#!/usr/bin/env python3 """ AI Code Review for Filwords PL Frontend (JSON-контракт + пак-подход) Frontend слишком большой (1M+ символов) для одного запроса — модель уходит в reasoning и не успевает выдать JSON. Решение: разбиваем файлы на паки по папкам, делаем отдельный запрос на каждый пак, объединяем находки. (21.09.2026) Первая версия для frontend — адаптация backend-скрипта. (21.09.2026, вечер) Пак-подход: 4 пака (components, pages, core, admin). (25.09.2026) Разбивка паков: 9 паков, MAX_OUTPUT_TOKENS=32000. (25.09.2026, вечер) ФИКС root cause: DeepSeek-V4.1-Flash по умолчанию думает (reasoning), и на сложных/больших паках весь max_tokens уходит в thinking — content пустой, finish=length, находки теряются (это видно по 6 из 9 паков в последнем прогоне). → reasoning выключен явно ("reasoning": {"enabled": False}). → fallback на reasoning_content убран (это была причина "Ошибка парсинга JSON": туда попадал сырой текст рассуждений, а не JSON). → extract_json теперь спасает отдельные валидные находки, даже если ответ всё же обрежется по max_tokens — вместо потери пака целиком. (26.09.2026) ФИКС quality-first: → MODEL: DeepSeek-V4.1-Flash → DeepSeek-V4-Pro-0813 (потом откат). → MAX_OUTPUT_TOKENS: 32000 → 8000. → SYSTEM_PROMPT ужесточён: запрет "Ок"/"Не баг"/"Работает корректно", confidence >= 0.75, ТОП-10 по severity. → validate_and_filter: overshoot guard — если находок > 15 на пак, берём только топ-10 по confidence. (26.09.2026, вечер) ФИКС dual-model: → Добавлена ВТОРАЯ модель (GLM 5.3) для пересечения находок: DeepSeek V4.1 Flash — основная, GLM 5.3 — вторая. Пересечение по (file, snippet) → confidence +0.05. → USE_SECONDARY_MODEL=True включает вторую модель. (26.09.2026, ночь) ФИКС reasoning-per-model + бюджет: → MODEL_SECONDARY: zai-org/GLM-5.3 (флагман, $1.40/$4.40) → zai-org/GLM-5.3-Flash ($0.15/$0.50). На фронтенде (1M+ символов, 9 паков × 2 модели) флагман почти упирался в бюджет 80 центов/ аудит — Flash укладывается с большим запасом. → ROOT CAUSE: "reasoning": {"enabled": False} НЕ работает на GLM-5.3 / GLM-5.3-Flash (в доке Together: "Thinking cannot be disabled entirely on GLM-5.3"). Это и объясняет "6 из 9 паков без ответа" из заметки выше — скорее всего это были именно GLM-паки: thinking съедал весь max_tokens, content пустой. → call_together_model строит РАЗНЫЙ payload по семейству модели: DeepSeek → reasoning.enabled=False; GLM-5.3* → reasoning_effort ="low" + увеличенный max_tokens (единственный рычаг для GLM). → Логируем длину reasoning_content для диагностики. """ import json import os import re import sys from datetime import datetime, timezone from pathlib import Path import httpx # ============ Настройки ============ TOGETHER_API_KEY = os.environ.get("TOGETHER_API_KEY") GITEA_BOT_TOKEN = os.environ.get("BOT_TOKEN") GITEA_INSTANCE = os.environ.get("GITEA_INSTANCE", "https://git.filwordspl.com") GITEA_REPO = os.environ.get("GITEA_REPO", "Drobysh/filwordspl-frontend") # 🔧 ФИКС (26.09.2026, ночь): ai_review_glm_flash — # Флагман GLM-5.3 ($1.40 in / $4.40 out) заменён на GLM-5.3-Flash # ($0.15 in / $0.50 out), та же линейка Z.ai, но кодинг-версия # попроще и в ~9 раз дешевле. На фронтенде (1M+ символов) это главный # рычаг, чтобы не упереться в 80 центов на аудит. MODEL_PRIMARY = "deepseek-ai/DeepSeek-V4.1-Flash" MODEL_SECONDARY = "zai-org/GLM-5.3-Flash" MODEL = MODEL_PRIMARY # backward compat # 🔧 ФИКС (26.09.2026, вечер): secondary_model_enabled. USE_SECONDARY_MODEL = True # 🔧 ФИКС (26.09.2026): ai_review_overshoot — # 32000 токенов = модель пишет "Ок" на каждую функцию. # Актуально только для DeepSeek (у GLM свой лимит, см. GLM_MAX_OUTPUT_TOKENS). MAX_OUTPUT_TOKENS = 8000 # 🔧 ФИКС (26.09.2026, ночь): ai_review_glm_reasoning_budget — # GLM-5.3(-Flash) не даёт полностью выключить