§01
Обзор
- Что это: приложение для обработки документов о животных (ветеринарные/породные документы → структурированные отчёты). Пользователи загружают файлы (PDF/изображения), система извлекает данные (pdfplumber/pymupdf) и генерирует отчёты (OpenAI + md2pdf). Доступ через веб (Flask + OAuth), Telegram-бот и платёжные Telegram-мини-аппы (Click.uz / Hambi).
- Тип / статус / роль: web-app (мультиканальный AI-сервис) / active / contributor (2 автора: Denis Ergashbaev 65, Davron 59 ≈ 48% — почти паритет).
- Активный период: 2025-12-03 → 2026-03-04 (~3 месяца). 13 CC-сессий.
§02
Стек
- Язык: Python 3.13 (uv, type-checker
ty— редкий выбор), SQLAlchemy 2.0 + Alembic + Postgres (psycopg), Supabase. - Web/API: Flask 3 (основной UI, OAuth через authlib, flask-session) + FastAPI (часть сервисов), gunicorn/uvicorn, Caddy (reverse proxy).
- AI/LLM: OpenAI + Langfuse (LLM-наблюдаемость / трейсинг промптов) — зрелый подход к LLM в проде.
- Документы: pdfplumber, pymupdf, md2pdf, openpyxl — извлечение/генерация PDF/XLSX.
- Каналы: pyTelegramBotAPI (бот) + 2 мини-аппа (
click_app,hambi_app— UZ-платежи Click/Humo). - Прочее: Babel (i18n .po/.mo), loguru (идиоматичное логирование), Sentry, tenacity (retry), cachetools.
- Инфраструктура: 5 Dockerfile'ов (base/web/click/hambi/telegram), docker-compose, Makefile, Caddyfile.
§03
Технические челленджи
- LLM-наблюдаемость через Langfuse + OpenAI: трейсинг промптов/генераций в проде — зрелая практика AI-наблюдаемости (а не «просто дёрнули API»). → демонстрирует продакшн-дисциплину работы с LLM.
- Извлечение из PDF + AI-генерация отчётов (pdfplumber/pymupdf → OpenAI → md2pdf): пайплайн парсинг → LLM → документ. → домен document-AI.
- Мультиканальная архитектура из единой кодовой базы (web/telegram/2 мини-аппа/CLI, отдельные Dockerfile'ы, общие domains/services/repositories): чистое разделение каналов поверх общего ядра. → добротная модульность.
- Современный Python-тулинг: uv (пакеты),
ty(новый type-checker), идиоматичный loguru (logger.opt(exception=e)), retry через tenacity. → «применяет новое и полезное» в экосистеме Python. - Слоёная архитектура (domains/repositories/services/core) — организация в духе DDD.
§04
AI-разработка
- Найдено сессий: 13 .jsonl.
.cursor/,.mcp.json,claude_scripts/(кастомные скрипты для Claude). - Что делалось с AI: разработка сервиса; CLAUDE.md задаёт codestyle (идиомы loguru).
claude_scripts/— пользовательские утилиты для воркфлоу с Claude. - Паттерн: Claude Code + Cursor + MCP; кастомные claude_scripts.
§05
Достижения и метрики
- Полноценный AI-продукт для обработки документов (Python) за ~3 месяца, 2 разработчика.
- 5 каналов доставки, LLM-наблюдаемость (Langfuse), document-AI пайплайн.
- Современный Python-стек (uv/ty/loguru/SQLAlchemy 2).