@dzhechkov/keysarium 1.3.0 → 1.5.0

package/templates/.claude/skills/ai-factory-mapper/references/catalog.md

@@ -0,0 +1,230 @@
+# Каталог Cloud.ru Evolution AI Factory — справочник
+
+> **Последнее обновление:** апрель 2026
+> **Источник:** cloud.ru/products/evolution-ai-factory + Evolution Agents Marketplace
+> **Как использовать:** это базовый справочник. Перед каждым анализом ОБЯЗАТЕЛЬНО делай `web_search` для проверки свежих анонсов — каталог обновляется ежемесячно.
+
+---
+
+## Содержание
+
+1. [Платформенные сервисы (Core)](#1-платформенные-сервисы-core)
+2. [Готовые AI-агенты](#2-готовые-ai-агенты)
+3. [MCP-серверы](#3-mcp-серверы)
+4. [Что AI Factory точно НЕ покрывает (типовые gap'ы)](#4-что-ai-factory-точно-не-покрывает-типовые-gapы)
+
+---
+
+## 1. Платформенные сервисы (Core)
+
+Фундаментальный слой — на эти сервисы опирается всё остальное.
+
+### Evolution Foundation Models (FM)
+- **Что это:** LLM по API без развёртывания
+- **Доступные модели:** GigaChat, Qwen, DeepSeek, LLaMA, GLM, OpenAI (через прокси)
+- **Для чего использовать:** генерация текста, классификация, NER, reasoning, structured output, простой OCR через мультимодальные модели (Qwen-VL, GLM-4V)
+- **Ограничения:** для узких доменов может понадобиться ML Finetuning
+
+### Evolution ML Inference
+- **Что это:** сервис для деплоя моделей из Hugging Face в кастомных Docker-образах на GPU
+- **Для чего использовать:** когда нужна модель, которой нет в FM (специализированные OCR, STT, image-gen, embeddings, классификаторы)
+- **Паттерн:** «нашли модель на HF → обернули в MCP → вызываем из AI Workflows»
+
+### Evolution Managed RAG
+- **Что это:** готовый RAG-сервис для работы с корпоративными данными
+- **Для чего использовать:** база знаний, поиск по документации, семантический поиск, grounding ответов LLM
+- **Интеграция:** есть MCP-клиент, можно подключить из AI Agents / AI Workflows
+
+### Evolution ML Finetuning
+- **Что это:** дообучение LLM под специфику домена
+- **Для чего использовать:** специализированные классификаторы, стиль, узкие жаргоны
+- **Когда нужно:** если RAG + prompting не дают нужной точности
+
+### Evolution Notebooks
+- **Что это:** Jupyter как сервис на GPU
+- **Для чего использовать:** data science, аналитика, прототипирование, кастомные ETL-пайплайны, обучение моделей
+
+### Evolution AI Agents
+- **Что это:** визуальный low-code конструктор агентов
+- **Для чего использовать:** создание агентов с инструментами (MCP), маршрутизация, conditional logic
+- **Идеально для:** multi-step reasoning агентов с доступом к tools
+
+### Evolution AI Workflows (GA апрель 2026)
+- **Что это:** low-code оркестратор бизнес-процессов, n8n-like
+- **Встроенные коннекторы:** Jira, 1С (частично), Confluence, PostgreSQL, SMTP/IMAP почта, мессенджеры (Max и др.), любые HTTP-API через generic-узел
+- **Интеграция с AI Factory:** FM, ML Inference, AI Agents, Managed RAG — как нативные узлы
+- **Для чего использовать:** детерминированные пайплайны без сложного reasoning (ETL, routing, scheduled jobs)
+
+---
+
+## 2. Готовые AI-агенты
+
+Все на базе MiniMax-M2. Цены от 1.92 ₽/час.
