Ketnavr: рекомендации по закупкам

От Excel-выгрузок склада к объяснимому списку пополнения для менеджера по закупкам.

Ketnavr обрабатывает данные поставщиков ИЭК и SystemElectric: продажи, остатки, товары в пути и кратность заказа. Менеджер получает рекомендуемое количество, срочность и обоснование, проверяет позиции в интерфейсе и выгружает результат в CSV или Excel.

Проект решает задачу подготовки закупок по разрозненным таблицам. Это хакатонный прототип поддержки решения, не система автоматической отправки заказов. Количества рассчитываются в Python; OpenAI или NVIDIA могут улучшать текст объяснения, но не управляют числовым расчётом.

Быстрые ссылки: запуск · сценарий для жюри · ограничения · общая версия.

Для запуска после git clone деплой не нужен. Backend и frontend работают локально. Нужен исходный ZIP из материалов задачи, а для живого чата также свой API-ключ OpenAI или NVIDIA. Архив и секреты передаются отдельно от Git. Без ключа доступны полный расчёт, фильтры, карточки и экспорт.

Что реализовано

• Чтение локального ZIP-архива с Excel-таблицами двух поставщиков и сопоставление товаров по коду 1С.
• Расчёт прогнозного дневного спроса с ограничением месячных выбросов, поправками на тренд и сезонность.
• Учёт остатка, количества в пути, срока поставки, страхового запаса и округление заказа до кратности MOQ.
• Приоритеты «Критично», «Заказать скоро» и «Планово».
• Два списка: «К закупке» и «Весь расчёт», включая товары с нулевым заказом.
• Поиск по названию и артикулу; совместные фильтры по поставщику, категории и срочности.
• Сортировки по приоритету, количеству к заказу и «Рекомендуемый порядок», сохраняющий порядок API.
• Карточка товара с объяснением, спросом, покрытием, остатками и параметрами заказа.
• Сводка по всей текущей выборке; неизвестные цены не заменяются нулями, неполная сумма помечается явно.
• Пагинация по 50 строк с прокруткой внутри таблицы и закреплёнными заголовками.
• Экспорт всей отфильтрованной выборки, а не только открытой страницы, в CSV и настоящий XLSX.
• Необязательные AI-объяснения через OpenAI или NVIDIA, с возвратом к расчётным шаблонам при сбое.
• Отдельно помеченный режим синтетического демо; ошибки API не подменяются демо автоматически.
• Сервер показа сохранённого снимка для временной публикации через Cloudflare Tunnel.
• Чат-помощник по всему расчёту с историей диалога: требует настроенного AI-провайдера; на необязательном сервере показа включается через SHARE_CHAT_ENABLED=true.

Как работает решение

1. Оператор получает исходный Excel-архив и задаёт его путь и дату расчёта в настройках backend.
2. Backend читает таблицы, объединяет позиции по коду 1С и рассчитывает потребность.
3. Для каждой рассчитанной позиции формируются количество, приоритет и шаблонное объяснение. Если ИИ включён, часть объяснений может быть заменена ответом модели.
4. Frontend получает JSON, проверяет его формат и показывает список «К закупке».
5. Менеджер фильтрует товары, открывает карточки и проверяет основания заказа. Выбор «Планово» переключает интерфейс на полный расчёт с нулевой потребностью.
6. Менеджер выгружает выбранные позиции в CSV/XLSX. Дальнейшее согласование и отправка заказа выполняются вне приложения.

Метод расчёта

Реализация находится в backend/app/calculator.py. Используются до шести последних доступных месяцев продаж не позднее месяца AS_OF_DATE. Верхние выбросы ограничиваются на основе медианы и медианного абсолютного отклонения. Среднемесячный объём делится на 30,4, затем применяются поправки на тренд и сезонность, если истории достаточно.

Прогнозный дневной спрос = средний дневной спрос × тренд × сезонность
Доступное количество = остаток + товар в пути
Горизонт = срок поставки + дни страхового запаса
Потребность = max(прогнозный дневной спрос × горизонт - доступное количество, 0)
Заказ = потребность, округлённая вверх до кратности MOQ
Покрытие, дней = доступное количество / прогнозный дневной спрос

Тренд ограничен диапазоном 0,85–1,25, сезонный коэффициент: 0,8–1,2. Это эвристический расчёт, а не обученная модель прогнозирования.

