Добавил черновики накладных и OCR через Яндекс. LLM для расшифровки универсальный

ocr-service/system-prompt.md

@@ -1,87 +1,48 @@
-Вот подробный системный промпт (System Definition), который описывает архитектуру, логику и контракт работы твоего OCR-сервиса.
-
-Сохрани этот текст как **`SYSTEM_PROMPT.md`** или в документацию проекта (Confluence/Wiki). К нему стоит обращаться при разработке API-клиентов, тестировании или доработке логики.
-
----
-
-# System Definition: RMSER OCR Service
+# System Definition: RMSER OCR Service (v2.0)
 
 ## 1. Роль и Назначение
-**RMSER OCR Service** — это специализированный микросервис на базе FastAPI, предназначенный для извлечения структурированных данных (товарных позиций) из изображений кассовых чеков РФ.
+**RMSER OCR Service** — микросервис для интеллектуального извлечения товарных позиций из финансовых документов (чеки, счета, накладные).
+Использует гибридный подход: QR-коды, Computer Vision и LLM (Large Language Models).
 
-Сервис реализует **Гибридную Стратегию Распознавания**, отдавая приоритет получению верифицированных данных через ФНС, и используя оптическое распознавание (OCR) только как запасной вариант (fallback).
+## 2. Логика Обработки (Pipeline)
 
-## 2. Логика Обработки (Workflow)
+### Этап А: Поиск QR-кода (Gold Standard)
+1.  Поиск QR-кода (`pyzbar`).
+2.  Валидация фискальных признаков (`t=`, `s=`, `fn=`).
+3.  Запрос к API ФНС (`proverkacheka.com`).
+4.  **Результат:** `source: "qr_api"`. 100% точность.
 
-При получении `POST /recognize` с изображением, сервис выполняет действия в строгой последовательности:
+### Этап Б: Yandex Cloud AI (Silver Standard)
+*Запускается, если QR не найден.*
+1.  **OCR:** Отправка изображения в Yandex Vision OCR. Получение сырого текста.
+2.  **Primary Parsing:** Попытка извлечь данные регулярными выражениями.
+3.  **Semantic Parsing (LLM):** Если Regex не нашел позиций, текст отправляется в **YandexGPT**.
+    *   Модель структурирует разрозненный текст в JSON.
+    *   Исправляет опечатки, связывает количество и цену, разбросанные по документу.
+4.  **Результат:** `source: "yandex_vision"`. Высокая точность для любой верстки.
 
-### Этап А: Поиск QR-кода (Priority 1)
-1.  **Детекция:** Сервис сканирует изображение на наличие QR-кода (библиотека `pyzbar`).
-2.  **Декодирование:** Извлекает сырую строку чека (формат: `t=YYYYMMDD...&s=SUM...&fn=...`).
-3.  **Запрос к API:** Отправляет сырые данные в API `proverkacheka.com` (или аналог).
-4.  **Результат:**
-    *   Если API возвращает успех: Возвращает идеальный список товаров.
-    *   **Метаданные ответа:** `source: "qr_api"`.
+### Этап В: Локальный OCR (Bronze Fallback)
+*Запускается при недоступности облака.*
+1.  Препроцессинг (OpenCV: Binarization, Deskew).
+2.  OCR (Tesseract).
+3.  Парсинг (Regex).
+4.  **Результат:** `source: "tesseract_ocr"`. Базовая точность.
 
-### Этап Б: Оптическое Распознавание (Fallback Strategy)
-*Запускается только если QR-код не найден или API вернул ошибку.*
+## 3. Контракт API
 
-1.  **Препроцессинг (OpenCV):**
-    *   Поиск контуров документа.
-    *   Выравнивание перспективы (Perspective Warp).
-    *   Бинаризация (Adaptive Threshold) для подготовки к Tesseract.
-2.  **OCR (Tesseract):** Извлечение сырого текста (rus+eng).
-3.  **Парсинг (Regex):**
-    *   Поиск строк, содержащих паттерны цен (например, `120.00 * 2 = 240.00`).
-    *   Привязка текстового описания (названия товара) к найденным ценам.
-4.  **Результат:** Возвращает список товаров, найденных эвристическим путем.
-    *   **Метаданные ответа:** `source: "ocr"`.
-
-## 3. Контракт API (Interface)
-
-### Входные данные
-*   **Endpoint:** `POST /recognize`
-*   **Format:** `multipart/form-data`
-*   **Field:** `image` (binary file: jpg, png, heic, etc.)
-
-### Выходные данные (JSON)
-Сервис всегда возвращает объект `RecognitionResult`:
+**POST /recognize** (`multipart/form-data`)
 
+**Response (JSON):**
 ```json
 {
-  "source": "qr_api",  // или "ocr"
+  "source": "yandex_vision",
   "items": [
     {
-      "raw_name": "Молоко Домик в Деревне 3.2%",  // Название товара
-      "amount": 2.0,                              // Количество
-      "price": 89.99,                             // Цена за единицу
-      "sum": 179.98                               // Общая сумма позиции
-    },
-    {
-      "raw_name": "Пакет-майка",
-      "amount": 1.0,
-      "price": 5.00,
-      "sum": 5.00
+      "raw_name": "Маракуйя - пюре, 250 гр",
+      "amount": 5.0,
+      "price": 282.00,
+      "sum": 1410.00
     }
   ],
-  "raw_text": "..." // Сырой текст (для отладки) или содержимое QR
-}
-```
-
-## 4. Технический Стек и Зависимости
-*   **Runtime:** Python 3.10+
-*   **Web Framework:** FastAPI + Uvicorn
-*   **Computer Vision:** OpenCV (`cv2`) — обработка изображений.
-*   **OCR Engine:** Tesseract OCR 5 (`pytesseract`) — движок распознавания текста.
-*   **QR Decoding:** `pyzbar` + `libzbar0`.
-*   **External API:** `proverkacheka.com` (требует валидный токен).
-
-## 5. Ограничения и Известные Проблемы
-1.  **Качество OCR:** В режиме `ocr` точность зависит от качества фото (освещение, помятость). Возможны ошибки в символах `3/8`, `1/7`, `З/3`.
-2.  **Зависимость от API:** Для работы режима `qr_api` необходим доступ в интернет и оплаченный токен провайдера.
-3.  **Скорость:** Режим `qr_api` работает быстрее (0.5-1.5 сек). Режим `ocr` может занимать 2-4 сек в зависимости от разрешения фото.
-
-## 6. Инструкции для Интеграции
-При встраивании сервиса в общую систему (например, Telegram-бот или Backend приложения):
-1.  Всегда проверяйте поле `source`. Если `source == "ocr"`, помечайте данные для пользователя как "Требующие проверки" (Draft). Если `source == "qr_api"`, данные можно считать верифицированными.
-2.  Если массив `items` пустой, значит сервис не смог распознать чек (ни QR, ни текст не прочитался). Предложите пользователю переснять фото.
+  "raw_text": "..." 
+}