+
+### Поиск и данные
+- **Агент для поиска информации** — web search, простой Q&A
+- **Агент метеоролог** — погодные знания
+- **Архивариус** — работа с базой знаний (BZ RAG)
+
+### Бизнес и торговля
+- **Агент бизнес-аналитик** — мониторинг контрагентов, оценка рисков, раннее предупреждение
+- **Консультант по контрагентам** — due diligence перед заключением договоров
+- **Агент для анализа компаний** — комплексный стратегический анализ, market research
+- **Агент для работы с контрагентами** — проверка поставщиков, закупочная активность
+- **Комплаенс агент** — юридическая проверка, проверка соответствия законодательству
+- **Binance агент** — работа с Binance API (торговля крипто)
+- **Агент - Python разработчик (Торговля)** — финансовый анализ, инвестиционная привлекательность
+
+### DevOps / Infrastructure
+- **SRE Агент** — сетевая диагностика, мониторинг инфраструктуры
+- **IP Агент** — работа с IP-адресами
+- **Managed Spark Agent** — управление Spark-инфраструктурой
+- **Apache Spark аналитик** — работа с Spark-данными
+- **Агент Postgres DBA** — бизнес- и теханалитика БД
+- **Агент - Python разработчик (Evolution)** — динамическое выполнение Python-кода
+
+### CRM / Офис
+- **amoCRM ассистент** — автоматизация CRM-процессов
+- **Figma ассистент** — работа с дизайн-файлами
+- **Агент для Miro** — визуальные доски
+- **Агент рекрутер** — анализ рынка труда, вакансии, зарплаты
+
+---
+
+## 3. MCP-серверы
+
+> 50+ серверов в каталоге. Сгруппированы по категориям. Все от 1.92 ₽/час.
+
+### Корпоративные системы (управление)
+- **Confluence MCP** — управление пространствами, страницами, комментариями, метками
+- **Jira MCP** — задачи, эпики, спринты, проекты
+- **Trello MCP** — доски, списки, карточки
+- **Miro MCP** — доски, элементы, теги, участники
+- **amoCRM MCP** — полная интеграция с amoCRM (FastMCP)
+- **HeadHunter MCP** — вакансии, резюме, рынок труда (от Союзтелеком)
+- **Мессенджер Max MCP** — сообщения, чаты, файлы, автоматизация коммуникаций
+- **Figma MCP** — работа с дизайн-файлами
+
+### Данные и базы
+- **Postgres MCP** — SQL, анализ, планы выполнения, советы по индексам (HypoPG)
+- **MongoDB MCP** — базы, коллекции, документы
+- **Apache Spark History MCP** — анализ Spark-задач
+- **Cloud.ru Managed Spark MCP** — управление Spark-кластерами
+- **Managed RAG MCP** — интеграция с Managed RAG
+- **Росстат MCP** — федеральная статистика РФ (экономика, демография, регионы)
+- **MOEX MCP** — Московская биржа (ценные бумаги, котировки)
+- **Binance MCP** — Binance API (крипто)
+- **EVM Universal MCP** — EVM-совместимые блокчейны
+- **Валютные курсы MCP** — ЦБ РФ, конвертация
+- **Kinopoisk MCP** — API Кинопоиска (kinopoisk.dev)
+
+### Файлы и документы (офисный пакет)
+- **FileSystem S3 MCP** — S3/Object Storage (AWS + Evolution): чтение, запись, управление объектами
+- **DOCX MCP** — создание, редактирование .docx
+- **Excel MCP** — xlsx через openpyxl + pandas
+- **PowerPoint MCP** — создание/редактирование .pptx
+- **Mermaid MCP** — генерация диаграмм (PNG/SVG из Mermaid-кода)
+
+### Инфраструктура
+- **Evolution IAM MCP** — пользователи, роли, разрешения, проекты, сервисные аккаунты
