Antigravity/notes-qpid-pro
1
0 Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
922ab201270255b8e02ab353613c0c8373243fdd
notes-qpid-pro/AI_TODO.md
T

17 KiB
Raw Blame History

🧠 AI Roadmap & TODO: Локальный ИИ-учитель и генератор тестов

Архитектурный манифест: Zero Daemon, On-Demand CPU-инференс, строгий бюджет RAM (< 4 ГБ), Dual-Model маршрутизация (Fast 3B & Deep 7B), 0 постоянных фоновых демонов.

🏛️ 1. Архитектурная концепция: Двухмодельная стратегия (Dual-Model)

Так как на диске свободно более 100 ГБ, а оперативная память ограничена 10 ГБ (доступно ~7.8 ГБ), хранение двух моделей на накопителе занимает всего ~6 ГБ (< 6% диска). При этом модели никогда не загружаются в ОЗУ одновременно.

                           [ Задача от пользователя ]
                                      │
            ┌─────────────────────────┴─────────────────────────┐
            ▼                                                   ▼
┌───────────────────────────────┐               ┌───────────────────────────────┐
│     FAST TIER (3B Model)      │               │     DEEP TIER (7B Model)      │
│  Llama-3.2-3B-Instruct (GGUF) │               │  Qwen-2.5-7B-Instruct (GGUF)  │
├───────────────────────────────┤               ├───────────────────────────────┤
│ • RAM: ~2.2 ГБ                │               │ • RAM: ~3.6 ГБ                │
│ • Диск: ~2.2 ГБ               │               │ • Диск: ~3.8 ГБ               │
│ • Время на CPU: 15–40 сек     │               │ • Время на CPU: 1.5–3.5 мин   │
│ • Назначение:                 │               │ • Назначение:                 │
│   - Тесты по главам (MCQ)     │               │   - Грамматический разбор     │
│   - Вопросы на понимание      │               │   - Оценка эссе и пересказа   │
│   - Материалы для аудирования │               │   - Объяснение правил на рус. │
│   - True / False / Not Given  │               │   - Разбор "обратного перевода"│
└───────────────────────────────┘               └───────────────────────────────┘
            │                                                   │
            └─────────────────────────┬─────────────────────────┘
                                      ▼
                      [ Выгрузка из ОЗУ сразу после ответа ]
                     (В памяти остается только веб-сервер)

Ключевые правила надежности (Ponytail AI Rules):

  1. Zero Daemon (Нулевой оверхед в покое): Никаких висящих в памяти демонов Ollama/vLLM. Инференс вызывается по требованию (on-demand) через оптимизированный бинарник llama.cpp (llama-cli).
  2. Изоляция CPU (nice -n 19): Фоновый процесс работает с самым низким системным приоритетом Linux. Читалка, веб-интерфейс и база данных отвечают без задержек даже при 100% нагрузке на ядра процессора.
  3. Ограничение контекста (-c 4096): Контекст строго ограничен 4096 токенами. KV-кэш занимает не более 200 МБ ОЗУ, полностью исключая риск аварийной нехватки памяти (OOM Killer).
  4. Строгий JSON-контракт: Модель всегда отвечает валидным JSON (через GGUF grammar/schema sampling или строгий системный промпт) для мгновенного парсинга сервером.

🗄️ 2. Схема данных в SQLite (data/notes.db)

-- Квизы и тесты на понимание по главам
CREATE TABLE IF NOT EXISTS chapter_quizzes (
    id INTEGER PRIMARY KEY AUTOINCREMENT,
    book_id INTEGER NOT NULL,
    chapter_index INTEGER NOT NULL,
    model_used TEXT NOT NULL,          -- 'llama-3.2-3b'
    status TEXT DEFAULT 'pending',     -- 'pending', 'processing', 'ready', 'failed'
    questions_json TEXT DEFAULT '[]',  -- Массив вопросов, вариантов, цитат и объяснений
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    FOREIGN KEY (book_id) REFERENCES books(id) ON DELETE CASCADE
);

