Как безопасно собрать HTML track с названием субтитров от ИИ

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

AI вернул label Русский "особый" <тест>; контракт должна содержать " и <, сохранив единый атрибут. Вывод содержит label="Русский "особый" <тест>", а путь остаётся /subtitles/ru.vtt. 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. Проверьте структуру данных до HTML-рендера: пустое имя, неизвестная локаль и путь вне каталога должны вызывать отказ. Запустите пример со специально введёнными кавычками и угловыми скобками в label. Сравните результат с HTML-деревом в браузере и убедитесь, что название осталось значением одного атрибута. В шаблонизаторе с автоматическим экранированием не экранируйте второй раз; определите единое ответственное место рендера. Дополнительно проверьте доступность VTT по фактическому src.
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 import escape
ALLOWED={'ru','en'}
def render(label,lang,src):
    if lang not in ALLOWED: raise ValueError('language')
    if not src.startswith('/subtitles/') or not src.endswith('.vtt') or '..' in src: raise ValueError('src')
    if not isinstance(label,str) or not label.strip(): raise ValueError('label')
    return '<track kind="subtitles" src="'+escape(src,quote=True)+'" srclang="'+escape(lang,quote=True)+'" label="'+escape(label,quote=True)+'">'
value=render('Русский "особый" <тест>','ru','/subtitles/ru.vtt')
assert '&quot;особый&quot;' in value and '&lt;тест&gt;' in value
assert value.count('<track')==1
print(value)

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

Ни escape, ни эта простая проверка пути не экранируют содержимое WebVTT и не доказывают существование файла; для сложных URL нужен отдельный валидатор. 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 позволить тексту из AI-метаданных разорвать HTML-атрибут label или src в карточке видео. Для самостоятельной проверки сначала выпишите три наблюдаемых состояния: допустимый вход, намеренно недопустимый вход и видимый сигнал отказа. В данной фикстуре это выглядит так: AI вернул label Русский "особый" <тест>; разметка должна содержать " и <, сохранив единый атрибут. При успешном тесте ожидается: Вывод содержит label="Русский "особый" <тест>", а путь остаётся /subtitles/ru.vtt. Не превращайте это в числовой KPI: здесь проверяется контракт на конкретных примерах, а не поведение модели на пользовательском трафике.

Ни escape, ни эта простая проверка пути не экранируют содержимое WebVTT и не доказывают существование файла; для сложных URL нужен отдельный валидатор. 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.