thinking, трейс мышления # делит max_tokens с финальным JSON-ответом. Раньше это обнуляло content # именно на GLM-паках. Даём больше запаса. GLM_MAX_OUTPUT_TOKENS = 12000 GLM_REASONING_EFFORT = "low" # Что игнорировать при сборе кода IGNORE_DIRS = { "node_modules", "dist", "build", ".git", ".gitea", "public", "coverage", ".vite", ".cache", } IGNORE_FILES = {"ai_review.py", "vite-env.d.ts"} # Расширения, которые читаем INCLUDE_EXTENSIONS = {".ts", ".tsx", ".js", ".jsx"} # Максимальный размер одного файла (символов) MAX_FILE_SIZE = 100_000 # Фильтр находок MIN_CONFIDENCE = 0.75 ALLOWED_SEVERITY = {"user_impact", "data_risk", "maintainability"} # 🔧 ФИКС (26.09.2026): overshoot guard. OVERSHOOT_LIMIT = 15 OVERSHOOT_KEEP = 10 # Паки для frontend. Если пак получается > 500K символов — модель может # не успеть, тогда дроби ещё мельче (например, по подпапкам components/). PACKS = [ { "name": "components_editors", "paths": [ "src/components/ContentEditorMenu.tsx", "src/components/LessonEditorModal.tsx", "src/components/LessonsEditor.tsx", "src/components/TextsEditor.tsx", "src/components/WordsEditor.tsx", ], "description": "UI: редакторы контента", }, { "name": "components_modals", "paths": [ "src/components/AdminDashboardModal.tsx", "src/components/FeedModal.tsx", "src/components/FeedPostComposer.tsx", "src/components/OnboardingModal.tsx", "src/components/PronunciationModal.tsx", "src/components/RulesModal.tsx", "src/components/SupportChatModal.tsx", "src/components/TeacherMenuModal.tsx", "src/components/TypingModal.tsx", ], "description": "UI: модалки", }, { "name": "components_misc", "paths": [ "src/components/AnimatedCat.tsx", "src/components/HighlightsCarousel.tsx", "src/components/HintPanel.tsx", "src/components/ImageLightbox.tsx", "src/components/LetterGrid.tsx", ], "description": "UI: прочие компоненты (игры, карусель)", }, { "name": "pages_lessons", "paths": [ "src/pages/LessonsPage.tsx", "src/pages/TopicLessonsPage.tsx", "src/pages/LessonViewPage.tsx", "src/pages/TestViewPage.tsx", "src/pages/PracticeViewPage.tsx", ], "description": "Страницы: уроки и тесты", }, { "name": "pages_teacher", "paths": [ "src/pages/TeacherChatPage.tsx", "src/pages/PronunciationPage.tsx", "src/pages/TypingPage.tsx", ], "description": "Страницы: учитель, произношение, печать", }, { "name": "pages_games", "paths": [ "src/pages/WordSearchPage.tsx", "src/pages/SentenceBuilderPage.tsx", "src/pages/WordQuizPage.tsx", "src/pages/BubbleWordsPage.tsx", ], "description": "Страницы: игры", }, { "name": "pages_menu", "paths": [ "src/pages/MenuPage.tsx", "src/pages/LeaderboardPage.tsx", "src/pages/FlashcardsPage.tsx", "src/pages/LanguageSelectPage.tsx", ], "description": "Страницы: меню, рейтинг, карточки, язык", }, { "name": "core", "paths": ["src/App.tsx", "src/api.ts", "src/telegram.ts", "src/main.tsx"], "description": "Ядро: App, api, telegram, входная точка", }, { "name": "infra", "paths": ["src/hooks/", "src/i18n/", "src/styles/", "src/data/", "src/types/"], "description": "Инфраструктура: хуки, локализация, стили, данные, типы", }, ] # ============ Проверка окружения ============ def check_env() -> None: missing = [] if not TOGETHER_API_KEY: missing.append("TOGETHER_API_KEY") if not GITEA_BOT_TOKEN: missing.append("BOT_TOKEN") if missing: print(f"❌ Отсутствуют переменные окружения: {', '.join(missing)}", file=sys.stderr) sys.exit(1) # ============ Сбор кода ============ def read_file(path: Path, repo_root: Path) -> tuple[str, str] | None: """Читает один файл. Возвращает (относительный_путь, содержимое) или None.""" try: content = path.read_text(encoding="utf-8") except Exception as e: print(f"⚠️ Не прочитал {path.relative_to(repo_root)}: {e}", file=sys.stderr) return None if len(content) > MAX_FILE_SIZE: print(f"⚠️ Пропущен большой файл: {path.relative_to(repo_root)} ({len(content)} символов)", file=sys.stderr) return None rel_str = str(path.relative_to(repo_root)).replace("\\", "/") return rel_str, content def collect_pack(repo_root: Path, pack: dict) -> tuple[str, dict[str, str]]: """Собирает файлы одного пака. Возвращает (текст, словарь {путь: содержимое}).""" chunks: list[str] = [] files_map: dict[str, str] = {} total_size = 0 for path_pattern in pack["paths"]: target = repo_root / path_pattern if not target.exists(): continue if target.is_file(): result = read_file(target, repo_root) if result: rel_str, content = result lang = "typescript" if target.suffix in (".ts", ".tsx") else "javascript" chunks.append(f"### FILE: {rel_str}\n```{lang}\n{content}\n```\n") files_map[rel_str] = content total_size += len(content) else: for f in sorted(target.rglob("*")): if not f.is_file(): continue if f.suffix not in INCLUDE_EXTENSIONS: continue if f.name in IGNORE_FILES: continue if f.name.endswith(".d.ts"): continue if any(part in IGNORE_DIRS for part in f.relative_to(repo_root).parts): continue result = read_file(f, repo_root) if result: rel_str, content = result lang = "typescript" if f.suffix in (".ts", ".tsx") else "javascript" chunks.append(f"### FILE: {rel_str}\n```{lang}\n{content}\n```\n") files_map[rel_str] = content total_size += len(content) print(f" 📦 Пак '{pack['name']}': {len(files_map)} файлов, {total_size:,} символов") return "\n".join(chunks), files_map # ============ Промпт для модели ============ SYSTEM_PROMPT = """Ты — опытный техлид и ревьюер React + TypeScript кода (Telegram Mini App). Твоя задача — проанализировать код и вернуть СТРОГО JSON-массив находок. ФОРМАТ ОТВЕТА (только JSON, без markdown, без пояснений): [ { "id": "КРАТКОЕ_ИМЯ_БАГА", "file": "src/components/FeedModal.tsx", "line": 120, "snippet": "точное цитирование 1-3 строк из файла", "severity": "user_impact", "user_effect": "что видит пользователь: модалка не закрывается, картинка обрезается", "repro": "открыть Feed → кликнуть по посту → модалка не реагирует на Escape", "fix_hint": "добавить обработчик onKeyDown для Escape в useEffect", "confidence": 0.86 } ] ПРАВИЛА (соблюдай строго): 1. severity — только одно из: "user_impact", "data_risk", "maintainability". 2. snippet — ТОЧНАЯ цитата 1-3 строк из файла. Не перефразируй. 3. confidence — число от 0 до 1. Если меньше 0.75 — НЕ включай. 4. МАКСИМУМ 10 находок за этот пак. Если находишь больше — выбери ТОП-10 по severity. 5. НЕ пиши находки типа "Ок", "Не баг", "Работает корректно", "Не влияет на UX", "Не критично". Только РЕАЛЬНЫЕ проблемы. 6. НЕ комментируй каждую функцию. Только баги, security, UX. 7. НЕ переписывай код. Только описывай, что не так. 8. НЕ включай проблемы дизайна/стиля (отступы, цвета) — только функционал, безопасность, UX. 9. Если проблем нет — верни пустой массив: []. Отвечай ТОЛЬКО JSON, без markdown-обёрток. Не думай вслух — сразу выдавай JSON-массив. """ USER_PROMPT_TEMPLATE = """Проанализируй часть кода frontend проекта Filwords PL (Telegram Mini App). Это React 19 + TypeScript + Vite + React Router. Пак: **{pack_name}** — {pack_description} Ищи ТОЛЬКО реальные проблемы: 1. Баги и логические ошибки (React hooks, useEffect, state) 2. Проблемы безопасности (XSS, утечки токенов, невалидные URL) 3. Проблемы UX (модалки не закрываются, кнопки не работают, скролл) 4. Утечки памяти (неотписанные слушатели, таймеры) 5. N+1 запросы к API 6. Отсутствие обработки ошибок (fetch без catch, loading без finally) 7. Дублирование кода и компонентов 8. Мёртвый код (неиспользуемые импорты, старые модалки) НЕ пиши "Ок", "Не баг", "Работает корректно". Если проблем нет — верни []. Верни JSON-массив находок по формату выше. Вот код: {code} """ # ============ Запрос к Together AI ============ def _is_glm(model_name: str) -> bool: return "GLM-5.3" in model_name or "glm-5.3" in model_name.lower() def call_together_model(code: str, pack: dict, model_name: str) -> str: """Отправляет код пака в указанную модель. 