Как сверить дату обновления AI-статьи в JSON-LD с CMS

Перед запуском запишите, какие данные считаются входом, что является ожидаемым результатом, что именно означает отказ и кому предстоит разбирать расхождение. Для такой проверки храните тестовый вход, ожидаемый результат и фактический исход раздельно: если они смешаны, тест может подтверждать сам себя. Используйте стабильные синтетические ID, чтобы видеть ошибку в журнале, не раскрывая содержимое клиентских обращений.

Сначала прогоните тест на маленьком входе, где правильное поведение известно вручную. Затем внесите одну контролируемую ошибку и убедитесь, что код её замечает. После этого верните корректный набор и только тогда расширяйте проверку до реальных данных. Не переносите демонстрационные численные значения или пороги в производство без отдельного обоснования: они выбраны для наглядности, а не рассчитаны по вашей аудитории.

Вход и ожидаемый результат

CMS: published 2026-09-18T10:00:00+03:00, modified 2026-09-20T12:00:00+03:00; JSON-LD modified ошибочно 2026-09-19. Печатает date conflicts: {'modified'}; дата первоначальной публикации совпадает как абсолютный момент. Перед тем как применять правило к закрытым данным, обсудите пограничные случаи, которые могут поменять интерпретацию входа. Запись в документации о границах теста не менее важна, чем зелёный check.

Пошаговые действия

1. Создайте scripts/check.py в корне репозитория и вставьте код из блока ниже. Он использует названия функций стандартной библиотеки, указанные в официальных ссылках в конце статьи.
2. Выполните python scripts/check.py локально. Не продолжайте, если уже демонстрационная фикстура даёт иной результат: сначала проверьте копирование кода и кодировку файла.
3. Возьмите утверждённые временные метки из CMS и JSON-LD фактически опубликованного HTML. Запустите пример: публикация в разных часовых поясах представляет один момент, а обновление расходится. Исправьте генерацию dateModified из редакторской записи, не подставляя время сборки; затем повторите проверку и сверьте видимую дату для читателя. Если статья обновлялась без изменения текста, разберите влияние изменения метаданных и ссылок согласно редакционной политике. В поиске изменение сниппета не гарантировано.
4. Создайте .github/workflows/ai-corpus-check.yml из YAML-шаблона. Событие pull_request полезно для проверки данных до слияния; чтение репозитория ограничено permissions: contents: read. Скрипт не должен получать ключ внешней модели или реальные секреты.
5. В разделе Actions откройте job check, сопоставьте его код завершения с локальным прогоном и зафиксируйте ссылку на проверенный коммит в PR. Не принимайте зелёный результат на старой ревизии за проверку последнего изменения.

# scripts/check.py
from datetime import datetime,timezone
def instant(value):
    dt=datetime.fromisoformat(value)
    if dt.tzinfo is None: raise ValueError('timezone required')
    return dt.astimezone(timezone.utc)
def compare(cms,article):
    if article.get('@type') not in ('Article','NewsArticle','BlogPosting'): raise ValueError('unexpected type')
    return {name for name,field in [('published','datePublished'),('modified','dateModified')]
            if instant(cms[name])!=instant(article[field])}
cms={'published':'2026-09-18T10:00:00+03:00','modified':'2026-09-20T12:00:00+03:00'}
article={'@type':'Article','datePublished':'2026-09-18T07:00:00+00:00','dateModified':'2026-09-19T09:00:00+00:00'}
assert compare(cms,article)=={'modified'}
print('date conflicts:',compare(cms,article))

name: AI corpus checks
on:
  pull_request:
permissions:
  contents: read
jobs:
  check:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v7
      - uses: actions/setup-python@v7
        with:
          python-version: '3.13'
      - run: python scripts/check.py

Ошибки интерпретации и границы

Шаблон рассматривает один JSON-LD объект; если в документе граф, нужно выбрать правильный Article по @id или URL. Не проверяет достоверность даты CMS. Если вы расширяете набор случаев, добавляйте не только новые примеры, но и отрицательные случаи, на которых тест обязан упасть. Проверяйте, что изменение expected прошло ревью отдельно от изменения кода: иначе можно незаметно изменить правило под текущий ответ системы. Избегайте вывода полного приватного набора в CI и не сохраняйте в артефактах ответ закрытой модели без решения о доступе и хранении.

Ошибка выполнения самого Python, нераспознанный формат входа и обнаруженный бизнес-дефект — разные ситуации. В сообщении теста указывайте тип проблемы и безопасный ID. Если тест требует внешний сервис, вынесите его из PR с недоверенным кодом и явно ограничьте доступ к токенам; этот пример намеренно работает локально. Перед публикацией каких-либо результатов опишите методику, область применения и происхождение примеров, иначе читатель воспримет демонстрационную арифметику как характеристику продукта.

Практический разбор именно этого контроля

Не показывать поиску в структурированных данных одну дату, а на странице и в CMS — другую. Для самостоятельной проверки сначала выпишите три наблюдаемых состояния: допустимый вход, намеренно недопустимый вход и видимый сигнал отказа. В данной фикстуре это выглядит так: CMS: published 2026-09-18T10:00:00+03:00, modified 2026-09-20T12:00:00+03:00; JSON-LD modified ошибочно 2026-09-19. При успешном тесте ожидается: Печатает date conflicts: {'modified'}; дата первоначальной публикации совпадает как абсолютный момент. Не превращайте это в числовой KPI: здесь проверяется контракт на конкретных примерах, а не поведение модели на пользовательском трафике.

Шаблон рассматривает один JSON-LD объект; если в документе граф, нужно выбрать правильный Article по @id или URL. Не проверяет достоверность даты CMS. Подключая проверку к продукту, расположите её до той операции, ради которой она написана: парсинга, сохранения, отображения или экспорта. Для каждого нового формата добавляйте отдельный негативный пример и письменное решение, почему он отклоняется. Отдельно просмотрите обработку ошибок: система должна отличать невалидный ответ AI от сбоя тестовой инфраструктуры, а пользователь не должен видеть сырой стек или приватное содержимое.