-- Проверки письменных работ, пересказов и обратного перевода
CREATE TABLE IF NOT EXISTS grammar_reviews (
    id INTEGER PRIMARY KEY AUTOINCREMENT,
    user_id INTEGER NOT NULL,
    task_type TEXT NOT NULL,           -- 'reverse_translation', 'retell', 'free_writing'
    book_id INTEGER,
    chapter_index INTEGER,
    prompt_text TEXT NOT NULL,         -- Исходный вопрос или русский текст для перевода
    original_reference TEXT,           -- Оригинал из книги (для обратного перевода)
    user_submission TEXT NOT NULL,     -- Текст, введенный студентом
    score INTEGER,                     -- Оценка от 1 до 5 (или CEFR A1-C2)
    corrected_text TEXT,               -- Исправленный идеальный вариант
    feedback_json TEXT DEFAULT '{}',   -- Ошибки, правила, похвала, зоны роста
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    FOREIGN KEY (user_id) REFERENCES users(id) ON DELETE CASCADE
);

-- Индивидуальный радар грамматических слабостей
CREATE TABLE IF NOT EXISTS user_grammar_weaknesses (
    id INTEGER PRIMARY KEY AUTOINCREMENT,
    user_id INTEGER NOT NULL,
    tag TEXT NOT NULL,                 -- 'articles', 'past-tenses', 'prepositions', etc.
    rule_name TEXT NOT NULL,
    mistakes_count INTEGER DEFAULT 1,
    last_mistake_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    UNIQUE(user_id, tag, rule_name),
    FOREIGN KEY (user_id) REFERENCES users(id) ON DELETE CASCADE
);

📋 3. Пошаговый план внедрения (Roadmap)

Этап 1: Инфраструктура легковесного инференса

  • Скомпилировать или установить легковесный бинарник llama-cli (без лишних зависимостей, с поддержкой AVX2 процессора).
  • Создать изолированную директорию models/ для GGUF-файлов:
    • models/llama-3.2-3b-instruct-q4_k_m.gguf (~2.2 ГБ).
    • models/qwen-2.5-7b-instruct-q3_k_m.gguf (~3.8 ГБ).
  • Написать pure-Python обёртку app/ai/runner.py:
    • Функция run_model(model_tier: str, prompt: str, schema: dict = None).
    • Запуск через subprocess.Popen с аргументами nice -n 19, -c 4096, -t <cpu_threads>.
    • Автоматическая выгрузка процесса из ОЗУ сразу после завершения инференса.
  • Написать асинхронный воркер фоновых задач (app/ai/worker.py) на базе SQLite-очереди задач.

Этап 2: Квизы и тесты по главам (Fast Tier — Llama 3.2 3B)

  • Генератор вопросов по главе:
    • Извлечение текста текущей главы книги из читалки.
    • Формирование 5–8 контрольных вопросов:
      • 3 вопроса Multiple Choice (MCQ) на понимание ключевых событий.
      • 2 вопроса True / False / Not Given по методике IELTS/TOEFL.
      • 1 вопрос на значение редкого слова или термина в контексте абзаца.
  • Интеграция в интерфейс читалки:
    • Кнопка в конце главы: 🧠 Проверить понимание главы.
    • Модальное окно или встроенный блок прохождения теста с мгновенным подсвечиванием правильных/неправильных ответов.
    • Сохранение результата прохождения в профиль книги.

Этап 3: 100% Оффлайн-озвучка и Аудирование (Piper TTS / Neural VITS)

  • Интеграция легковесного автономного движка Piper TTS:
    • Скомпилированный статический бинарник piper (< 15 МБ, чистый C++/ONNX, без зависимостей).
    • Загрузка компактных оффлайн-моделей голосов в models/voices/ (суммарно ~130 МБ):
      • Английский (Natural US/UK): en_US-lessac-medium.onnx (~63 МБ).
      • Русский (Естественный диктор): ru_RU-dmitri-medium.onnx (~65 МБ).
    • Время генерации на CPU: ~0.5–1.0 сек на предложение (RTF ~0.2, в 5 раз быстрее реального времени).
    • Потребление ОЗУ: ~150–200 МБ только во время синтеза с мгновенной выгрузкой.
  • Оффлайн-кэширование аудиофайлов (data/audio_cache/):
    • Генерация имени по SHA-256 хешу текста и идентификатора голоса (data/audio_cache/{hash}.wav).
    • Повторные запросы одного и того же предложения отдаются мгновенно за 0.05 мс из кэша.
    • 0 байт сетевого трафика во внешнюю сеть — полная изоляция и автономность.
  • Скрытый режим тестирования (Listening Comprehension):
    • Вопрос и варианты ответов озвучиваются нейросетью Piper.
    • Текст вопроса скрыт шторкой или кнопкой «Показать текст» (тренировка восприятия беглой речи на слух).
  • Аудио-диктант по ключевым предложениям книги:
    • Модель выбирает 3 ярких и грамматически богатых предложения из главы.
    • Piper озвучивает предложение живым голосом носителя, пользователь вводит его на слух.
    • Подсветка пропущенных предлогов, окончаний и артиклей при проверке.

