Content
# pi-1c-agent
Профиль [Pi](https://github.com/badlogic/pi-mono) для разработки на **1С:Предприятие**.
Профиль — это правила, команды, скиллы и runtime-пакет, которые учат агента работать с 1С: различать расширение и основную конфигурацию, запрашивать метаданные через MCP вместо выдумывания имён реквизитов, защищать проект от случайных записей в режиме вопросов.
## Что это даёт
**Три режима работы.** ASK — задаёте вопросы, агент читает код и вызывает MCP, но не пишет ни одного файла. PLAN — исследует задачу, выбирает целевой контейнер (расширение или конфигурация), готовит план с файлами и рисками. BUILD — реализует. Переключение: `/mode ask|plan|build` или `Ctrl+Alt+P`. Новая сессия стартует в ASK.
**Инициализация проекта.** `/init` — мастер: пустой каркас или выгрузка из ИБ / `.cf` / `.dt`. Создаёт каталоги (`src/cf`, `src/cfe`, `build/`), `.dev.env` с переменными платформы (пароли остаются только в нём), подключает слой знаний конфигурации `.pi/1c`. Если рядом лежат другие 1С-проекты — подхватит из них PREFIX, DEVELOPER, PLATFORM_PATH. `/init knowledge` сажает только дерево знаний в существующий репозиторий.
**MCP по желанию.** По умолчанию `mcp.json` пустой. Подключение — `/installtools` или отдельные установщики (`/installmcp`, `/install-memory-mcp`). Фрагменты лежат в `mcp.optional/`.
**Vanessa, Конвертация данных, Humanizer — как опции.** Vanessa Automation (сценарные тесты через MCP), КД 2 / КД 3 (правила конвертации через MCP Toolkit по HTTP), Humanizer RU (редактура русского текста) — бета-скиллы в отдельных каталогах. `/init` спрашивает про них; молчание = нет. Они не часть `comol/ai_rules_1c`.
## Память агента
Память opt-in: по умолчанию выключена, MCP-серверов в `mcp.json` нет. Подключается `/install-memory-mcp` или руками через `mcp.optional/memory-stack/`.
```mermaid
flowchart TB
subgraph SESSION ["BUILD-сессия"]
work["Агент работает:<br/>пишет код, принимает решения"]
idle{"Сессия завершается<br/>или idle-таймер"}
end
subgraph GATE ["Проверки на входе"]
anon{"anon ≥ 1?"}
mode{"Режим ASK<br/>или PLAN?"}
end
subgraph DISTILL ["Дистилляция сессии"]
entries["Записи сессии:<br/>tool calls, файлы,<br/>решения, ошибки"]
distiller{"Дистиллятор"}
heuristic["Эвристика:<br/>парсит файлы, решения,<br/>незакрытые вопросы"]
llm["LLM-дистиллятор:<br/>ollama / routerai / chat"]
substantial{"Есть дurable-<br/>артефакты?"}
end
subgraph WRITE ["Парная запись"]
redact["redact.mjs<br/>секреты → REDACTED"]
secret_check{"Остались<br/>незачищенные<br/>секреты?"}
idemp["Идемпотентность:<br/>task + agent + date<br/>+ content_hash"]
dup{"Дубликат?"}
fact_write["remember → Cognee<br/>короткий факт"]
report_write["remember → OpenViking<br/>развёрнутый отчёт"]
verify{"Read-back<br/>подтверждён?"}
end
subgraph PENDING ["Pending-очередь"]
queue["state/agent-memory/<br/>pending/*.md"]
reconcile["Reconciliation<br/>при старте сессии"]
done["state/agent-memory/<br/>done/*.md"]
end
subgraph MCP ["MCP-серверы"]
cognee[("Cognee<br/>:8001<br/>факты, решения")]
viking[("OpenViking<br/>:1933<br/>отчёты, документы")]
end
work --> idle
idle --> anon
anon -- "да" --> skip1["⏹ Memory: skipped — anonymous"]
anon -- "нет" --> mode
mode -- "да" --> skip2["⏹ read-only, нечего сохранять"]
mode -- "нет" --> entries
entries --> distiller
distiller -- "stack / off" --> heuristic
distiller -- "ollama / routerai / chat" --> llm
heuristic --> substantial
llm -- "ошибка" --> heuristic
llm --> substantial
substantial -- "нет" --> skip3["⏹ nothing durable to save"]
substantial -- "да" --> redact
