Как проверить остаток к оплате по частичным платежам из AI-выписки

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

Счёт 200.00, подтверждённые оплаты 70.00 и 50.00, заявленный AI-остаток 80.00; вариант 0.00 ошибочен. После двух оплат 70.00 и 50.00 остаётся 80.00; AI-ответ 0.00 не проходит. 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. Перед расчётом сверяйте связь каждого платежа со счётом по первичным реквизитам и статус проведения. Скопируйте код, запустите корректный и ошибочный вариант. Не включайте незавершённый перевод в подтверждённые платежи. Протоколируйте только безопасные ID и факт расхождения, не печатайте банковские реквизиты в CI. Если ожидаемый остаток отрицательный, направьте запись на сверку вместо автоматического обнуления.
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 decimal import Decimal
def remaining(total,payments,claimed):
    total=Decimal(total)
    pays=[Decimal(x) for x in payments]
    expected=total-sum(pays,Decimal('0'))
    if not all(x.is_finite() and x>=0 for x in [total,*pays]):
        raise ValueError('amount')
    if expected<0: raise ValueError('overpayment needs review')
    return expected==Decimal(claimed),expected
assert remaining('200.00',['70.00','50.00'],'80.00')==(True,Decimal('80.00'))
assert remaining('200.00',['70.00','50.00'],'0.00')[0] is False
print('remaining:',remaining('200.00',['70.00','50.00'],'80.00'))

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

Это арифметика предварительно подтверждённых платежей, а не банковская выписка и не юридическая справка о задолженности. 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 принять ошибочный ответ нейросети о полностью оплаченном счёте, когда платежи покрыли лишь часть итога. Для самостоятельной проверки сначала выпишите три наблюдаемых состояния: допустимый вход, намеренно недопустимый вход и видимый сигнал отказа. В данной фикстуре это выглядит так: Счёт 200.00, подтверждённые оплаты 70.00 и 50.00, заявленный AI-остаток 80.00; вариант 0.00 ошибочен. При успешном тесте ожидается: После двух оплат 70.00 и 50.00 остаётся 80.00; AI-ответ 0.00 не проходит. Не превращайте это в числовой KPI: здесь проверяется контракт на конкретных примерах, а не поведение модели на пользовательском трафике.

Это арифметика предварительно подтверждённых платежей, а не банковская выписка и не юридическая справка о задолженности. 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.