Как проверить пустые анкоры внутренних ссылок AI-статьи

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

HTML содержит <a href="/guide"> </a> и <a href="/source">Официальная инструкция</a>; найден только /guide. Печатает empty internal anchors: ['/guide']; осмысленная ссылка не отмечается. 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. Запустите фикстуру с одной пустой и одной осмысленной ссылкой. Потом подайте в парсер HTML статьи после рендера, чтобы поймать ссылки из шаблона и тела. Для каждой найденной ссылки откройте цель, сформулируйте короткий анкор, объясняющий, что там получит читатель, и обновите текст, не изменяя URL вслепую. Если есть ссылки-картинки, добавьте отдельную проверку alt; эта функция их не покрывает. На продакшне проверяйте и корневые, и абсолютные URL вашего домена.
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 html.parser import HTMLParser
class Links(HTMLParser):
    def __init__(self):
        super().__init__(); self.active=None; self.errors=[]
    def handle_starttag(self,tag,attrs):
        if tag=='a':
            values=dict(attrs); self.active=[values.get('href',''),'']
    def handle_data(self,data):
        if self.active is not None: self.active[1]+=data
    def handle_endtag(self,tag):
        if tag=='a' and self.active is not None:
            href,label=self.active
            if href.startswith('/') and not label.strip(): self.errors.append(href)
            self.active=None
def audit(html):
    parser=Links(); parser.feed(html); return parser.errors
sample='<a href="/guide"> </a><a href="/source">Официальная инструкция</a>'
assert audit(sample)==['/guide']
print('empty internal anchors:',audit(sample))

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

Функция не поддерживает вложенные элементы и ссылки с абсолютным внутренним URL; импорт urlsplit в шаблоне резервный и не нужен для текущей фикстуры. 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 оставлять в опубликованном материале внутреннюю ссылку без понятного текста. Для самостоятельной проверки сначала выпишите три наблюдаемых состояния: допустимый вход, намеренно недопустимый вход и видимый сигнал отказа. В данной фикстуре это выглядит так: HTML содержит <a href="/guide"> </a> и <a href="/source">Официальная инструкция</a>; найден только /guide. При успешном тесте ожидается: Печатает empty internal anchors: ['/guide']; осмысленная ссылка не отмечается. Не превращайте это в числовой KPI: здесь проверяется контракт на конкретных примерах, а не поведение модели на пользовательском трафике.

Функция не поддерживает вложенные элементы и ссылки с абсолютным внутренним URL; импорт urlsplit в шаблоне резервный и не нужен для текущей фикстуры. 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.