🔧 ФИКС (26.09.2026, ночь): ai_review_reasoning_per_model — у DeepSeek reasoning реально выключается через "reasoning": {"enabled": False}. У GLM-5.3(-Flash) это НЕ работает (thinking у GLM-5.3 нельзя отключить полностью, см. доки Together) — там единственный рычаг: reasoning_effort="low" + больший max_tokens. """ print(f" 🤖 Отправляю пак '{pack['name']}' в {model_name}...") user_prompt = USER_PROMPT_TEMPLATE.format( pack_name=pack["name"], pack_description=pack["description"], code=code, ) payload = { "model": model_name, "messages": [ {"role": "system", "content": SYSTEM_PROMPT}, {"role": "user", "content": user_prompt}, ], "temperature": 0.2, } if _is_glm(model_name): # GLM-5.3 / GLM-5.3-Flash: thinking нельзя выключить полностью, # только снизить через reasoning_effort. Даём больше max_tokens, # т.к. трейс мышления делит бюджет с JSON-ответом. payload["reasoning_effort"] = GLM_REASONING_EFFORT payload["max_tokens"] = GLM_MAX_OUTPUT_TOKENS else: # DeepSeek: reasoning реально выключается этим флагом. payload["reasoning"] = {"enabled": False} payload["max_tokens"] = MAX_OUTPUT_TOKENS response = httpx.post( "https://api.together.xyz/v1/chat/completions", headers={ "Authorization": f"Bearer {TOGETHER_API_KEY}", "Content-Type": "application/json", }, json=payload, timeout=300.0, ) if response.status_code != 200: print(f" ❌ {model_name} вернул {response.status_code}", file=sys.stderr) print(f" Ответ: {response.text[:500]}", file=sys.stderr) return "" data = response.json() try: message = data["choices"][0]["message"] result = message.get("content") if not result: raise KeyError("пусто (content отсутствует)") except (KeyError, IndexError, TypeError) as e: # 🔧 ФИКС (26.09.2026, ночь): логируем длину reasoning-трейса # для диагностики, сколько токенов ушло на "мысли" до отказа. reasoning_len = 0 try: reasoning_len = len( data["choices"][0]["message"].get("reasoning_content") or "" ) except Exception: pass print(f" ❌ Формат ответа: {e} (reasoning_content: {reasoning_len} символов)", file=sys.stderr) return "" usage = data.get("usage", {}) finish = data["choices"][0].get("finish_reason", "unknown") reasoning_len = len(data["choices"][0]["message"].get("reasoning_content") or "") print( f" ✅ [{model_name.split('/')[-1]}] Пак '{pack['name']}': " f"вход={usage.get('prompt_tokens', 0)}, " f"выход={usage.get('completion_tokens', 0)}, " f"reasoning≈{reasoning_len} симв., finish={finish}" ) if finish == "length": print( f" ⚠️ Пак '{pack['name']}' обрезан по max_tokens ({model_name})", file=sys.stderr, ) return result def call_together(code: str, pack: dict) -> str: """Backward-compat.""" return call_together_model(code, pack, MODEL_PRIMARY) # ============ Парсинг и фильтрация JSON ============ def extract_json(text: str) -> list[dict]: """Извлекает находки из ответа модели.""" if not text: return [] text = text.strip() if text.startswith("```"): text = re.sub(r"^```(?:json)?\s*", "", text) text = re.sub(r"\s*```$", "", text) start = text.find("[") if start == -1: print(f" ⚠️ Не найден JSON-массив. Первые 300 символов:\n{text[:300]}", file=sys.stderr) return [] decoder = json.JSONDecoder() idx, n = start + 1, len(text) results: list[dict] = [] while idx < n: while idx < n and text[idx] in " \t\n\r,": idx += 1 if idx >= n or text[idx] == "]": break try: obj, end = decoder.raw_decode(text, idx) except json.JSONDecodeError: break if isinstance(obj, dict): results.append(obj) idx = end if not results: print(" ⚠️ Не удалось извлечь ни одной находки из ответа", file=sys.stderr) return results