Загрузить файлы в «/»

This commit is contained in:
Prokhor
2026-07-17 08:15:07 +00:00
commit 7e80baee94
5 changed files with 556 additions and 0 deletions
+62
View File
@@ -0,0 +1,62 @@
# Application
APP_ENV=development
APP_SECRET_KEY=change-me
CORS_ORIGINS=http://localhost:5173
ACCESS_TOKEN_TTL_SECONDS=28800
INITIAL_ADMIN_EMAIL=admin@example.local
INITIAL_ADMIN_PASSWORD=change-me-admin
INITIAL_ADMIN_NAME=Администратор
# Database
POSTGRES_DB=meeting_assistant
POSTGRES_USER=meeting
POSTGRES_PASSWORD=password
POSTGRES_PORT=5432
DATABASE_URL=postgresql+psycopg://meeting:password@postgres:5432/meeting_assistant
DATABASE_CONNECT_TIMEOUT_SECONDS=3
# Queue
REDIS_URL=redis://redis:6379/0
# Jitsi
JITSI_DOMAIN=meet.company.local
VITE_JITSI_BASE_URL=https://meet.company.local
VITE_JITSI_REQUIRE_JWT=false
JITSI_APP_ID=meeting-assistant
JITSI_APP_SECRET=change-me
JITSI_TOKEN_TTL_SECONDS=7200
# Internal processing
PROCESSING_TOKEN=change-me
PROCESSING_JOB_TIMEOUT_SECONDS=10800
FFMPEG_BINARY=ffmpeg
FFMPEG_TIMEOUT_SECONDS=1800
RECORDINGS_ROOT=/data/recordings
RECORDING_VIDEO_RETENTION_DAYS=30
RECORDING_CLEANUP_INTERVAL_SECONDS=3600
AUDIO_STORAGE_DIR=/data/audio
AUDIO_ROOT=/data/audio
TRANSCRIPTS_STORAGE_DIR=/data/transcripts
TRANSCRIPTS_ROOT=/data/transcripts
REPORTS_ROOT=/data/reports
# Whisper
WHISPER_ENGINE=faster-whisper
WHISPER_MODEL=large-v3
WHISPER_DEVICE=cpu
WHISPER_COMPUTE_TYPE=int8
WHISPER_LANGUAGE=ru
WHISPER_DOWNLOAD_ROOT=/models/faster-whisper
WHISPER_TIMEOUT_SECONDS=7200
# Ollama / Gemma
OLLAMA_BASE_URL=http://ollama:11434
OLLAMA_MODEL=gemma3:12b
OLLAMA_TIMEOUT_SECONDS=1800
OLLAMA_CHUNK_MAX_CHARS=12000
# Email workflow
N8N_WEBHOOK_URL=http://n8n:5678/webhook/meeting-report
N8N_WEBHOOK_SECRET=change-me
N8N_TIMEOUT_SECONDS=30
AUTO_SEND_EMAILS=true
+80
View File
@@ -0,0 +1,80 @@
# Python
__pycache__/
*.py[cod]
*$py.class
.pytest_cache/
.mypy_cache/
.ruff_cache/
.pyre/
.tox/
.nox/
.coverage
.coverage.*
coverage.xml
htmlcov/
pytest-tmp*/
.pytest_tmp/
*.egg-info/
pip-wheel-metadata/
.venv/
venv/
env/
ENV/
# Node / frontend
node_modules/
dist/
build/
.vite/
.cache/
coverage/
*.tsbuildinfo
npm-debug.log*
yarn-debug.log*
yarn-error.log*
pnpm-debug.log*
# Logs and local process files
*.log
*.pid
*.pid.lock
.dev-server*.log
# Environment and secrets
.env
.env.*
.envrc
*.local
!.env.example
!**/.env.example
# Runtime data
data/recordings/*
data/audio/*
data/transcripts/*
data/reports/*
!data/recordings/.gitkeep
!data/audio/.gitkeep
!data/transcripts/.gitkeep
!data/reports/.gitkeep
# Infrastructure runtime mounts and generated state
infrastructure/jitsi/config/
infrastructure/jitsi/transcripts/
infrastructure/jibri/config/
infrastructure/jibri/recordings/
infrastructure/worker-mac/logs/
infrastructure/ollama-mac/logs/
docker-compose.override.yml
infrastructure/**/docker-compose.override.yml
# Local release/archive artifacts
meeting-assistant-code-update-*.zip
meeting-assistant-code-update-*.zip.sha256
# OS/editor
.DS_Store
Thumbs.db
desktop.ini
.idea/
.vscode/
+102
View File
@@ -0,0 +1,102 @@
# Обновление кода на Ubuntu из архива
Этот архив предназначен для обновления кода проекта `meeting-assistant` поверх уже настроенного сервера.