redact --> secret_check
secret_check -- "да" --> block["⏹ запись заблокирована"]
secret_check -- "нет" --> idemp
idemp --> dup
dup -- "да" --> skip4["⏹ duplicate"]
dup -- "нет" --> fact_write & report_write
fact_write --> cognee
report_write --> viking
cognee --> verify
viking --> verify
verify -- "да" --> recorded["✅ recorded<br/>correlation_id связывает пару"]
verify -- "нет" --> queue
reconcile -- "retry" --> fact_write & report_write
reconcile -- "confirmed" --> done
queue -.-> reconcile
style cognee fill:#4a9eff,stroke:#2d7cd4,color:#fff
style viking fill:#ff8c42,stroke:#d4712d,color:#fff
style skip1 fill:#888,stroke:#666,color:#fff
style skip2 fill:#888,stroke:#666,color:#fff
style skip3 fill:#888,stroke:#666,color:#fff
style skip4 fill:#888,stroke:#666,color:#fff
style block fill:#e74c3c,stroke:#c0392b,color:#fff
style recorded fill:#27ae60,stroke:#1e8449,color:#fff
style queue fill:#f39c12,stroke:#d68910,color:#fff
style done fill:#27ae60,stroke:#1e8449,color:#fff
```
Два бэкенда:
| Бэкенд | Что хранит | Примеры |
|---|---|---|
| **Cognee** (`memory`, порт 8001) | Короткие факты, решения, предпочтения, уроки из ошибок | «в проекте X расширение МОЁ_ — целевой контейнер», «на этой базе остатки — РегистрНакопления.ТоварыНаСкладах» |
| **OpenViking** (`knowledge`, порт 1933) | Развёрнутые отчёты, хендоффы между сессиями, документация, процедуры | Полный отчёт о рефакторинге обмена, протокол настройки КД 3.1, дизайн-ноут по архитектуре расширения |
**Парная запись.** После существенной работы (создал файлы, принял архитектурное решение, исправил дефект) агент пишет пару: короткий факт в Cognee + развёрнутый отчёт в OpenViking. Оба связаны `correlation_id`. Дубликаты не создаются — идемпотентность по `task + agent + date + content_hash`.
**Редакция секретов.** Перед любой записью текст проходит через `redact.mjs`: токены, пароли, API-ключи, приватные ключи, Authorization-заголовки, credentialed DSN заменяются на `[REDACTED:<kind>]`. Если после редакции остался незачищенный секрет — запись блокируется.
**Pending-очередь.** Если MCP-сервер недоступен или запись не подтвердилась при read-back — запись не теряется. Она попадает в `state/agent-memory/pending/` как markdown с YAML-метаданными (idempotency_key, target, correlation_id, status). При следующем старте сессии агент запускает reconciliation: перебирает pending-записи, пробует дослать в MCP, подтверждённые перемещает в `state/agent-memory/done/`.
**Session capture.** В конце BUILD-сессии агент собирает дайджест: какие файлы менялись, какие решения приняты, что осталось незакрытым. Дайджест строится эвристикой по записям сессии или через LLM-дистиллятор (настраивается `/capture-model stack|ollama <model>|chat|off`). Результат — та же парная запись fact + report.
**Анонимный режим.** `/anon 1` — не писать в память. `/anon 2` — не писать и не читать. `/anon 3` — плюс не создавать хендоффы. Для работы с чужим кодом, демонстраций, конфиденциальных задач.
**Approval.** `/approve safe` — агент спрашивает подтверждение перед записью файлов, деструктивным bash, MCP-мутациями в BUILD. `/approve strict` — на каждый tool call. `/approve off` — без подтверждений (по умолчанию).
## Примеры
**Начать проект:**
```
/mode build
/init
```
Мастер спросит: пустой каркас или выгрузка? Платформа, префикс, Vanessa / КД? Соберёт `.dev.env`, создаст каталоги, опционально выгрузит конфигурацию из ИБ.
**Разобраться в чужом коде:**
```
/mode ask
```
Спрашиваете — агент читает исходники, вызывает MCP за метаданными, объясняет. Файлы не меняет.