+- **Evolution DNS MCP** — DNS-серверы, приватные/публичные зоны, VPC
+- **Managed Kubernetes MCP** — кластеры, группы узлов, плагины, квоты, биллинг
+- **Artifact Registry MCP** — образы и артефакты
+- **Network Tools MCP** — сетевая диагностика (8 инструментов)
+- **Grafana MCP** — доступ к Grafana и экосистеме
+
+### Верификация и data enrichment
+- **Контур.Фокус MCP** — ЕГРЮЛ/ЕГРИП, юрлица и ИП
+- **Mermaid MCP** — диаграммы как сервис
+
+### Поиск и внешние API
+- **Web Searcher MCP** — поиск в интернете с аналитикой
+- **Weather MCP** — Open-Meteo API
+- **IP Location MCP** — геолокация по IP
+- **Parking Moscow MCP** — парковки Москвы
+- **Astronomy MCP** — астрономические данные
+
+### Утилиты
+- **Math MCP** — математические, бухгалтерские, статистические расчёты
+- **Python Code Executor MCP** — безопасное выполнение Python-кода
+
+### Наука
+- **Medical Literature MCP** — медицинская/биологическая литература (FastMCP)
+- **Научные БД MCP** — eLibrary, КиберЛенинка, РИНЦ, гранты
+
+### Маркетплейсы
+- **Avito Autoteka MCP** — проверка автомобилей с пробегом
+- **Avito Messaging MCP** — автоматизация общения на Avito
+
+---
+
+## 4. Что AI Factory точно НЕ покрывает (типовые gap'ы)
+
+Эти пробелы встречаются в большинстве enterprise-сценариев. Используй как чек-лист при поиске gap'ов.
+
+### Нетекстовые модальности
+- ❌ **OCR сканов** (печати, таблицы) — деплой PaddleOCR/docTR/TrOCR/Surya через ML Inference
+- ❌ **STT / распознавание речи** — деплой Whisper/GigaAM через ML Inference или внешний API (Yandex SpeechKit)
+- ❌ **TTS / синтез речи** — деплой XTTS/VITS или внешний API
+- ❌ **Image generation** — деплой Flux/SDXL/Kandinsky через ML Inference или внешний API
+- ❌ **Video generation** — out-of-scope для AI Factory (пока), только через внешние сервисы
+- ❌ **Видео-аналитика / CV** — деплой через ML Inference
+
+### Российские бизнес-системы
+- ❌ **1С:Бухгалтерия / 1С:ERP / 1С:Документооборот** — нет MCP; через OData/COM-шлюз кастомом
+- ❌ **SAP** — нет MCP; через RFC/OData
+- ❌ **Битрикс24** — нет MCP; через REST API кастомом
+- ❌ **ЭДО (Диадок / СБИС / Тензор / Такском)** — нет MCP; кастомные коннекторы к API ЭДО
+- ❌ **ЭЦП (КриптоПро CSP / VipNet / VSign)** — out-of-scope, отдельный криптостек
+
+### Helpdesk / Service Desk
+- ❌ **Naumen Service Desk** — нет MCP
+- ❌ **BPMSoft / ELMA / Omnidesk / Teamly / OTRS / Zendesk** — нет MCP; кастом через REST
+- ❌ **Omnichannel ingest (звонки / SIP)** — нет коннектора, нужна телефония (Asterisk, FreeSWITCH) + STT
+
+### Разработка
+- ❌ **Git-хостинги** — ни GitLab, ни GitHub, ни GitVerse, ни Gitea, ни Bitbucket не имеют MCP; кастом через API
+- ❌ **CI/CD системы** — GitLab CI, Jenkins, TeamCity, Argo CD, Tekton — нет MCP
+- ❌ **SAST/DAST** — SonarQube, CodeQL, Semgrep, Snyk, Svace, AppScreener — нет MCP
+- ❌ **Code coverage analytics** — нет MCP
+
+### Маркетинг / Реклама
+- ❌ **Рекламные кабинеты** — VK Ads, Yandex Direct, MyTarget, Telegram Ads — нет MCP
+- ❌ **CDP / ESP** — Mindbox, SendPulse, Unisender, Enkod, DashaMail — нет MCP
+- ❌ **Аналитика посещаемости** — Яндекс.Метрика, Google Analytics — нет MCP
+- ❌ **ОРД (оператор рекламных данных)** — out-of-scope
