Инициализировать репозиторий «Дейл»

Первый коммит: модульный монолит ядра (.NET 10) и gRPC-сервисы ai/ml/telegram, фронтенд Vue 3/Vite/Tailwind, документация (ТЗ, инструкция пользователя, техдокументация, код-стайл), бэклог, скрипты развёртывания и архив прототипа LeadRadar.
2026-09-11 02:50:17 +03:00
commit 9e07568ddd
1402 changed files with 177470 additions and 0 deletions
@@ -0,0 +1,147 @@
+// ml.proto — контракт между ядром Deal и ml-service (этап 6).
+//
+// Инкрементальная наивно-байесовская модель по терминам, 1:1 с python
+// mlservice/model.py (predict L184–293, status L325–345, reset L348–354,
+// learn_batch L147–173) и DTO ядра Deal.Contracts.Integrations.Models
+// (MlPredictResultDto/MlServiceStatusDto/MlEvalDto/MlResetResultDto).
+// Модель per-tenant: пул в ml-service, файл SQLite data/ml/<tenantId>.sqlite
+// (Ruling 4). Обучение ядро шлёт батчами из очереди ml_outbox
+// (MlOutboxFlushScheduler, Ruling 6).
+//
+// Каждый RPC обязан нести в gRPC-metadata два заголовка (Ruling 1):
+//   tenant-id     — id тенанта (строка; модель тенанта — в пуле сервиса);
+//   service-token — общий токен сервисов (env DEAL_SERVICE_TOKEN); неверный/
+//                   пустой → UNAUTHENTICATED.
+//
+// Ошибки домена — gRPC-статусы с detail = текст причины 1:1 (Ruling 1):
+//   INVALID_ARGUMENT — невалидный запрос (пустой text и т.п.);
+//   UNAVAILABLE      — хранилище модели недоступно (ядро отвечает «не уверен»,
+//                      Ruling 6 — кэш reachable 15 с).
+//
+// Семантика неготовой модели: Predict НЕ ошибка — модель без опыта отвечает
+// фиксированным «не уверен»: take=false, label пуст, scores пуст, hits=0,
+// ready=false, margin пуст, terms пуст, type пуст (Ruling 5 этапа 2, 1:1).
+//
+// Deadlines (клиент ядра): Predict — 5 с; Status/Reset — 10 с; TrainBatch — 30 с
+// (батч ≤100 примеров, одна транзакция).
+syntax = "proto3";
+
+package deal.ml.v1;
+
+option csharp_namespace = "Deal.Grpc.Ml";
+
+service MlService {
+  // Предсказание по тексту сообщения (model.py predict L184–293).
+  // take/label/scores/hits/margin/terms/type осмысленны только при take=true;
+  // scores — до 5 лучших «класс → вес» (round 3), margin — адаптивный порог
+  // (0.9/0.7/0.5/0.35 после 0/60/150/400 примеров), terms — узнанные термины
+  // класса-победителя, type — решение о типе заявки (t:hire/t:order).
+  rpc Predict(PredictRequest) returns (PredictReply);
+
+  // Статус модели тенанта (model.py status L325–345): ready/classes/learned/eval.
+  // classes — «label → вес» (round 2, по убыванию); eval — самооценка по окну
+  // последних подтверждённых решений (EVAL_WINDOW). Модель создаётся лениво
+  // по первому обращению (Ruling 4) — отсутствие опыта это НЕ ошибка.
+  rpc Status(StatusRequest) returns (StatusReply);
+
+  // Полный сброс модели тенанта (model.py reset L348–354): очистка классов,
+  // терминов и журнала самооценки + пересоздание файла. Ok=true; мягкая
+  // ошибка — Ok=false + error (ядро чистит свою ml_outbox только при успехе).
+  rpc Reset(ResetRequest) returns (ResetReply);
+
+  // Пакетное обучение (model.py learn_batch L147–173): одна транзакция +
+  // пакетные вставки терминов; самооценка по действиям пользователя (delta=1,
+  // не t:*) до применения. Ответ — число применённых примеров.