Этап 4: Тренажёр «Обратный перевод» (Reverse Translation — Deep Tier Qwen 2.5 7B)

  • Извлечение оригинального предложения автора из книги.
  • Формирование качественного русского перевода.
  • Задание пользователю: «Напишите перевод на английский язык по памяти».
  • Интеллектуальная оценка модели 7B:
    • Сравнение с авторским вариантом:
      • Выделение грубых ошибок (грамматика, времена, согласование).
      • Выделение стилистических альтернатив (автор выразился идиоматичнее, но вариант студента тоже допустим).
    • Объяснение разницы на понятном русском языке.

Этап 5: ИИ-учитель свободной речи и пересказа (Retell & Free Writing)

  • Поле свободного ответа на вопрос по главе книги (до 200–300 слов).
  • Поддержка голосового ввода через нативный Web Speech API (webkitSpeechRecognition).
  • Комплексный фидбек по 4 критериям:
    1. Grammar & Syntax (порядок слов, времена, предлоги, артикли).
    2. Vocabulary Richness (использование синонимов и слов из главы).
    3. Coherence & Flow (связность предложений, логические связки however, moreover, despite).
    4. Final Score & Praise (балл 1–5, похвала за удачные фразы, конкретные рекомендации).

Этап 6: Персональный грамматический профиль и подсказки в читалке

  • Таблица слабых мест пользователя в SQLite:
    • Автоматическая фиксация категорий ошибок (#articles, #past-tenses, #prepositions, #passive-voice, #conditionals).
  • Виджет в личном кабинете: «Радар грамматики» (топ-3 тем, в которых чаще всего допускаются ошибки).
  • Умная подсветка в читалке:
    • Если в тексте книги встречается грамматическая конструкция из «зоны роста» пользователя, читалку можно настроить деликатно подсвечивать её с ненавязчивой подсказкой.

Этап 7: Оффлайн-модуль Мерфи и физическая тетрадь (Murphy Engine & Handwritten Journaling)

  • Парсинг и индексация учебников Мерфи в SQLite (grammar_units):
    • Извлечение юнитов из Essential Grammar in Use (A1–A2) и English Grammar in Use (B1–B2).
    • Хранение названий тем, контрастных пар и примеров в локальной базе.
  • Интерактивные микро-уроки (5–7 минут на юнит):
    • Ёмкая выжимка теории на один экран (сравнение ситуаций: I do vs I am doing).
    • 5 практических упражнений (заполни пропуск, выбери форму) с моментальной проверкой.
    • Подробный разбор ошибок на русском языке с отсылкой к правилу.
  • Рукописная тетрадь и мышечная память (Handwritten Motor Memory Prompts):
    • В конце каждого урока ИИ формирует персонализированное «Задание для бумажной тетради»:
      • Золотая формула правила для записи цветной ручкой (например: did + V1 (без -ed!)).
      • 2–3 личных примера от руки из собственной жизни (персональный опыт активирует долговременную память гораздо сильнее абстрактных чужих примеров).
      • Контрастная пара или мини-схема для зарисовки от руки.
    • Интерактивный чекбокс: [✓] Записал от руки в тетрадь для фиксации физического прогресса.
    • Аудио-диктант от руки: диктор Piper произносит ключевую фразу урока \rightarrow студент записывает её ручкой в тетрадь \rightarrow сверяет с оригиналом.
Reference in new issue View Git Blame Copy Permalink