Приоритет	Условие
critical / «Критично»	Покрытие меньше срока поставки.
soon / «Заказать скоро»	Покрытие не меньше срока поставки, но меньше горизонта со страховым запасом.
normal / «Планово»	Покрытие не меньше горизонта; дополнительный заказ равен 0.

Позиции без пригодной положительной истории спроса в расчёт не включаются. «Весь расчёт» поэтому не означает весь ассортимент исходных файлов.

Технологии

Компонент	Технологии в репозитории
Backend	Python, FastAPI, Uvicorn, Pydantic.
Обработка Excel	pandas, openpyxl; NumPy указан в зависимостях backend.
Расчёт	Python: statistics, math, datetime; собственные правила расчёта.
Frontend	JavaScript, React 19, Vite 6, CSS, иконки Lucide React.
Выгрузка	ExcelJS для XLSX; формирование CSV в браузере.
OpenAI	Responses API: POST https://api.openai.com/v1/responses.
NVIDIA	Chat Completions: POST https://integrate.api.nvidia.com/v1/chat/completions.
HTTP к моделям	Стандартная библиотека Python urllib.request, без SDK OpenAI.
Временная публикация	Отдельное приложение FastAPI и Cloudflare Tunnel (cloudflared).
Тесты	Python unittest, FastAPI TestClient/httpx, встроенный Node.js test runner.

В backend/.env.example и конфигурации заданы OPENAI_MODEL=gpt-5.6-luna и NVIDIA_MODEL=meta/llama-3.1-8b-instruct. Это настраиваемые идентификаторы из кода, не гарантия доступа к модели для любого API-аккаунта. Доступность зависит от используемого провайдера и ключа.

Зависимости: backend/requirements.txt, backend/requirements-dev.txt, frontend/package.json.

Архитектура

Локальная разработка

Локальный ZIP с XLSX
  -> data_loader.py: чтение и объединение таблиц
  -> calculator.py: числовые рекомендации и шаблонные объяснения
  -> ai_client.py: необязательное обогащение reason через OpenAI/NVIDIA
  -> main.py: FastAPI, порт 8000, JSON
  -> Vite proxy: /api/* -> backend /*
  -> React, порт 5173: проверка контракта, таблица, фильтры, карточки
  -> CSV / XLSX в браузере

API-ключи хранятся только на backend. Браузер не обращается к моделям напрямую. Базы данных нет: исходные таблицы и снимок для показа кэшируются в памяти процессов.

Общая версия для показа

main.py:8000 -> share.py:8010: снимок расчёта в памяти
frontend/dist -> share.py:8010: статическая сборка интерфейса
браузер посетителя -> Cloudflare Tunnel -> share.py:8010

При запуске share.py получает полный расчёт без ИИ, затем запрашивает AI-объяснения для первых трёх позиций к заказу. Посетители читают уже сохранённый снимок: обновление страницы не вызывает платные API. При недоступности ИИ остаются расчётные объяснения. Недоступный основной backend не заменяется демо.

Структура репозитория

backend/
  app/data_loader.py       загрузка Excel из ZIP
  app/calculator.py        спрос, потребность, MOQ и срочность
  app/ai_client.py         OpenAI/NVIDIA и резервные объяснения
  app/assistant.py         контекст чат-помощника и ограничение запросов
  app/config.py            настройки backend
  app/models.py            модели ответов
  app/main.py              основной HTTP API
  app/share.py             сервер статической сборки и снимка
  tests/                   тесты backend
frontend/
  src/App.jsx              интерфейс и пользовательские состояния
  src/AssistantChat.jsx    виджет диалога с ИИ
  src/lib/api.js           HTTP-запрос и таймаут 45 секунд
  src/lib/contract.js      проверка и нормализация JSON
  src/lib/data.js          фильтрация, сортировка, сводка, пагинация
  src/lib/export.js        CSV и XLSX
  src/lib/back-front-errors.js  журнал ошибок подключения
  src/data/demo.js         синтетический пример
  tests/                  модульные и вспомогательные проверки
outputs/API_CONTRACT.md    контракт frontend/backend
QUICKSTART.md              краткий запуск
SHARING.md                 публикация временной версии
FRONTEND_HANDOFF.md        подключение и контрольные числа

Установка и запуск

Команды ниже предназначены для Windows PowerShell. Сервисы запускаются в отдельных терминалах. Для первого запуска платные API и ключи не нужны.