+- ❌ **A/B тестинг как сервис** — уровень Optimizely/VWO отсутствует
+
+### Соцсети и контент
+- ❌ **VK API / Telegram API (нативный)** — нет специализированных MCP (есть только Max)
+- ❌ **X / LinkedIn / Instagram** — нет MCP
+- ❌ **YouTube / Rutube / VK Video** — нет MCP
+
+### Опросы и исследования
+- ❌ **SurveyMonkey / Typeform / Testograf / Анкетолог / Яндекс.Формы** — нет MCP
+- ❌ **Патентные базы** (Rospatent, Google Patents) — нет MCP
+- ❌ **Платные data-provider'ы** (SimilarWeb, Statista, Bloomberg, Crunchbase, PitchBook, СПАРК премиум) — нет MCP, лицензионные ограничения
+
+### Финансы (дополнительно)
+- ❌ **ERP / MRP** (SAP, Oracle EBS, Microsoft Dynamics, Галактика) — нет MCP
+- ❌ **Casino/банк-клиенты** — нет MCP
+- ❌ **3-way matching** (счёт ↔ заказ ↔ акт) — не сервис, а детерминированная бизнес-логика; LLM-only подход рискован для финансов
+
+---
+
+## Как быстро найти подходящий сервис
+
+1. **Нужна LLM?** → Foundation Models
+2. **Нужна специфичная модель?** → ML Inference + HF
+3. **Нужна база знаний / RAG?** → Managed RAG
+4. **Нужно подключиться к трекеру задач?** → Jira/Trello MCP
+5. **Нужны корпоративные документы/вики?** → Confluence MCP
+6. **Нужны файлы в S3?** → FileSystem S3 MCP
+7. **Нужна работа с Office-файлами?** → DOCX/Excel/PowerPoint MCP
+8. **Нужно проверить контрагента?** → Контур.Фокус MCP + Бизнес-аналитик
+9. **Нужны данные о рынке труда?** → HeadHunter MCP + Рекрутер
+10. **Нужна статистика РФ?** → Росстат MCP
+11. **Нужен мониторинг infra?** → Grafana MCP + SRE агент + Network Tools MCP
+12. **Нужно оркестрировать несколько шагов?** → AI Workflows (low-code) или AI Agents (reasoning)
+
+Если ничего не подходит из пунктов 1–12 — вероятно, это **gap**, и нужен кастомный MCP или деплой в ML Inference.

package/templates/.claude/skills/ai-factory-mapper/references/coverage-formula.md

@@ -0,0 +1,219 @@
+# Coverage Formula — как считать % покрытия
+
+> **Цель:** сделать оценку покрытия воспроизводимой и сопоставимой между запусками скилла. Два разных анализа одного и того же сценария должны давать близкий %.
+
+---
+
+## Базовая формула
+
+```
+coverage_raw = (N_full × 1.0 + N_partial × 0.5 + N_none × 0.0) / N_total
+coverage_pct = round(coverage_raw × 100 / 5) × 5
+```
+
+Где:
+- `N_full` — число **строк маппинга** с оценкой ✅ **Полное**
+- `N_partial` — число **строк маппинга** с оценкой ⚠️ **Частичное**
+- `N_none` — число **строк маппинга** с оценкой ❌ **Нет**
+- `N_total = N_full + N_partial + N_none` — общее число строк маппинга
+
+**Важно про под-шаги.** Если один логический шаг разделяется на несколько под-шагов (например, «Validate: 4a. ИНН через Контур.Фокус ✅ / 4b. ЭЦП ❌») — каждый под-шаг считается отдельной строкой маппинга. Это правильно, потому что под-шаги реально имеют разное покрытие и должны влиять на итоговый %. Правило «7–12 логических шагов» в SKILL.md касается фазы **декомпозиции** (Phase 2); после маппинга (Phase 3) итоговое `N_total` может быть больше — типично 10–18 строк.
+
+**Округление до 5%** — принципиально. Точность оценки не больше этого в силу субъективности присвоения категорий. Никаких «73.4%» — только 70%, 75%, 80%.