Архив не должен заменять серверные секреты, данные и runtime-артефакты:
- `.env`
- `data/`
- `backend/.venv/`
- `frontend/node_modules/`
- `frontend/dist/`
- `.git/`
- модели Whisper/Gemma/Ollama
- данные n8n
- записи, аудио, транскрипты и отчёты
## 1. Перенести архив на сервер
С Fedora или другой машины:
```bash
scp meeting-assistant-code-update-*.zip deploy@UBUNTU_SERVER:/tmp/
```
Если пользователь на сервере другой, замени `deploy`.
## 2. Зайти на сервер
```bash
ssh deploy@UBUNTU_SERVER
```
## 3. Сделать резервную копию текущего кода
```bash
sudo cp -a /opt/ai_agent_bobik /opt/ai_agent_bobik.backup.$(date +%Y%m%d-%H%M%S)
```
Если проект лежит не в `/opt/ai_agent_bobik`, используй свой путь.
## 4. Распаковать архив во временную папку
```bash
rm -rf /tmp/meeting-assistant-update
mkdir -p /tmp/meeting-assistant-update
unzip /tmp/meeting-assistant-code-update-*.zip -d /tmp/meeting-assistant-update
```
## 5. Синхронизировать код поверх проекта
```bash
rsync -avh --delete \
--exclude='.env' \
--exclude='.git/' \
--exclude='data/' \
--exclude='backend/.venv/' \
--exclude='frontend/node_modules/' \
--exclude='frontend/dist/' \
--exclude='*.log' \
/tmp/meeting-assistant-update/ \
/opt/ai_agent_bobik/
```
Важно: слэш в конце `/tmp/meeting-assistant-update/` означает “скопировать содержимое папки”.
## 6. Проверить, что серверные настройки остались
```bash
test -f /opt/ai_agent_bobik/.env && echo ".env на месте"
ls -la /opt/ai_agent_bobik/data
```
## 7. Применить миграции и пересобрать только сервисы приложения
```bash
cd /opt/ai_agent_bobik
docker compose -f infrastructure/docker-compose.yml run --rm migrator
docker compose -f infrastructure/docker-compose.yml up -d --build backend frontend worker recording-cleanup
```
Если n8n, Ollama/Gemma, Whisper-модели и FFmpeg уже установлены отдельно, их не переустанавливай. Для n8n на другой машине достаточно, чтобы в серверном `.env` был правильный `N8N_WEBHOOK_URL`.
## 8. Проверить после обновления
```bash
curl http://localhost:8000/health
curl http://localhost:8000/health/db
docker compose -f infrastructure/docker-compose.yml ps
```
## 9. Если нужно откатиться
```bash
sudo systemctl stop docker
sudo rm -rf /opt/ai_agent_bobik
sudo cp -a /opt/ai_agent_bobik.backup.YYYYMMDD-HHMMSS /opt/ai_agent_bobik
sudo systemctl start docker
cd /opt/ai_agent_bobik
docker compose -f infrastructure/docker-compose.yml up -d
```
Подставь фактическое имя backup-папки.
