# 🧠 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`) ```sql -- 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 `. - 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: 🌐 Контекстный перевод предложений в читалке (In-Context Sentence Translator) - [ ] Кнопка `🌐 Перевести предложение` в попапе слова читалки (рядом с контекстной цитатой). - [ ] Модель (Llama 3.2 3B) за 1–1.5 сек переводит фразу целиком с учётом смысла книги (устраняя ловушки оторванных слов: *draft*, *address*, *run*). - [ ] Подсветка точного значения кликнутого слова именно в контексте этого предложения. - [ ] Прямой перевод любого предложения по клику/выделению в тексте без лишних окон. - [ ] Мгновенный кэш переводов предложений в SQLite (`sentence_translations`) за 0.01 мс. - [ ] Возможность сохранить правильный контекстный перевод прямо в карточку словаря. --- ### Этап 3: 🔗 Детектор фразовых глаголов и идиом (Multi-Word / Phrasal Verb Detector) - [ ] База частых английских фразовых глаголов и коллокаций (A2–B2: *take off, run out of, look forward to, figure out, set up, carry out*). - [ ] При клике на слово в читалке — автоматический анализ контекстного окна (1–2 слова до и после). - [ ] При обнаружении устойчивой связки — выделение и перевод всей конструкции целиком вместо оторванного значения отдельного глагола (*took off* $\rightarrow$ «взлетел», а не «взял»). - [ ] Сохранение готовой устойчивой связки в личный словарь в один клик. --- ### Этап 4: 🎯 Уровневые тесты CEFR (A1, A2, B1, B2) с Gap Ingestion в активный словарь - [ ] Эталонные списки лексики по шкале CEFR (на базе Oxford 3000/5000: A1 ~800, A2 ~1200, B1 ~1500, B2 ~2000). - [ ] Быстрый и удобный для мобильных формат: **1-тап выбор ключевого узла (Cloze Tap)** без перетаскивания и долгой печати. - [ ] **Автоматический захват пробелов (Gap Ingestion)**: - Если ответ верный $\rightarrow$ слово помечается как освоенное. - Если пользователь **ошибся или засомневался** $\rightarrow$ слово/оборот **автоматически создаётся как карточка со статусом `learning`** в личном словаре SRS с тегом уровня (`#level-a2`, `#level-b1`). - [ ] Проблемные слова начинают чаще мелькать в ежедневных утренних повторениях SRS, пока не закрепятся в долговременной памяти. - [ ] Наглядный прогресс-трекер: процент закрытия каждого уровня (*«Уровень A2: 95% закрыто, 12 слов в тренировке»*). --- ### Этап 5: 📖 Оффлайн-модуль грамматики Мерфи и бумажная тетрадь (Murphy Engine & Handwritten Journaling) - [ ] Индексация юнитов *Essential Grammar in Use* (A1–A2) и *English Grammar in Use* (B1–B2) в SQLite (`grammar_units`). - [ ] Поддержка «Вечернего вайба глубокого погружения» (Deep Work Mode): 5–7 минутные микро-уроки. - [ ] Компактная выжимка правил на контрастах жизненных ситуаций (*I do* vs *I am doing*). - [ ] 5 интерактивных упражнений с удобным 1-тап выбором на телефоне (Cloze Tap) и мгновенным разбором логики ошибок. - [ ] **Интервальное повторение грамматики в SRS**: ошибки из упражнений Мерфи автоматически улетают в карточки утреннего повторения SRS! - [ ] **Блок работы с бумажной тетрадью (мышечная и зрительная память)**: - Золотая формула правила для записи цветной ручкой/маркером. - Обязательное составление **2–3 личных примеров от руки из своей реальной жизни**. - Интерактивный чекбокс: `[✓] Записал от руки в тетрадь`. --- ### Этап 6: 📊 Персональный грамматический профиль и подсказки в читалке - [ ] Таблица слабых мест пользователя в SQLite (`user_grammar_weaknesses`): - 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 подсказка в читалке: - Если в тексте книги встречается грамматическая конструкция из «зоны роста» пользователя, читалку можно настроить деликатно подсвечивать её с ненавязчивой подсказкой. --- ### Этап 7: 🎧 Автономная нейро-озвучка Piper TTS и аудирование (Низкий приоритет, в конце) - [ ] Подключение локального C++ движка Piper TTS (VITS, 100% оффлайн, ~150 МБ RAM, CPU RTF 0.2). - [ ] Компактные модели дикторов (EN `en_US-lessac` + RU `ru_RU-dmitri`). - [ ] Регулировка скорости воспроизведения (0.75x для разбора сложных звуков, 1.0x, 1.25x для тренировки беглой речи). - [ ] Оффлайн-кэширование аудио предложений в `data/audio_cache/` со сжатием в Opus и автоочисткой по TTL 7 дней (Zero Bloat). - [ ] Фоновый экспорт главы в аудиокнигу для дороги и прогулок. - [ ] Интерактивный Shadowing (прослушивание $\rightarrow$ повтор в микрофон $\rightarrow$ клиентская проверка).