**Спланировать доработку:**
```
/mode plan
```
Исследует задачу, определяет целевой контейнер по правилам из `rules-1c/`, пишет план с файлами и рисками. Готов — предлагает перейти в BUILD.
**Проверить установку:**
```
/doctor
```
Проверяет пути, пакеты, `settings.json`, MCP. `/doctor-explain` — развёрнутый разбор.
**Обновить:**
```
/update-profile
/update-pi-cli
```
Первая — обновляет клон с `origin`, секреты и MCP не затирает. Вторая — обновляет оболочку Pi в npm-префиксе.
## Что появляется в проекте 1С
Профиль живёт отдельно (`PI_CODING_AGENT_DIR`). В проект 1С он не копируется — `/init` создаёт только данные проекта:
```
my-erp-project/
├── .dev.env # переменные платформы, ИБ, пароли (только локально, в .gitignore)
├── USER-RULES.md # ваши правила проекта — приоритет выше, чем у агента
├── src/
│ ├── cf/ # выгрузка основной конфигурации
│ ├── cfe/ # расширения
│ ├── epf/ # внешние обработки
│ └── erf/ # внешние отчёты
├── build/
│ ├── cf/ # собранная .cf для переноса
│ ├── cfe/ # собранные .cfe
│ ├── epf/ # собранные .epf
│ └── erf/ # собранные .erf
└── .pi/
└── 1c/
├── project.yaml # имя конфигурации, версия, выбранные опции (без секретов)
├── init-state.json # состояние инициализации
├── configuration.json # привязка к конфигурации
├── knowledge/
│ ├── fingerprint.json # отпечаток исходников — для отслеживания изменений
│ └── items/*.json # факты о конфигурации: «в ЕРП 2.5 остатки — РегистрНакопления.ТоварыНаСкладах»
├── knowledge-drafts/ # черновики: /learn создаёт сюда, активация — отдельная команда
└── rules/
├── configuration/ # правила конфигурации: «расширение не должно подписываться на событие ПриЗаписи»
└── project/ # правила проекта: «все новые объекты — в расширение МОЁ_»
```
**Слой знаний** — это не промпт и не текст для модели. Это структурированные JSON-записи с полями `kind`, `scope`, `topic`, `statement`, `confidence`, `evidence`. Агент запрашивает из них только релевантные по задаче/объекту/подсистеме, а не грузит всё в контекст.
**Приоритет:** правила проекта (`USER-RULES.md`, `.pi/1c/rules/project/`) → правила конфигурации → верифицированные факты о конфигурации → базовые `ai_rules_1c`. Выше — сильнее.
**Целевой контейнер.** Перед любой правкой агент проверяет `.dev.env` (`NEW_OBJECTS_IN`, `EXTENSION_NAME`) и правила проекта, чтобы понять: писать в основную конфигурацию или в расширение. Новое расширение — только по явной просьбе, никогда неявно.
**Безопасность.** `/learn` создаёт черновик в `knowledge-drafts/`. Активация — отдельная команда `/config apply` в BUILD. Модель не может втихую добавить себе правило.
## Работа со знаниями и правилами
Знания проекта — не статичный конфиг. Их можно пополнять, анализировать, обновлять при смене версии конфигурации.
### Добавление знаний
**Через `/learn`.** Вы говорите агенту факт или правило:
```
/learn в ЕРП 2.5 остатки товаров лежат в РегистрНакопления.ТоварыНаСкладах
```
Агент классифицирует (fact / rule / preference / assumption), определяет scope (configuration / project), ищет evidence в исходниках и создаёт **черновик** в `.pi/1c/knowledge-drafts/`. Ничего не активируется. `/learn` без аргумента открывает меню: создать факт, одобрить черновик или отклонить.
**Через `/rule add`.** Прямое добавление правила:
```
/rule add project :: extensions :: все новые объекты создаём в расширении МОЁ_
```
Тоже черновик. Тоже требует одобрения.
**Активация.** Только в BUILD:
```
/learn approve
```
Открывает список pending-черновиков, выбираете — он становится активным. Или по id: `/learn approve <id>`. Отклонение: `/learn reject`.
### Анализ конфигурации
`/config analyze` — PLAN-only. Агент читает исходники, метаданные, общие модули и предлагает набор фактов и правил:
```
/mode plan
/config analyze архитектура, подсистемы, обмены
```
Результат — черновик с десятком-другим предложений (facts + rules), каждое с evidence. Активация — в BUILD через `/config apply`.
