Как зафиксировать версию AI-корпуса контрольной суммой SHA-256

Перед запуском запишите, какие данные считаются входом, что является ожидаемым результатом, что именно означает отказ и кому предстоит разбирать расхождение. Для AI-оценки важно отдельно хранить вход, ожидаемую метку и фактический результат: 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

Вымышленные записи T-101: urgent и T-102: normal; при смене метки второй записи на urgent контрольные суммы не совпадают. Для двух примеров печатается шестнадцатеричный SHA-256; конкретную строку читатель получит после запуска, мы не приписываем проекту заранее измеренное значение. При замене normal на urgent первый assert подтверждает изменение отпечатка. Перед тем как применять правило к закрытому корпусу, 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. Сохраните файл и выполните его. Скрипт показывает два важных свойства: перестановка объектов с теми же ID не меняет отпечаток, изменение ожидаемой метки меняет его. Затем вычисляйте хеш в том же процессе, который запускает оценку, и добавляйте строку в отчёт. При чтении JSONL сначала разбирайте записи и проверяйте уникальность ID: сортировка с неуникальными идентификаторами не решает проблему дублей. Не сравнивайте хеши от разных алгоритмов сериализации.
4. Создайте .github/workflows/ai-corpus-check.yml из YAML-шаблона. Событие pull_request полезно для проверки корпуса 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
import hashlib, json

def corpus_hash(cases):
    canonical = sorted(cases, key=lambda x: x["id"])
    raw = json.dumps(canonical, sort_keys=True, ensure_ascii=False,
                     separators=(",", ":")).encode("utf-8")
    return hashlib.sha256(raw).hexdigest()

baseline = [{"id":"T-101","expected":"urgent"},
            {"id":"T-102","expected":"normal"}]
changed = [{"id":"T-101","expected":"urgent"},
           {"id":"T-102","expected":"urgent"}]
assert corpus_hash(baseline) != corpus_hash(changed)
assert corpus_hash(baseline) == corpus_hash(list(reversed(baseline)))
print("Corpus fingerprint verified:", corpus_hash(baseline))

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

Контрольная сумма не шифрует корпус и не скрывает содержимое. Если исходные данные конфиденциальны, храните их по отдельным правилам доступа. Хеш не объяснит, какая запись изменилась; сравните дифф исходных файлов. Если вы увеличиваете корпус, 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 корпуса 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, размер и происхождение набора, иначе читатель воспримет демонстрационную арифметику как характеристику продукта.

Чек-лист финальной проверки