+
+---
+
+## Определения категорий (однозначные)
+
+### ✅ Полное (вес 1.0)
+
+Шаг закрывается **готовым сервисом или комбинацией сервисов AI Factory** без:
+- написания кастомных коннекторов
+- развёртывания собственных моделей
+- fine-tuning
+- внешних non-AI-Factory API
+
+**Примеры ✅:**
+- «Отправить сообщение в Max» → MCP Мессенджер Max
+- «Поиск в корпоративной БЗ» → Managed RAG
+- «Классификация обращения» → FM (GigaChat) с промптом
+- «Создать тикет в Jira» → MCP Jira
+- «Выгрузить данные в Excel» → MCP Excel
+
+### ⚠️ Частичное (вес 0.5)
+
+Платформа закрывает **50–80% шага**, но требуется **одно из**:
+- Разворачивание готовой open-source модели в ML Inference (без fine-tuning)
+- Написание кастомного промпта для FM под специфичную задачу
+- Small custom node (HTTP-call) в AI Workflows
+- Light customization / сложная настройка
+
+**Примеры ⚠️:**
+- «Распознавание изображений в документах» → мультимодальная FM (Qwen-VL) справится с простыми, но не с плохими сканами
+- «A/B тестирование» → AI Workflows умеет ветвление, но нет statistical framework
+- «Push-уведомления» → нет MCP, но можно добавить через HTTP-узел
+- «Генерация изображений» → нет MCP для image-gen, но можно деплоить SDXL через ML Inference
+- «Генерация кода» → FM генерирует, но нет MCP к Git для ревью PR
+
+### ❌ Нет (вес 0.0)
+
+Один или несколько пунктов из списка:
+- Нет MCP к нужной внешней системе, и она критична для шага
+- Нужен fine-tuning на корпоративных данных (а не только prompting)
+- Нужна модальность, для которой нет модели в FM и нужен деплой **со значительной кастомизацией** (не просто «развернуть HF»)
+- Нужна детерминированная бизнес-логика, которую LLM-only не обеспечит с приемлемым risk-level
+- Out-of-scope для AI/ML-стека (криптография, low-level system tooling)
+
+**Примеры ❌:**
+- «Интеграция с 1С:Бухгалтерия» — нет MCP, нужен кастомный шлюз
+- «Загрузка в рекламный кабинет VK Ads» — нет MCP
+- «Проверка ЭЦП» — out-of-scope
+- «OCR сложных сканов с печатями» — нужен специализированный OCR, деплой + обёртка в MCP — это уже кастом
+- «3-way match счёт/заказ/акт с финансовыми последствиями» — LLM-only рискован
+
+---
+
+## Правила однозначности (при сомнении)
+
+1. **Колеблешься между ✅ и ⚠️?** → выбирай **⚠️**.
+2. **Колеблешься между ⚠️ и ❌?** → выбирай **❌**.
+3. **Honest assessment beats optimistic.** Пользователь заплатит за оптимизм в продакшне.
+
+---
+
+## Modifiers (опциональные коррекции)
+
+После расчёта базовой формулы можно применить модификаторы, если есть особые обстоятельства:
+
+### Modifier A: критичность gap'а
+
+Если хотя бы один ❌-шаг является **критическим** (без него сценарий не работает вообще — например, OCR для обработки сканов), применяется:
+```
+coverage_pct_adjusted = min(coverage_pct, 65%)
+```
+
+Это отражает реальность: если критический шаг не покрыт, итоговое «high coverage» вводит в заблуждение.
+
+**Пример:** сценарий «Обработка счетов». Даже если 9 из 10 шагов на ✅, но OCR сканов (шаг 2) — ❌ и это критично (без него не работают 90% счетов), то coverage ограничивается 65%, а не считается как 90%.
+
+### Modifier B: зрелость интеграций
+
+Если в сценарии **более 3 шагов** требуют кастомных MCP-разработок, применяется:
+```
+coverage_pct_adjusted = coverage_pct - 5%
+```
+
+Это отражает стоимость и риски интеграционной работы.