Требования

• Git и доступ к командному репозиторию, если код получается через git clone.
• Python 3.12+ с venv и pip.
• Node.js 22+ и npm.
• Исходный ZIP с Excel для работы на реальных данных. Он не входит в Git и передаётся командой отдельно.

Шаг 1. Получить проект

git clone https://github.com/BAITC-Hacks/hack-f8b85cde-ketnavr.git
cd hack-f8b85cde-ketnavr

Если проект уже скачан, откройте терминал в его корне.

Шаг 2. Установить и настроить backend

cd backend
python -m venv .venv
.\.venv\Scripts\python.exe -m pip install -r requirements.txt
if (-not (Test-Path .env)) { Copy-Item .env.example .env }
New-Item -ItemType Directory -Path data -Force
Copy-Item -LiteralPath "$env:USERPROFILE\Downloads\Excel_IEK_Systeme_Electric_оформленные.zip" -Destination data/source.zip

Последняя команда копирует предоставленный архив из «Загрузок»; если он лежит в другом месте, замените только исходный путь. Не распаковывайте и не меняйте структуру ZIP. В backend/.env задайте следующие настройки:

DATA_ZIP_PATH=data/source.zip
AS_OF_DATE=2026-09-22
MAX_RECOMMENDATIONS=0
SAFETY_STOCK_DAYS=14
IEK_LEAD_TIME_DAYS=18
SYSTEME_LEAD_TIME_DAYS=14
AI_PROVIDER=template

Относительный DATA_ZIP_PATH считается от папки backend, независимо от рабочего каталога терминала. Можно вместо копирования указать свой абсолютный путь к исходному ZIP. Архив должен существовать. AS_OF_DATE задаётся явно, а не обновляется автоматически. MAX_RECOMMENDATIONS=0 снимает ограничение числа рекомендаций. Существующий .env и его ключи не перезаписывайте.

Запустите backend из каталога backend:

.\.venv\Scripts\python.exe -m uvicorn app.main:app --host 127.0.0.1 --port 8000 --reload

Оставьте этот терминал открытым. В другом терминале проверьте:

Invoke-RestMethod 'http://127.0.0.1:8000/health'
Invoke-RestMethod 'http://127.0.0.1:8000/data/summary'
Invoke-RestMethod 'http://127.0.0.1:8000/recommendations?ai=false&limit=5'
$full = Invoke-RestMethod 'http://127.0.0.1:8000/recommendations?ai=false&include_no_order=true&limit=0'
$full.recommendations.Count

data_zip_exists должен быть true. Документация основного API: Swagger UI. Для предоставленного архива полный запрос возвращает 2144, а не 120 строк. limit=5 выше служит только короткой проверкой, не настройкой интерфейса.

Шаг 3. Запустить frontend

В новом терминале из корня проекта:

cd frontend
npm install
if (-not (Test-Path .env.local)) { Copy-Item .env.example .env.local }

Проверьте настройки frontend/.env.local:

BACKEND_URL=http://127.0.0.1:8000
VITE_API_BASE_URL=/api
VITE_RECOMMENDATIONS_PATH=/recommendations?ai=false
VITE_DATA_MODE=api

npm run dev:local

Откройте локальный сайт. Frontend сам добавляет include_no_order=true&limit=0, чтобы получить весь доступный расчёт. dev:local принудительно использует backend 127.0.0.1:8000, реальные данные и ai=false для таблицы, даже если в старом .env.local осталась ссылка туннеля. Чат остаётся доступен отдельно. Если порт занят, используйте npm run dev:local -- --port 5174 и адрес, который напечатает сервер. Для собственных настроек .env.local, другого backend или демо запускайте обычный npm run dev; после изменения настроек перезапустите Vite.

Шаг 4. Необязательно: включить AI-объяснения

В backend/.env выберите провайдера и добавьте его ключ. Не вставляйте ключи в README, Git, JavaScript или переменные VITE_*.

Режим AI_PROVIDER	Что требуется и что происходит
template	Ключ не нужен, внешних вызовов нет.
openai	OPENAI_API_KEY; модель задаётся через OPENAI_MODEL.
nvidia	NVIDIA_API_KEY; модель через NVIDIA_MODEL, адрес через NVIDIA_BASE_URL.
auto	Пробует настроенный OpenAI, затем настроенный NVIDIA при отсутствии результата; без успешного ответа остаются шаблоны.