def merge_dual_findings(primary_raw: str, secondary_raw: str) -> list[dict]: """Объединяет находки от двух моделей. Пересечение по (file, snippet) → confidence +0.05. """ p_list = extract_json(primary_raw) s_list = extract_json(secondary_raw) def _key(f: dict) -> str: return f"{(f.get('file') or '').strip()}::{(f.get('snippet') or '').strip()}" p_map = {_key(f): f for f in p_list if isinstance(f, dict)} s_map = {_key(f): f for f in s_list if isinstance(f, dict)} merged: dict[str, dict] = {} for k, f in p_map.items(): item = dict(f) item["_source"] = "primary" if k in s_map: try: conf = float(item.get("confidence", 0) or 0) except (TypeError, ValueError): conf = 0 item["confidence"] = min(1.0, round(conf + 0.05, 2)) item["_source"] = "both" merged[k] = item for k, f in s_map.items(): if k not in merged: item = dict(f) item["_source"] = "secondary" merged[k] = item both_count = sum(1 for v in merged.values() if v.get("_source") == "both") print(f" 🔗 Merge: primary={len(p_map)}, secondary={len(s_map)}, " f"пересечение={both_count}, всего={len(merged)}") return list(merged.values()) def validate_and_filter(findings: list[dict], files_map: dict[str, str]) -> tuple[list[dict], dict[str, int]]: """Фильтрует находки. Overshoot guard — если находок > 15 на пак, берём только топ-10 по confidence. """ stats = { "total": len(findings), "overshoot": 0, "no_file": 0, "snippet_mismatch": 0, "bad_severity": 0, "low_confidence": 0, "no_effect_or_repro": 0, "passed": 0, } if len(findings) > OVERSHOOT_LIMIT: print( f" ⚠️ Overshoot: {len(findings)} находок (> {OVERSHOOT_LIMIT}), " f"берём топ-{OVERSHOOT_KEEP} по confidence", file=sys.stderr, ) findings = sorted( [f for f in findings if isinstance(f, dict)], key=lambda x: float(x.get("confidence", 0) or 0), reverse=True, )[:OVERSHOOT_KEEP] stats["overshoot"] = 1 passed: list[dict] = [] for f in findings: if not isinstance(f, dict): continue file_path = (f.get("file") or "").strip().replace("\\", "/") snippet = (f.get("snippet") or "").strip() severity = (f.get("severity") or "").strip().lower() confidence = f.get("confidence", 0) if file_path not in files_map: stats["no_file"] += 1 continue if not snippet or snippet not in files_map[file_path]: stats["snippet_mismatch"] += 1 continue if severity not in ALLOWED_SEVERITY: stats["bad_severity"] += 1 continue try: conf_val = float(confidence) except (TypeError, ValueError): conf_val = 0 if conf_val < MIN_CONFIDENCE: stats["low_confidence"] += 1 continue if severity in ("user_impact", "data_risk"): if not (f.get("user_effect") or "").strip() or not (f.get("repro") or "").strip(): stats["no_effect_or_repro"] += 1 continue passed.append(f) stats["passed"] += 1 return passed, stats # ============ Форматирование Issue ============ SEVERITY_EMOJI = {"user_impact": "🔴", "data_risk": "🟠", "maintainability": "🟡"} SEVERITY_LABEL = { "user_impact": "Влияет на пользователя", "data_risk": "Риск для данных", "maintainability": "Качество кода", } def format_issue_body( all_findings: list[dict], pack_stats: list[dict], total_stats: dict[str, int], date_str: str, ) -> str: """Формирует markdown-тело Issue.""" lines: list[str] = [] lines.append("# 🤖 AI Code Review (Frontend)") lines.append("") lines.append(f"**Дата:** {date_str}") if USE_SECONDARY_MODEL: lines.append(f"**Модели:** `{MODEL_PRIMARY}` + `{MODEL_SECONDARY}`") else: lines.append(f"**Модель:** `{MODEL_PRIMARY}`") lines.append(f"**Репозиторий:** `{GITEA_REPO}`") lines.append("") lines.append("## 📊 По пакам") lines.append("") for ps in pack_stats: lines.append(f"- **{ps['name']}** — {ps['files']} файлов, " f"{ps['symbols']:,} символов, находок={ps['findings']}") lines.append("") lines.append("---") lines.append("") if not all_findings: lines.append("✅ **После фильтрации не осталось находок.