+
+### Modifier C: compliance-критичность
+
+Если сценарий подпадает под обязательный compliance (ФЗ-152 ПДн, маркировка рекламы ОРД, финансовое законодательство) и нет явного Validate-шага на ✅:
+```
+coverage_pct_adjusted = coverage_pct - 10%
+```
+
+### Правило применения модификаторов
+
+Модификаторы применяются **последовательно**, но **итоговое значение также округляется до 5%**.
+
+```
+final = round(coverage_pct_after_modifiers / 5) × 5
+```
+
+---
+
+## Примеры расчёта
+
+### Пример 1: Агент поддержки
+
+| Шаг | Оценка |
+|---|---|
+| 1. Ingest | ✅ |
+| 2. Normalize PII | ✅ |
+| 3. Classify | ✅ |
+| 4. Retrieve | ✅ |
+| 5. Generate | ✅ |
+| 6. Decide routing | ✅ |
+| 7. Create ticket | ✅ |
+| 8. Notify | ✅ |
+| 9. Log | ✅ |
+| 10. Feedback loop | ✅ |
+
+- N_full = 10, N_partial = 0, N_none = 0
+- coverage_raw = (10 × 1.0) / 10 = 1.0 → 100%
+- round(100/5) × 5 = 100%
+
+Но если в реальности, например, ingest из IP-телефонии и нет STT — шаг 1 становится ⚠️, и:
+- N_full = 9, N_partial = 1 → (9 + 0.5) / 10 = 0.95 → 95%
+
+### Пример 2: Обработка счетов
+
+| Шаг | Оценка |
+|---|---|
+| 1. Ingest | ✅ |
+| 2. OCR сканов | ❌ (критический!) |
+| 3. Extract fields | ✅ |
+| 4a. Validate ИНН | ✅ |
+| 4b. Validate ЭЦП | ❌ |
+| 5. Match с договором | ⚠️ |
+| 6. Detect exceptions | ✅ |
+| 7. Prepare package | ✅ |
+| 8. Route to 1С | ❌ |
+| 9. Log | ✅ |
+
+- N_full = 6, N_partial = 1, N_none = 3, N_total = 10
+- coverage_raw = (6 + 0.5) / 10 = 0.65 → 65%
+- round(65/5) × 5 = 65%
+- Применяется **Modifier A** (критический OCR) → min(65%, 65%) = 65%
+- Применяется **Modifier B** (3 шага требуют кастома — 4b, 5, 8) → 65% - 5% = 60%
+- Итог: **60%**
+
+### Пример 3: Маркетинговые кампании
+
+| Шаг | Оценка |
+|---|---|
+| 1. Segment | ✅ |
+| 2. Research | ✅ |
+| 3. Plan | ✅ |
+| 4a. Create text | ✅ |
+| 4b. Create images | ⚠️ |
+| 5. Personalize | ✅ |
+| 6. A/B setup | ⚠️ |
+| 7a. Launch email | ✅ |
+| 7b. Launch push | ⚠️ |
+| 7c. Launch рекламные кабинеты | ❌ |
+| 8. Monitor | ✅ |
+| 9. Optimize | ✅ |
+| 10. Report | ✅ |
+
+- N_full = 9, N_partial = 3, N_none = 1, N_total = 13
+- coverage_raw = (9 + 1.5) / 13 = 0.808 → 80.8%
+- round(80.8/5) × 5 = 80%
+- **Modifier C** применяется если есть маркировка ОРД без явного ✅-шага валидации → 80% - 10% = 70%
+- Итог: **70%** (или 65% при активных модификаторах)
+
+---
+
+## Интерпретация итоговых значений
+
+| % покрытия | Интерпретация | Рекомендация |
+|---|---|---|
+| 90–100% | Почти идеально покрывается | Реализация = сборка из готовых блоков, минимум кастома |
+| 75–90% | Хорошее покрытие | Гибридная архитектура: AI Factory + 1–2 кастомных коннектора |
+| 60–75% | Среднее покрытие | Стоит трезво оценить ROI: 30–40% работы — кастомная разработка |
+| 45–60% | Слабое покрытие | AI Factory — лишь часть решения. Нужен серьёзный кастом-стек |
+| < 45% | Неподходящий кейс | Пересмотреть выбор платформы или разбить сценарий на подсценарии |
+
+---
+
+## Reproducibility checklist
+
+Чтобы два запуска на одном и том же сценарии давали согласованный результат:
+
+- [ ] Использован один и тот же каталог (фиксировать версию/дату каталога)
+- [ ] Декомпозиция на одно и то же число шагов (используй decomposition-checklist — она даёт стабильные 10 пунктов)
+- [ ] Использованы правила однозначности при сомнении
+- [ ] Округлено до 5%
+- [ ] Применены (или не применены) одни и те же модификаторы
+
+В итоговом отчёте **всегда показывай таблицу с N_full / N_partial / N_none** и применёнными модификаторами — это делает оценку проверяемой.