AI_MAX_ROWS=8 по умолчанию ограничивает число строк, отправляемых модели. Запросы к провайдерам имеют таймаут 12 секунд и лимит выходного текста 900 токенов. Внешнему сервису передаются названия и показатели выбранных товаров, поэтому AI следует включать только при разрешении на такую обработку данных.

Перезапустите backend. Для прямого локального подключения замените настройку frontend на VITE_RECOMMENDATIONS_PATH=/recommendations?ai=true и запустите обычный npm run dev вместо dev:local. Проверить конфигурацию без раскрытия ключа можно через GET /ai/status, но наличие ключа не доказывает успешный вызов модели. Прямые запросы к основному backend с ai=true могут каждый раз расходовать токены.

Шаг 5. Включить чат-помощник

В backend/.env добавьте свой действующий ключ, например:

AI_PROVIDER=openai
OPENAI_API_KEY=YOUR_OPENAI_API_KEY
OPENAI_MODEL=gpt-5.6-luna

YOUR_OPENAI_API_KEY заменяется только в локальном .env, а не в этом README. При необходимости укажите доступную вашему аккаунту модель. Для NVIDIA используйте AI_PROVIDER=nvidia, NVIDIA_API_KEY и NVIDIA_MODEL. Перезапустите backend. В локальном режиме портов 8000 + 5173 SHARE_CHAT_ENABLED не нужен: он относится только к app.share на порту 8010.

Откройте сайт, дождитесь таблицы, нажмите «Спросить ИИ» и отправьте: «Сколько позиций всего, сколько нужно заказать и сколько критичных?». Ожидаемые факты для исходного архива: 2144 / 221 / 177. Формулировка ответа модели может отличаться.

Чат работает через POST /api/assistant/chat во frontend и POST /assistant/chat на основном backend. Пример тела:

{"question":"Почему нужен заказ?","history":[]}

Ответ: {"answer":"Текст ответа модели"}. Каждый отправленный вопрос может расходовать токены; ключ остаётся на backend. Для экономии можно оставить VITE_RECOMMENDATIONS_PATH=/recommendations?ai=false: таблица будет без вызовов модели, а чат продолжит работать через отдельный POST.

Помощник получает сводку всего расчёта, до 18 подходящих товаров и до 10 сообщений истории. Он не видит только текущие фильтры и не отправляет заказы. Без ключа или при сбое API отображается ошибка, а не выдуманный ответ. Лимит: 10 вопросов в минуту и 2 одновременно на процесс, не денежный лимит. Настройка для готовой сборки на 8010: SHARING.md.

Запуск без исходного архива

Для демонстрации только интерфейса задайте в frontend/.env.local VITE_DATA_MODE=demo и запустите обычный npm run dev, не dev:local. Backend в этом режиме не требуется. Данные вымышлены и помечены как синтетические, в том числе в выгрузке. Это не проверка расчёта по Excel. Кнопки входа в демо в рабочем интерфейсе нет.

Как проверить решение жюри

Пользовательский сценарий на реальных данных

1. Запустите проект с исходным архивом, указанной выше датой и ai=false, либо откройте общую версию из раздела «Развёрнутая версия».
2. В «К закупке» проверьте таблицу, наличие обоих поставщиков и показатели сводки.
3. Выберите SystemElectric и «Заказать скоро». Откройте любой товар и сопоставьте остаток, путь, спрос, MOQ и объяснение с количеством к заказу.
4. Скачайте CSV и Excel. Количество строк должно соответствовать всей выборке по фильтрам, а неизвестная цена не должна превращаться в ноль.
5. Сбросьте фильтры и выберите «Планово». Интерфейс перейдёт во «Весь расчёт»; в карточках будет объяснение, почему дополнительный заказ не требуется.
6. Вернитесь в «К закупке», выберите «Критично» и переключите страницы 2, 3 и 4. Панель пагинации должна оставаться на месте.
7. Выберите «Рекомендуемый порядок»: это порядок ответа API, без изменения количеств и приоритетов.
8. При настроенном AI задайте помощнику вопрос из шага 5. Без ключа этот шаг пропускается; расчёт и экспорт от AI не зависят.