+  rpc TrainBatch(TrainBatchRequest) returns (TrainBatchReply);
+}
+
+message PredictRequest {
+  // Текст сообщения (ядро передаёт уже обрезанный/нормализованный, как
+  // ml_routes.py L86–90; пустой/пробельный — не ошибка: ответ «не уверен»).
+  string text = 1;
+}
+
+message PredictReply {
+  // True — модель уверена (take) и решение можно использовать без ИИ.
+  bool take = 1;
+  // Класс решения: id колонки канбана (b_…) или "spam"; пуст, если не уверена.
+  optional string label = 2;
+  // Веса классов: «label → вес» (до 5 лучших; пуст у неготовой модели).
+  map<string, double> scores = 3;
+  // Сколько терминов класса-победителя модель узнала в тексте.
+  int32 hits = 4;
+  // Модель обучена (набрала MIN_TOTAL/MIN_WINNER/MIN_WINNER_SPAM) и может
+  // принимать решения.
+  bool ready = 5;
+  // Порог уверенности решения (адаптивный margin, 2 знака); пуст — нет решения.
+  optional double margin = 6;
+  // Узнанные термины класса-победителя (подсказка структуры карточки, ≤8).
+  repeated string terms = 7;
+  // Решение о типе заявки (hire/order); пуст — модель тип не определила.
+  TypeDecision type = 8;
+}
+
+// Решение ML о типе заявки (predict L233–238; MlTypeDecisionDto).
+message TypeDecision {
+  // True — модель уверена в типе.
+  bool take = 1;
+  // Тип: "hire" | "order".
+  string label = 2;
+  // Внутренний класс ML: "t:hire" | "t:order" (не показывается UI).
+  string value = 3;
+  // Запас уверенности (margin, 2 знака).
+  double margin = 4;
+}
+
+message StatusRequest {}
+
+message StatusReply {
+  // Модель готова принимать решения.
+  bool ready = 1;
+  // Классы модели: «label → вес» (round 2; пуст, пока нет обучения).
+  map<string, double> classes = 2;
+  // Всего примеров, на которых модель обучалась (сумма по классам).
+  int32 learned = 3;
+  // Самооценка модели по последним подтверждённым решениям.
+  ModelEval eval = 4;
+}
+
+// Окно самооценки модели (model.py status L329–339; MlEvalDto).
+message ModelEval {
+  // Решений в окне самооценки (последние EVAL_WINDOW).
+  int32 count = 1;
+  // Из них совпавших с действием пользователя.
+  int32 correct = 2;
+  // Доля верных (correct/count, 0..1; 0 при пустом окне).
+  double accuracy = 3;
+}
+
+message ResetRequest {}
+
+message ResetReply {
+  // True — модель сброшена (и ядро очищает свою очередь обучения).
+  bool ok = 1;
+  // Текст ошибки при сбое сброса (пуст при успехе) — мягкая ошибка.
+  optional string error = 2;
+}
+
+message TrainBatchRequest {
+  // Примеры обучения (1 транзакция на батч; ядро шлёт ≤100 за цикл, Ruling 6).
+  repeated TrainExample items = 1;
+}
+
+// Один обучающий пример (строка ml_outbox ядра: text/label/delta).
+message TrainExample {
+  // Текст примера (source_msg карточки или title).
+  string text = 1;
+  // Метка: id доски (b_…), "spam" либо тип "t:hire"/"t:order".
+  string label = 2;
+  // Вес сигнала: 1.0 — действие пользователя; −1.0 — снять метку;
+  // 0.4/0.6 — сигналы ИИ/правил (этапы 4/6).
+  double delta = 3;
+}
+
+message TrainBatchReply {
+  // Число применённых примеров (= len(items) при успехе).
+  int32 learned = 1;
+}