. Все демонстрационные данные (задачи, команды, предложения) — синтетические, созданы специально для этого проекта в рамках соревновательной части.
• AI-функция опционально использует OpenAI Chat Completions через OPENAI_API_KEY; без ключа используется собственный детерминированный алгоритм fallback. Ключ участника не требуется для воспроизводимого запуска.

Deployed version

Развёрнутой публичной версии нет — проект запускается локально по инструкции выше (Installation + Run).

Known limitations

• Регистрация, роли пользователей, реальная аутентификация — вне рамок MVP (явно исключены ТЗ).
• AI-функция по умолчанию работает в режиме fallback; интеграция с внешним LLM опциональна и не обязательна для прохождения сценария.
• Выбор команды в форме отклика — свободный текст с demo-ID (team-1... team-5), не выпадающий список (нет отдельного GET /api/teams эндпоинта — не входит в обязательный функционал ТЗ).
• Нет адаптации под мобильные устройства и production-инфраструктуры — явно вне рамок пяти часов по ТЗ.