Для набора и настроек на 22.09.2026 в FRONTEND_HANDOFF.md зафиксированы контрольные значения:

Выборка	Количество позиций
К закупке	221
ИЭК / SystemElectric в списке к закупке	205 / 16
Критично / Заказать скоро	177 / 44
SystemElectric + Заказать скоро	8
Весь расчёт	2144
Планово, заказ 0	1923

Это контроль конкретного набора, не оценка точности прогноза. При замене файлов, даты или параметров числа могут измениться. Без исходного архива репозиторий сам по себе не позволяет воспроизвести эти результаты.

Автоматические проверки

Из корня проекта:

cd backend
.\.venv\Scripts\python.exe -m pip install -r requirements-dev.txt
.\.venv\Scripts\python.exe -m unittest discover -s tests
cd ..\frontend
npm test
npm run build

Модульные тесты не требуют реальных API-ключей. Они проверяют расчёт, контракт, резервные AI-объяснения, сервер снимка, фильтры, сортировку, пагинацию, ошибки и экспорт. Исходные Excel и платные провайдеры этими тестами не валидируются.

При проверке текущей версии 23.09.2026 прошли 27 тестов backend и 29 тестов frontend.

node tests/live-check.mjs из frontend выполняет отдельную проверку согласованного снимка 221/177/44 через работающий порт 5173. Скрипт запрашивает ai=true: используйте его с сервером снимка через BACKEND_URL=http://127.0.0.1:8010, если не хотите повторных вызовов моделей. Перед запуском перезапустите Vite после изменения этой настройки.

Данные и интеграции

Excel

Загрузчик рассчитан на предоставленный архив Excel_IEK_Systeme_Electric_оформленные.zip, содержащий папки IEK/ и Systeme electric/ непосредственно внутри ZIP. Для каждого поставщика используются XLSX-файлы, найденные по словам в имени:

Таблица	Слова в имени	Назначение
MOQ	MOQ	Код товара, артикул, название и кратность.
Продажи	Ежемесячные, продажи	История продаж по месяцам.
Остатки	Ежемесячные, остатки	Количество из последнего распознанного месячного столбца.
В пути, ИЭК	Путь	Количество поставок в пути.
В пути, SystemElectric	Товар в пути	Количество в пути, доступные категории и цены.

Распознавание колонок и структуры описано кодом data_loader.py. Это адаптер заданных выгрузок, не универсальный импорт произвольного Excel. Загрузка файла через сайт и прямое подключение к 1С или API поставщиков не реализованы.

HTTP API

Основной backend на порту 8000:

Метод и путь	Назначение
GET /health	Состояние, наличие ZIP и настройка AI.
GET /data/summary	Число загруженных товаров и позиций к заказу по поставщикам.
GET /ai/status	Провайдеры, модели и наличие ключей без их значений.
GET /recommendations	JSON: schema_version, as_of, recommendations.
POST /assistant/chat	Вопрос и история диалога; ответ модели в поле answer.

Параметры /recommendations: ai=false отключает AI для запроса; include_no_order=true включает рассчитанные строки с нулевым заказом; limit=0 возвращает весь выбранный набор, limit=1..500 ограничивает число строк. Если limit не передан, используется MAX_RECOMMENDATIONS. По умолчанию include_no_order=false, ai=true.

Сервер показа на порту 8010 отдаёт /api/recommendations и /api/health (также доступны пути без /api). Его /health показывает дату снимка, число рекомендаций, размер полного расчёта и число изменённых AI-объяснений. Swagger и диагностические маршруты основного backend в нём не опубликованы. Полный формат ответа: контракт API.

