A · Якоряparse_markers.js: markerRef → selectedText → порядок. Большие страницы — чанками
Классификация8 категорий замечаний: typo, «ответ уже в тексте», ambiguous…
A2 · Evidencebuild_context.js: RAG по связанным страницам с приоритетом свежести
B · Гибрид-ревьюправки auto-авторов — пакетом, остальные — по одной (a/e/r/s/n)
C · Applyapply_edits.js: сплайс в storage → dry-run → diff-проверка → ответы + audit
Модель никогда не трогает HTML страницы. Парсинг, контекст и применение — детерминированные скрипты без зависимостей: решение работает даже со слабыми LLM.
AI-ready формат
Не «ответ модели» — машинно-применимая операция
proposal · inline-comment #294948AUTO_ACCEPTED
Wow №1 · Точный якорь
Одинаковые фразы? Мы знаем, какую правит комментарий
Cancellation
Пользователь может отменить операцию.
Refunds
Пользователь может отменить операцию.ac:ref="8a60c342…"
Средства возвращаются на исходную карту.
1. markerRef — родной якорь Confluence в теле страницы2. selectedText + контекст до/после + occurrence3. неоднозначно → стоп и вопрос человеку
Wow №2 · Grounded знания
RAG по дереву страниц — близость × свежесть
EVIDENCE · Business Rules / Cancellation status rule · score 1.29 · обновлено 3 дня назад
Отмена разрешена только в статусах NEW или APPROVED. EXECUTED-операции отменить нельзя.
Свежие страницы приоритетнее: вес затухает с возрастом — устаревшие требования не попадут в правку. Нет evidence — нет auto-apply.
Безопасность
Гибридная автономность: авто-применение — только когда пройдены все проверки
✓
Автор комментария в режиме auto + безопасная категория
✓
Якорь разрешён однозначно (markerRef)
✓
Evidence с точной цитатой и датой
✓
Нет конфликтов на одном маркере · версия не устарела
✓
После apply — проверка get_page_diff: ответы только по факту
классов реальных сбоев собрано и закрыто механизмами
0
жёстких правил агента: слабая LLM не сломает документ
0
зависимостей npm. Чистый Node.js
Мы прогнали решение на живом Confluence 10.2 и собрали реальные сбои — markdown-перезапись страницы, сломанное экранирование & в storage-формате, ложные ответы, правки сверх того, что просил комментарий — и каждый закрыли детерминированным механизмом, а не промптом. Без сети? Встроенный mock-сервер с тем же REST-контрактом — демо никогда не падает.
Проверяемость
Мы тоже говорим громкие слова — но каждое можно проверить
У нас есть RAG
✓
RAG с приоритетом свежести + цитата-evidence в каждой правке. Нет evidence — нет auto-apply
Это безопасно
✓
Policy gate из 13 правил: любой сбой → needs_human, документ не тронут
Любой MCP-агент«прочитай skill/SKILL.md и следуй ему» — core-агент тоже
Confluence — сегодня, в демоSDD — спеки в git, комментарии = PR-ревьюJira / SharePoint — любое хранилище с комментариями
Слои не зависят от источника: якоря, классификация, ревью и аудит переносимы. Для нового источника меняются только вход парсера и выход apply — минимальные доработки. InSourceHub-ready: папка skill/ + тесты + офлайн-демо — любая команда AI PDLC забирает и развивает.
Команда · Департамент ИТ блока «Строительство»
Kirpich Crew — пять человек, ноль зависимостей
Алфимова Екатерина
Бродкин Павел
Кравцов Андрей
Панченко Иван
Чурбанов Сергей
SpecFlow Review
Модель предлагает. Скрипты применяют. Дифф доказывает.
точный якорь среди дубликатовбольшие страницы — чанками, без паденийRAG с приоритетом свежестиответы только по проверенному диффу · audit каждой правкиproduction-ready: versioning · audit.json · offline mock · 0 deps