+56
View File
@@ -0,0 +1,56 @@
.PHONY: help backend-test backend-lint backend-format-check backend-typecheck backend-alembic-heads backend-seed frontend-lint frontend-format-check frontend-build check
help:
@echo "meeting-assistant"
@echo "Stage 0 scaffold is in progress."
@echo ""
@echo "Backend:"
@echo " cd backend && .venv\\Scripts\\uvicorn app.main:app --reload"
@echo " make backend-test"
@echo " make backend-lint"
@echo " make backend-format-check"
@echo " make backend-typecheck"
@echo " make backend-alembic-heads"
@echo " make backend-seed"
@echo ""
@echo "Frontend:"
@echo " cd frontend && npm install"
@echo " cd frontend && npm run dev"
@echo " make frontend-build"
@echo " make frontend-lint"
@echo " make frontend-format-check"
@echo ""
@echo "All checks:"
@echo " make check"
@echo ""
@echo "Docker:"
@echo " docker compose -f infrastructure/docker-compose.yml up --build"
backend-test:
cd backend && .venv\Scripts\python.exe -m pytest
backend-lint:
cd backend && .venv\Scripts\python.exe -m ruff check .
backend-format-check:
cd backend && .venv\Scripts\python.exe -m ruff format --check .
backend-typecheck:
cd backend && .venv\Scripts\python.exe -m mypy
backend-alembic-heads:
cd backend && .venv\Scripts\python.exe -m alembic heads
backend-seed:
cd backend && .venv\Scripts\python.exe -m app.seed
frontend-lint:
cd frontend && npm run lint
frontend-format-check:
cd frontend && npm run format:check
frontend-build:
cd frontend && npm run build
check: backend-lint backend-format-check backend-typecheck backend-test backend-alembic-heads frontend-lint frontend-format-check frontend-build
+256
View File
@@ -0,0 +1,256 @@
# meeting-assistant
Локальная система записи, транскрибации и рассылки итогов встреч.
Текущий этап: **Этап 3. Авторизация организатора и защищённое создание встречи**.
## Планируемый стек
- Backend: FastAPI, SQLAlchemy 2, Alembic, PostgreSQL, Redis, RQ
- Frontend: React, TypeScript, Vite
- Встречи и запись: Jitsi Meet, Jibri
- Локальный AI: faster-whisper/MLX Whisper, Ollama/Gemma
- Рассылка: n8n/SMTP
## Структура
```text
backend/
frontend/
infrastructure/
data/
recordings/
audio/
transcripts/
reports/
docs/
```
## PostgreSQL
PostgreSQL теперь является частью проекта. При Docker-развёртывании сервис `postgres` создаёт пустую базу, `migrator` применяет Alembic-миграции, затем `seeder` добавляет начальные справочники до запуска backend.
Backend берёт подключение из `DATABASE_URL`:
```env
DATABASE_URL=postgresql+psycopg://meeting:password@postgres:5432/meeting_assistant
```
Схема создаётся первой миграцией `backend/alembic/versions/20260714_0001_initial_schema.py` и включает таблицы из ТЗ:
- `departments`
- `department_recipients`
- `meeting_types`
- `meetings`
- `meeting_recipients`
- `processing_events`
- `users`
Начальные данные добавляются модулем `backend/app/seed.py`:
- отделы: `ksb`, `sales`, `marketing`, `ved`, `trade-operations`
- служебный тип встречи: `default`
- получатели отделов: `ksb@osk-group.ru`, `rop@osk-group.ru`, `marketing3@osk-group.ru`,
`Ved2@osk-group.ru`, `Assistved2@osk-group.ru`, `bai@osk-group.ru`
## Backend
Backend пока содержит минимальное FastAPI-приложение с endpoint:
```text
GET /health
GET /health/db
POST /api/auth/login
GET /api/auth/me
GET /api/departments
GET /api/departments/{id}/recipients
GET /api/meeting-types
POST /api/meetings
GET /api/meetings/{id}
GET /api/meetings/{id}/status
POST /api/meetings/{id}/recording/request-start
POST /api/meetings/{id}/recording/confirmed
POST /api/meetings/{id}/recording/stopped
GET /api/meetings/{id}/preview
PUT /api/meetings/{id}/preview
POST /api/meetings/{id}/send
POST /api/internal/recordings/finalized
POST /api/internal/email-delivery
```
Пример создания встречи:
```json
{
"department_id": 1,
"meeting_type_id": 1,
"title": "КСБ",
"organizer_email": "organizer@example.local"
}
```
`POST /api/meetings` создаёт уникальный `room_name` и сохраняет снимок активных получателей отдела в `meeting_recipients`.
