chore: seed repo — README, .gitignore, synthetic price fixtures (6 форматов)
Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
This commit is contained in:
@@ -0,0 +1,20 @@
|
||||
# Fixtures — синтетические прайсы клиник
|
||||
|
||||
Сгенерированы скриптом `scripts/gen_fixtures.py` (seed=42, детерминированно) для отладки pipeline **до** выдачи реальных данных от организатора. Намеренно разнородные и «грязные».
|
||||
|
||||
## `raw/` — входные прайсы (6 форматов)
|
||||
|
||||
| Файл | Формат | Особенности (что тестирует) |
|
||||
|---|---|---|
|
||||
| `clinic_alpha_clean.xlsx` | Excel | Чистая таблица — быстрый путь pandas, без LLM |
|
||||
| `clinic_beta_dirty.xlsx` | Excel | Секции-заголовки, «от 12000», KZ-названия, лишние колонки |
|
||||
| `clinic_gamma.csv` | CSV (`;`) | Смешанные RU/KZ, единицы измерения |
|
||||
| `clinic_delta_messy.txt` | Текст | Прайс абзацем, разные разделители и валюты (тг/тенге/₸/KZT) |
|
||||
| `clinic_epsilon_scan.png` | Картинка | Имитация фото/скана (наклон) → путь LLM-vision / OCR |
|
||||
| `clinic_zeta_prices.pdf` | PDF | Текстовый PDF, RU/EN заголовок |
|
||||
|
||||
Одни и те же услуги названы по-разному между файлами (ОАК / Общий анализ крови / Қанның жалпы анализі) — это материал для канонизации и дедупликации.
|
||||
|
||||
## TODO (Фаза 0 хакатона)
|
||||
- `normalized/*.json` — эталонные нормализованные записи (для TDD ETL)
|
||||
- `api/*.json` — эталонные ответы API (для MSW-моков фронта)
|
||||
Reference in New Issue
Block a user