package/templates/.claude/skills/ai-factory-mapper/references/decomposition-checklist.md

@@ -0,0 +1,183 @@
+# Decomposition Checklist — 10 пунктов для любого сценария
+
+> **Цель:** ни один шаг workflow не должен быть забыт. Пройди по всем 10 пунктам для каждого сценария. Если пункт не применяется — честно напиши «N/A», не пропускай молча.
+
+---
+
+## Чек-лист
+
+### 1. Ingest — откуда приходит вход?
+
+Варианты, которые часто забывают:
+- Email (SMTP/IMAP)
+- Мессенджеры (Max, Telegram, WhatsApp, VK)
+- Веб-формы / чат на сайте
+- API от клиентского приложения
+- Watcher папки в S3 / FileSystem
+- Запросы из тикет-системы (Jira/Trello/Service Desk)
+- IP-телефония / SIP (если есть звонки)
+- Upload пользователем (PDF/DOCX/XLSX/изображения)
+- CDC из БД
+- Очереди (Kafka/RabbitMQ)
+- Scheduled (cron, time-based triggers)
+
+**Вопросы для Claude:**
+- Один канал или омниканально?
+- Формат: текст, файл, изображение, аудио?
+- Нужна ли буферизация/очередь?
+
+### 2. Normalize — что нужно сделать перед основной логикой?
+
+- Детекция языка
+- Приведение к единому формату (plain text, markdown)
+- PII-маскирование (ПДн, карты, СНИЛС, ИНН физлиц)
+- NER (Named Entity Recognition)
+- OCR если на входе скан/фото
+- STT если на входе аудио
+- Удаление разметки HTML/markdown
+- Deduplication
+
+**Вопросы:**
+- Есть ли compliance-требования (ФЗ-152 ПДн)?
+- Нужен ли audit-log до обработки?
+
+### 3. Classify / Route — нужна ли категоризация?
+
+- Тип обращения (вопрос/жалоба/запрос/baкансия)
+- Тематика / категория
+- Приоритет
+- Тональность (sentiment)
+- Intent detection
+- Язык
+- Маршрут обработки (кто ответит: бот/оператор/эксперт/менеджер)
+
+**Вопросы:**
+- Многоклассовая классификация или бинарная?
+- Нужна ли confidence score и пороги?
+
+### 4. Retrieve — нужен ли поиск корпоративных данных?
+
+- Поиск в базе знаний
+- Поиск по прошлым похожим кейсам (case-based reasoning)
+- Поиск в документации, регламентах, политиках
+- Поиск в договорах / актах
+- Поиск в CRM / ERP
+- Поиск в Confluence / вики
+
+**Вопросы:**
+- Насколько часто меняется корпус? (ежедневно / раз в месяц)
+- Нужен ли гибридный поиск (semantic + keyword)?
+- Какой размер корпуса?
+
+### 5. Reason / Generate — какая основная LLM-логика?
+
+- Ответ пользователю
+- Резюмирование
+- Извлечение структурированных данных (JSON extraction)
+- Сравнение / matching
+- Генерация черновика документа
+- Reasoning с tool use
+- Планирование
+- Генерация кода / SQL / регулярки
+- Генерация креативов (текст/изображение)
+
+**Вопросы:**
+- Нужно ли reasoning, или достаточно single-shot?