`GET /api/meetings/{id}` возвращает карточку встречи со статусом, room name и сохранёнными получателями.
`GET /api/meetings/{id}/status` возвращает компактный статус обработки: `status`, `progress`, ошибки и пути к артефактам.
Recording endpoints фиксируют контур серверной записи: `created -> recording_starting -> recording -> recording_finalizing`.
Internal endpoint для Jibri переводит встречу в `recorded` и сохраняет путь к файлу записи:
```bash
curl -X POST http://localhost:8000/api/internal/recordings/finalized \
-H "Content-Type: application/json" \
-H "X-Internal-Token: change-me" \
-d "{\"meeting_id\":\"<uuid>\",\"recording_path\":\"/data/recordings/example.mp4\"}"
```
Готовый пример Jibri finalize-скрипта находится в `infrastructure/jibri/finalize.sh`. Его нужно подключить на стороне Jibri вместе с переменными `BACKEND_INTERNAL_URL`, `PROCESSING_TOKEN` и `RECORDING_PATH`. `MEETING_ID` можно передать явно, но для реального Jibri-callback достаточно `ROOM_NAME`, metadata записи или пути записи, из которого скрипт выведет `room_name`. Backend принимает только пути внутри `RECORDINGS_ROOT`.
Processing worker после статуса `recorded` извлекает через FFmpeg mono PCM WAV 16 kHz, запускает настроенный Whisper engine и сохраняет два артефакта:
- `transcript_path` - `transcript.txt` с полным текстом;
- `transcript_json_path` - `transcript.json` со структурой `{ "full_text": "...", "segments": [{ "start": 0.0, "end": 1.5, "text": "..." }] }`.
Исходный файл Jibri используется только как временный источник аудиодорожки. В письма и n8n payload путь к видео не передаётся; рассылка содержит протокол и, если разрешено получателю, стенограмму. Отдельный cleanup-процесс удаляет исходные видео старше `RECORDING_VIDEO_RETENTION_DAYS` дней, по умолчанию 30, и очищает `meetings.recording_path`. В Docker Compose это сервис `recording-cleanup`; вручную его можно запустить так:
```bash
cd backend
.venv\Scripts\python -m app.recording_cleanup
```
Для Mac Studio основной режим - `mlx-whisper` на Apple Silicon; `faster-whisper` остаётся fallback для CPU/Linux/NVIDIA. FFmpeg нужно ставить там же, рядом с RQ worker-ом. Инструкция: `infrastructure/worker-mac/README.md`.
Ollama/Gemma поднимается сервисом `ollama` внутри Docker Compose без публикации порта наружу. Worker обращается к нему по внутреннему адресу `http://ollama:11434`. После первого запуска нужно загрузить модель:
```bash
cd infrastructure
docker compose exec ollama ollama pull gemma3:12b
```
Модель выбирается через `OLLAMA_MODEL`, максимальный размер части стенограммы для chunking - через `OLLAMA_CHUNK_MAX_CHARS`.
Если Gemma/Ollama нужно вынести на Mac Studio, готовый full deploy находится в `infrastructure/ollama-mac`. Там есть launchd-сервис, загрузка модели, health-check и инструкция, как связать Mac Ollama с processing worker.