Ограничения текущей версии

• Нет подтверждения или отправки заказов, личных кабинетов, авторизации и разграничения доступа. CSV/XLSX передаются в дальнейший процесс вручную. Чат-помощник не оформляет заказы и требует действующего ключа провайдера.
• Прогноз эвристический. Нет оценки точности на отложенной выборке, доказанного экономического эффекта или обучения модели спроса.
• Детальная клиентская динамика и отдельные таблицы сезонности загрузчиком не читаются. Клиентские разовые закупки и упущенный спрос в периоды отсутствия товара отдельно не моделируются.
• Дата ограничивает выбор недавних месяцев продаж, но остаток берётся из последнего столбца файла, а сезонный расчёт использует всю доступную месячную историю. Это не механизм корректного исторического тестирования на любую дату.
• Количество в пути учитывается целиком, без проверки дат прибытия. Срок поставки общий для поставщика, по умолчанию 18 дней для ИЭК и 14 для SystemElectric.
• При недостающем MOQ используется 1, при отсутствующей единице измерения шт., категория может определяться по названию. Эти допущения требуют проверки владельцем данных.
• Отсутствующие или неположительные цены из Excel становятся null; сумма считается только по известным ценам. Это не полный бюджет при наличии пропусков.
• AI не меняет числовые поля, но текст модели не проходит проверку всех фактов. Ответ следует проверять; в контракте нет поля reason_source для определения источника каждого объяснения.
• Основной backend кэширует загруженные таблицы. После замены ZIP по тому же пути перезапустите backend; для новой общей версии также перезапустите сервер снимка. Кнопка «Обновить» не загружает новый файл.
• Пагинация только клиентская: весь расчёт передаётся браузеру. Нагрузочные гарантии для больших наборов не заявляются.
• Публичный снимок доступен без пароля всем, у кого есть ссылка. Нужны разрешение владельца данных и отдельная доработка защиты для производственного использования.

Сборка и публикация

Этот раздел необязателен: для проверки проекта из Git достаточно шагов запуска backend и frontend выше. Аккаунты хостинга и туннель не требуются.

npm run build из frontend создаёт frontend/dist. Для готовой сборки Vite dev proxy не работает: нужен общий origin с API или отдельно настроенные серверный proxy/CORS. Основной backend разрешает CORS только локальному frontend на порту 5173.

В репозитории реализован вариант публикации через app.share:app. После настройки и запуска основного backend, сборки frontend с /api и VITE_DATA_MODE=api сервер снимка запускается из backend:

.\.venv\Scripts\python.exe -m uvicorn app.share:app --host 127.0.0.1 --port 8010

Локальная собранная версия: http://127.0.0.1:8010/. Полная последовательность сборки, запуска туннеля и остановки: SHARING.md. Публиковать следует порт 8010, не Vite и не основной диагностический API. Ключи и исходный архив не входят в статическую сборку, но показанные товарные данные посетители смогут скачать.

Развёрнутая версия

Открыть временную общую версию Ketnavr

Этот адрес указан в FRONTEND_HANDOFF.md. Он зависит от включённого ноутбука, запущенных процессов и интернет-соединения. После перезапуска Cloudflare Tunnel адрес может измениться. Это временный показ, не постоянный production-хостинг. Если ссылка недоступна, используйте инструкцию локального запуска или запросите актуальный адрес у команды.

Если не запускается

Проблема	Что проверить
data_zip_exists=false, Excel не найден	Поместите исходный архив в backend/data/source.zip или исправьте DATA_ZIP_PATH, затем перезапустите backend.
API вернул HTML или соединение отсутствует	Backend должен работать на 8000; BACKEND_URL=http://127.0.0.1:8000, VITE_API_BASE_URL=/api. После правки перезапустите Vite.
Мало строк, не виден второй поставщик	Используйте актуальный main, MAX_RECOMMENDATIONS=0; полный API-запрос содержит include_no_order=true&limit=0. В ZIP должны быть обе папки поставщиков.
«Планово» пусто	Сбросьте остальные фильтры и выберите «Весь расчёт». На исходном наборе доступно 1923 позиции с нулевым заказом.
Чат сообщает, что AI не настроен	Провайдер не должен быть template; ключ хранится в backend/.env. Перезапустите backend. Для 8010 дополнительно включите SHARE_CHAT_ENABLED=true и перезапустите app.share.
Временная ошибка AI или HTTP 429	Проверьте доступ к модели, лимиты аккаунта и сеть; при 429 подождите минуту. Не делайте частых повторов платных запросов.
Порт 5173 занят	Остановите старый Vite через Ctrl+C или используйте npm run dev -- --port 5174.

При обновлении кода выполните git pull --ff-only, повторите установку зависимостей и перезапустите backend/frontend. Не перезаписывайте существующие .env файлами примеров. Для режима показа дополнительно выполните npm run build и перезапустите app.share; работающий туннель не трогайте, если необходимо сохранить текущую временную ссылку.

Документация

• Краткий запуск
• Контракт API
• Подключение frontend и контрольные значения
• Временная публикация
• Подключение чат-помощника
• Проверка пагинации

README описывает реализованное поведение кода. Планы развития, неподтверждённые показатели точности и функции будущей версии не выдаются за готовый результат.