AI-ассистент продуктового менеджера

Заказчику требовался MVP AI-агента, способного заменить часть работы продуктового менеджера: принимать продуктовые задачи (анализ идеи, стратегия, roadmap, гипотезы, Lean Canvas) в чат-интерфейсе, обрабатывать их с помощью LLM без блокировки веб-запроса и по явному запросу выгружать результат в виде готового файла. Ключевое требование ТЗ — все модули изолированы в отдельных контейнерах, а обработка LLM обязана быть асинхронной.

Full-stack MVP как Bun-монорепозиторий (packages/core, backend, worker, отдельно frontend), полностью контейнеризированный через Docker Compose (7 сервисов). Backend (Hono на Bun) не выполняет никакой AI-логики — он валидирует запрос и кладёт задачу в очередь Redis (BullMQ). Всю тяжёлую работу выполняет отдельный сервис ai-agent-worker, горизонтально масштабируемый независимо от backend.

• Схема данных на Drizzle ORM из 7 таблиц: users, chats, messages, agent_tasks, artifacts, documents, document_chunks
• Асинхронный конвейер: создание сообщения → AgentTask со статусом created→queued → постановка в очередь Redis
• AI Agent Worker: обработчики chat-message, artifact, rag-ingestion, роутинг по типу задачи через BullMQ
• RAG-пайплайн: извлечение текста из txt/md/docx/pdf, чанкинг с overlap и резкой по границе предложения, батч-эмбеддинг по 64 чанка
• Абстракция поиска SearchProvider с реализацией на Qdrant и заглушкой для внешнего поискового сервиса
• Генератор файлов: собственный конвертер Markdown → DOCX на базе библиотеки docx
• Определение намерения экспорта: regex-детекция формата и типа артефакта прямо в тексте сообщения пользователя
• Промпты как файлы, а не хардкод: base_system_prompt, strategic_analysis_prompt, document_preparation_prompt с точными шаблонами Lean Canvas и roadmap
• S3/MinIO слой с раздельными internal/public endpoint для presigned URL
• Идемпотентные raw-SQL миграции, выполняющиеся автоматически при старте backend и worker
• E2E smoke-тест, покрывающий весь пользовательский путь от логина до генерации файла

• Полностью асинхронный пайплайн без ожидания LLM в HTTP-запросе — backend только персистит сообщение, вся AI-логика изолирована в масштабируемом воркере
• Pluggable Search Provider — переключение реализации поиска одной переменной окружения, без изменения кода воркера
• Файлы генерируются только по явному запросу пользователя — двумя независимыми путями, сходящимися в общей функции
• Строгий, зафиксированный в коде порядок сборки промпта: база → режим → язык → уточняющие вопросы → RAG-контекст → история
• Централизованная логика ретраев с ограничением попыток и экспоненциальным backoff, единообразная для всех типов задач
• Presigned URL с раздельными S3-эндпоинтами — загрузка идёт через внутренний docker-адрес, ссылки подписываются под публичный
• Чистая переиндексация документов — старые векторы и чанки удаляются перед заливкой новых, без дублирования фрагментов
• Прозрачная трассируемость: каждая фича в коде промаркирована ссылкой на конкретный раздел технического задания