Рассылка выполняется через n8n, а не через локальный SMTP-скрипт. По умолчанию `AUTO_SEND_EMAILS=true`, поэтому после подготовки протокола встреча с `auto_send=true` автоматически переводится в `sending` и отправляет `POST` на `N8N_WEBHOOK_URL` с заголовками `X-N8N-Webhook-Secret` и `X-Idempotency-Key`. Payload содержит раздельные группы `to`/`cc`/`bcc` и массив `deliveries`; в каждой delivery уже лежат только те материалы, которые разрешены конкретному получателю. n8n после фактической доставки должен вызвать `POST /api/internal/email-delivery` с тем же `X-N8N-Webhook-Secret`, чтобы backend обновил `meeting_recipients.delivery_status` и перевёл встречу в `completed` или `failed`. Endpoint `POST /api/meetings/{id}/send` остаётся для ручного повторного запуска/административных сценариев.
`POST /api/meetings` требует Bearer token. Email организатора берётся из авторизованного пользователя, а не из формы.
Начальный пользователь создаётся seed-скриптом из переменных:
```env
INITIAL_ADMIN_EMAIL=admin@example.local
INITIAL_ADMIN_PASSWORD=change-me-admin
INITIAL_ADMIN_NAME=Администратор
```
Локальный запуск после установки зависимостей:
```bash
cd backend
python -m venv .venv
.venv\Scripts\pip install -r requirements-dev.txt
.venv\Scripts\uvicorn app.main:app --reload
```
Проверка:
```bash
cd backend
.venv\Scripts\python -m ruff check .
.venv\Scripts\python -m ruff format --check .
.venv\Scripts\python -m mypy
.venv\Scripts\pytest
```
Docker-запуск PostgreSQL + миграции + backend + frontend + Redis:
```bash
copy .env.example .env
docker compose -f infrastructure/docker-compose.yml up --build
```
Проверка:
```bash
curl http://localhost:8000/health
curl http://localhost:8000/health/db
```
`GET /health/db` выполняет короткий `SELECT 1`. Если PostgreSQL недоступна, endpoint вернёт `503`.
Alembic находится в `backend/alembic`. Конфигурация берёт URL из `DATABASE_URL` через `backend/alembic/env.py`.
Создание новой ревизии, когда модели уже описаны:
```bash
cd backend
.venv\Scripts\python -m alembic revision --autogenerate -m "describe change"
```
Ручное применение миграций:
```bash
cd backend
.venv\Scripts\python -m alembic upgrade head
```
Ручное заполнение начальных справочников:
```bash
cd backend
.venv\Scripts\python -m app.seed
```
## Frontend
Frontend содержит React + TypeScript + Vite экран подготовки встречи. Он читает справочники из backend:
- вход организатора: `POST /api/auth/login`
- отделы: `GET /api/departments`
- получатели выбранного отдела: `GET /api/departments/{id}/recipients`
- типы встреч: `GET /api/meeting-types`
- создание встречи: `POST /api/meetings`
После создания встречи frontend показывает `room_name` и ссылку на корпоративный Jitsi из `VITE_JITSI_BASE_URL`. Авторизация в Jitsi остаётся на стороне корпоративной Jitsi-инфраструктуры.
Локальный запуск после установки зависимостей:
```bash
cd frontend
npm install
npm run dev
```
Проверка сборки:
```bash
cd frontend
npm run lint
npm run format:check
npm run build
```
## Единая проверка этапа
Если доступен `make`:
```bash
make check
```
Те же проверки вручную:
```bash
cd backend
.venv\Scripts\python -m ruff check .
.venv\Scripts\python -m ruff format --check .
.venv\Scripts\python -m mypy
.venv\Scripts\python -m pytest
cd ..\frontend
npm run lint
npm run format:check
npm run build
```
## Правило разработки
Работа идёт строго по этапам. Следующий этап не начинается, пока текущий не запускается, не проверен и не соответствует критериям приёмки.