**") else: by_severity: dict[str, list[dict]] = {"user_impact": [], "data_risk": [], "maintainability": []} for f in all_findings: by_severity.setdefault(f.get("severity", "maintainability"), []).append(f) counter = 0 for sev in ["user_impact", "data_risk", "maintainability"]: items = by_severity.get(sev, []) if not items: continue lines.append(f"## {SEVERITY_EMOJI[sev]} {SEVERITY_LABEL[sev]} ({len(items)})") lines.append("") for f in items: counter += 1 source = f.get("_source", "primary") source_mark = "🔗 both" if source == "both" else ("🔵 secondary" if source == "secondary" else "") lines.append(f"### {counter}. {f.get('id', 'без имени')} {source_mark}") lines.append("") lines.append(f"- **Файл:** `{f.get('file')}:{f.get('line', '?')}`") lines.append(f"- **Snippet:** `{f.get('snippet', '').strip()[:120]}`") lines.append(f"- **Проблема:** {f.get('user_effect', '—')}") lines.append(f"- **Как воспроизвести:** {f.get('repro', '—')}") lines.append(f"- **Что сделать:** {f.get('fix_hint', '—')}") lines.append(f"- **Confidence:** {f.get('confidence', '?')}") lines.append("") lines.append("---") lines.append("") lines.append(f"**Итого:** всего находок={total_stats['total']}, " f"overshoot={total_stats.get('overshoot', 0)}, " f"snippet не совпал={total_stats['snippet_mismatch']}, " f"низкий confidence={total_stats['low_confidence']}, " f"прошло={total_stats['passed']}") lines.append("") lines.append("_Этот Issue создан автоматически. Исправления делаются вручную._") return "\n".join(lines) # ============ Создание Issue ============ def create_issue(title: str, body: str) -> str: print("📝 Создаю Issue в Gitea...") response = httpx.post( f"{GITEA_INSTANCE}/api/v1/repos/{GITEA_REPO}/issues", headers={ "Authorization": f"token {GITEA_BOT_TOKEN}", "Content-Type": "application/json", }, json={"title": title, "body": body}, timeout=30.0, ) if response.status_code not in (200, 201): print(f"❌ Gitea вернул {response.status_code}: {response.text[:500]}", file=sys.stderr) sys.exit(1) data = response.json() issue_url = data.get("html_url", "") print(f"✅ Issue создан: {issue_url}") return issue_url # ============ Main ============ def main() -> None: check_env() repo_root = Path(".").resolve() print(f"📁 Репозиторий: {repo_root}") all_passed: list[dict] = [] pack_stats: list[dict] = [] total_stats = { "total": 0, "overshoot": 0, "no_file": 0, "snippet_mismatch": 0, "bad_severity": 0, "low_confidence": 0, "no_effect_or_repro": 0, "passed": 0, } for pack in PACKS: print(f"\n📦 Обрабатываю пак: {pack['name']}") code, files_map = collect_pack(repo_root, pack) if not code: print(f" ⚠️ Пак '{pack['name']}' пуст — пропускаю") pack_stats.append({"name": pack["name"], "files": 0, "symbols": 0, "findings": 0}) continue primary_raw = call_together_model(code, pack, MODEL_PRIMARY) if USE_SECONDARY_MODEL: secondary_raw = call_together_model(code, pack, MODEL_SECONDARY) findings = merge_dual_findings(primary_raw, secondary_raw) else: findings = extract_json(primary_raw) filtered, stats = validate_and_filter(findings, files_map) all_passed.extend(filtered) for k in total_stats: total_stats[k] += stats.get(k, 0) pack_stats.append({ "name": pack["name"], "files": len(files_map), "symbols": sum(len(c) for c in files_map.values()), "findings": len(filtered), }) print(f" ✅ Пак '{pack['name']}': прошло фильтр {stats['passed']} из {stats['total']}") print(f"\n📊 ИТОГО: прошло фильтр {total_stats['passed']} из {total_stats['total']}") date_str = datetime.now(timezone.utc).strftime("%Y-%m-%d %H:%M UTC") title = f"🤖 AI Review (frontend): {total_stats['passed']} задач ({date_str})" body = format_issue_body(all_passed, pack_stats, total_stats, date_str) create_issue(title, body) print("🎉 Готово!") if __name__ == "__main__": main()