Обогащение

NOTE

Статус: Target service boundary. Документ описывает целевую сервисную границу. Код либо полностью отсутствует, либо существует только как scaffold — смотрите секцию «Статус документа» ниже для точного указания на код. Правила маркировки — в 50-processes/documentation-standard.md.

Этот README описывает целевую сервисную границу enrichment. Читайте его, когда нужно понять, как AI и правила дополняют каталожные данные и подтверждают слабые решения матчинга.

Назначение

AI-обогащение canonical products и support-потоки для вероятностного матчинга: извлечение характеристик, классификация, confidence scoring и human-in-the-loop.

Статус документа

• Тип знания: target service boundary
• Статус реализации: отдельный runtime и выделенный код сервиса пока отсутствуют
• Текущее место кода: в репозитории нет реализации enrichment; существует только минимальный backend-scaffold backend/cmd/api-server и backend/internal/httpserver
• Что читать дальше: ../../10-business/contexts/enrichment.md, ../matching/README.md, ../../20-architecture/principles.md

Область действия

Входит:

• LLM-клиент и управление prompt/versioning.
• Кэш результатов и learned cache.
• Confidence scoring и маршрутизация в human-in-the-loop.
• Поддержка enrichment job для search, matching и catalog flows.

Не входит:

• Прямая запись в canonical data-модели без доменных событий.
• Управление внешним клиентским API.

Публичный контракт

Вход

• Запросы от search, matching, meta-search и catalog-related процессов на enrichment/verification.
• Асинхронные enrichment jobs и события модерации.

Выход

• Обогащённые данные, confidence scores и решения для downstream сервисов.
• События или job-status updates в целевом runtime.

Внутренняя архитектура

В целевом состоянии это отдельный доменный модуль с AI adapters, prompt library, policy-слоем и кэшем. Реализация должна изолировать модель-провайдера от прикладной логики и оставлять явный audit trail источников.

Зависимости

• AI provider или on-prem model runtime.
• PostgreSQL/объектное хранилище для job-state и артефактов.
• Kafka для асинхронных событий и job-flow.

Хранилище

• Конкретные таблицы и хранилища пока не зафиксированы.
• По мере реализации они должны быть описаны в 20-architecture/schemas/.

Конфигурация

Точный набор env-переменных пока не зафиксирован. Минимально ожидаются:

Env var	Default	Описание
ENRICHMENT_PROVIDER	—	выбранный LLM/provider
ENRICHMENT_TIMEOUT	30s	таймаут одного запроса
ENRICHMENT_LOG_LEVEL	info	уровень логирования

Локальный запуск

Выделенного процесса enrichment в текущем репозитории нет. Локально доступен только общий scaffold проекта, без AI-пайплайна.

Тестирование

• Для целевой реализации обязательны unit-тесты нормализации prompt/result mapping.
• Нужны integration-тесты adapter-слоя и offline-eval harness на зафиксированном датасете.
• При интеграции с внешними провайдерами нужны contract tests на моковых ответах.

Наблюдаемость

В целевом состоянии нужны метрики latency, success/error rate, cache hit rate и распределения confidence score. Сейчас выделенной observability-поверхности для enrichment нет.

Открытые вопросы / TODO

• Выбрать LLM-провайдера: on-prem или cloud.
• Собрать eval-harness и датасет.
• Определить границу между enrichment и moderation.

Связанные документы

• ../../10-business/contexts/enrichment.md
• ../matching/README.md
• ../../20-architecture/principles.md