### Обновление при смене версии
Конфигурация обновилась с ЕРП 2.5.25 на 2.5.28? `/config update` сравнивает fingerprint исходников, находит изменённые пути и предлагает:
- **invalidate** — факты, чьи evidence пересекаются с изменёнными файлами;
- **update** — уточнённые формулировки;
- **add** — новые факты о появившихся механизмах.
```
/mode plan
/config update 2.5.28
```
Черновик → ревью → `/config apply` в BUILD. Fingerprint обновляется только после одобрения.
### Аудит и конфликты
```
/rule audit # общий аудит: stale items, counts
/rule conflicts # конфликты между слоями (проект vs конфигурация)
/rule list # все активные правила
/rule list project # только проектные
/rule show <id> # детали конкретного правила/факта
/rule disable <id> # деактивировать (BUILD)
```
### Как агент использует знания
Перед каждой нетривиальной задачей агент вызывает `knowledge_1c` с запросом по теме. Например, задача «добавить печатную форму в документ Реализация» → запрос по topic=печатные формы, object=Реализация. Возвращаются только релевантные записи, ранжированные по приоритету. Если знаний нет — агент опирается на базовые `ai_rules_1c` и исходники, а не выдумывает правила.
## Установка
Работает на Windows, Linux и macOS. Каталог — там, куда клонируете.
1. Клонируйте и задайте переменную:
```bash
git clone https://github.com/z03ps00/pi-1c-agent.git ~/pi-1c-agent
export PI_CODING_AGENT_DIR=~/pi-1c-agent
```
2. Первый запуск (прописывает пакет в `settings.json`, копирует примеры `auth.json` / `trust.json`):
```bash
node "$PI_CODING_AGENT_DIR/scripts/setup.mjs"
```
Windows: `node "%PI_CODING_AGENT_DIR%\scripts\setup.mjs"`. Повторный запуск безопасен.
3. По желанию — провайдер Cursor SDK и отрисовка инструментов:
```bash
PI_CODING_AGENT_DIR=<clone> pi install npm:pi-cursor-sdk
PI_CODING_AGENT_DIR=<clone> pi install npm:pi-tool-display
```
4. MCP: `/installtools`. Память: `/install-memory-mcp`.
5. Проверка: `/doctor`.
6. Обновление: `/update-profile` (профиль), `/update-pi-cli` (оболочка Pi).
Секреты — только локально: `auth.json`, `trust.json`. Пароли ИБ — в `.dev.env` проекта, не здесь.
Подробности: [`AGENTS.md`](AGENTS.md). OAuth MCP: [`MCP-OAUTH.md`](MCP-OAUTH.md).
## Что внутри
| Путь | Что делает |
|---|---|
| `AGENTS.md` | Главные правила агента: режимы, MCP, Docker, память |
| `rules-1c/` | Адаптированные правила 1С (upstream `comol/ai_rules_1c` + оверлей) |
| `agents/`, `skills/`, `prompts/` | Субагенты, скиллы, шаблоны команд |
| `packages/pi-1c-agent/` | Runtime: `/init`, `/doctor`, `/mode`, `/anon`, `/wrap`, `/session-rotate` |
| `scripts/` | Установка, обновление, проверка перед публикацией |
| `mcp.json`, `mcp.optional/` | Пустой дефолт + фрагменты для подключения серверов |
| `state/agent-memory/` | Pending-очередь и история подтверждённых записей |
## Лицензия и благодарности
Оригинальная работа — [MIT](LICENSE).
Сторонний материал оставлен в дереве и не перелицензируется. Спасибо авторам:
- [comol/ai_rules_1c](https://github.com/comol/ai_rules_1c) — правила 1С (условия — в README upstream);
- [Desko77/cursor-1c-skills](https://github.com/Desko77/cursor-1c-skills) — MIT, основа lab extras;
- [comol/Humanizer_RU](https://github.com/comol/Humanizer_RU) — MIT;
- Vanessa Automation (Pr-Mex), neurofish `client_mcp.cfe`, ROCTUP `MCP_Toolkit.epf` — сторонние продукты, на которые опираются extras.
Полная граница лицензий: [`NOTICE`](NOTICE).
Connection Info
You Might Also Like
No recommendations available