+- Какой размер контекста нужен?
+- Нужна ли цепочка агентов (multi-agent)?
+
+### 6. Validate — какие проверки корректности?
+
+- Проверка структуры ответа (schema)
+- Бизнес-правила (суммы, даты, лимиты)
+- Compliance (ПДн, маркировка рекламы, санкции)
+- Сверка с мастер-данными (контрагенты, договоры, номенклатура)
+- Проверка подписи (ЭЦП)
+- Проверка дубликатов
+- Safety checks (не пропустить токсичный контент в коммуникацию)
+
+**Вопросы:**
+- Что делать при fail? (retry/escalate/drop)
+- Human-in-the-loop обязателен?
+
+### 7. Act — что делаем во внешних системах?
+
+- Создание тикета в Jira/Trello
+- Обновление записи в CRM (amoCRM)
+- Запись в БД (PostgreSQL, MongoDB)
+- Сохранение файла в S3
+- Вызов API внешней системы
+- Отправка сообщения в чат/email
+- Планирование follow-up
+- Триггер в CI/CD
+- Операция в Kubernetes / облаке
+
+**Вопросы:**
+- Идемпотентно ли действие?
+- Нужны ли compensation-транзакции при ошибке?
+
+### 8. Notify — как коммуницируем с людьми?
+
+- Уведомление клиента (email / мессенджер / push / SMS)
+- Уведомление оператора / эксперта
+- Уведомление руководителя при эскалации
+- Запрос подтверждения (approval flow)
+- Статус-апдейты по ходу обработки
+
+**Вопросы:**
+- Какие SLA на уведомление?
+- Есть ли quiet hours?
+
+### 9. Log / Audit — что фиксируем?
+
+- Все входящие запросы
+- Все принятые решения (с обоснованием от LLM)
+- Все действия во внешних системах
+- Метрики качества (confidence, retries, escalations)
+- Токены / стоимость
+- Feedback от пользователей
+
+**Вопросы:**
+- Требуется ли иммутабельный лог (для compliance)?
+- Нужен ли PII-redaction в логах?
+- Где храним: PostgreSQL / S3 / специализированная система?
+
+### 10. Feedback / Learn — как улучшается система?
+
+- Сбор явного фидбэка (👍/👎)
+- Сбор неявного (resolved/escalated, time-to-close)
+- Периодическая ре-классификация ошибок
+- A/B-тестирование промптов / моделей
+- Fine-tuning на собранных данных
+- Обновление базы знаний
+- Дашборды качества
+
+**Вопросы:**
+- Есть ли цикл regular review?
+- Кто отвечает за улучшения?
+
+---
+
+## Как использовать
+
+1. Прочитай описание сценария от пользователя
+2. Пройди по 10 пунктам и заполни применимые
+3. Получишь список 7–12 шагов workflow
+4. Переходи к Phase 3 (Mapping) из основного SKILL.md
+
+## Пример применения (на сценарии «Агент поддержки»)
+
+| # | Пункт | Применим? | Что конкретно |
+|---|---|---|---|
+| 1 | Ingest | ✅ | email + мессенджер + веб-чат |
+| 2 | Normalize | ✅ | PII-маска, детекция языка |
+| 3 | Classify | ✅ | тип (вопрос/жалоба), тематика, приоритет |
+| 4 | Retrieve | ✅ | поиск в FAQ + регламенты |
+| 5 | Reason/Generate | ✅ | черновик ответа с цитатами |
+| 6 | Validate | ✅ | проверка что не раскрыты ПДн, тональность |
+| 7 | Act | ✅ | создание тикета в Jira |
+| 8 | Notify | ✅ | ответ клиенту, уведомление оператора |
+| 9 | Log | ✅ | запись всех обращений + решений в PostgreSQL |
+| 10 | Feedback | ✅ | 👍/👎 от клиента + time-to-resolve |
+
+Итого: 10 шагов workflow для маппинга.