openspec/specs/tabular-recognition-service/spec.md

@@ -0,0 +1,105 @@
+# tabular-recognition-service Specification
+
+## Purpose
+Stateless-сервис разбора табличных файлов (XLS/XLSX/XLSB): принимает задания из NATS без JetStream, подтверждает их,
+читает исходник из S3, отдаёт результат в S3 и конверт в NATS по контракту v1.0, не имея доступа к БД и фронта.
+В Срезе 0 разбор заменён заглушкой.
+
+## Requirements
+
+### Requirement: Сервис не зависит от БД и фронта
+Репозиторий MUST NOT содержать каталоги `web/`, `alembic/`, `src/db/`, `src/models/`, `src/repositories/`; зависимости
+`SQLAlchemy`, `asyncpg`, `alembic`, `smbprotocol`, `raisa_fastapi_protected_api` MUST NOT присутствовать в
+`requirements.txt`; настройки `OPENBAO.DATABASE` и `OPENBAO.SMB` MUST NOT требоваться для старта.
+
+#### Scenario: Старт с минимальным окружением
+- **WHEN** сервис запускается с `.env`, содержащим только `OPENBAO__MINIO__*`, `OPENBAO__NATS__NATS_URL`, `DEBUG=true`
+- **THEN** `GET /healthcheck` отвечает 200 с полями `uptime`, `version`, `nats`
+
+### Requirement: Подтверждение запроса до обработки
+Сервис SHALL быть подписан на `recognition.tabular.request` в queue group `tabular-parser`. Получив запрос, проходящий
+`recognition-request.schema.json`, сервис SHALL до чтения файла из S3 опубликовать в `recognition.result` конверт
+`status = processing` с `job_id`, `file_id`, `service {name: "tabular-parser", version}` и заголовком
+`Nats-Msg-Id = ack:<job_id>:<attempt>`. Повторный запрос с `job_id`, который уже обрабатывается или обработан этим
+процессом, SHALL получить повторный ack и MUST NOT обрабатываться второй раз.
+
+#### Scenario: Ack раньше результата
+- **WHEN** опубликован запрос из `docs/contracts/examples/request-tabular.json`
+- **THEN** первым сообщением сервиса в `recognition.result` является конверт `processing`, и только затем — результат
+
+#### Scenario: Повторный запрос во время обработки
+- **WHEN** тот же запрос доставлен второй раз, пока первый обрабатывается
+- **THEN** публикуется второй ack `processing`, файл из S3 повторно не читается, результат публикуется один раз
+
+### Requirement: Результат по контракту
+После подтверждения сервис SHALL прочитать объект `s3.key` из бакета `s3.bucket`, вызвать парсер, записать файл результата
+(по `recognition-result.schema.json`) в `results/{file_id}/{job_id}/result.json` и опубликовать конверт результата (по
+`recognition-result-message.schema.json`) с заголовком `Nats-Msg-Id = result:<job_id>:<attempt>`. При неудаче публикации
+сервис SHALL повторить её до трёх раз с паузой, затем залогировать ошибку.
+
+#### Scenario: Запрос с заглушкой парсера (Срез 0)
+- **WHEN** запрос подтверждён и объект существует в `uploads/`
+- **THEN** в `recognition.result` появляется конверт `status = error`, `error.code = NOT_IMPLEMENTED`, `job_id`/`file_id`
+  из запроса, `metrics.duration_ms ≥ 0`; файл результата может отсутствовать
+
+#### Scenario: Повтор публикации
+- **WHEN** первая публикация конверта результата завершается ошибкой соединения, вторая — успешно
+- **THEN** конверт опубликован один раз с тем же `Nats-Msg-Id`, обработка не повторяется
+
+### Requirement: Ошибки транспорта превращаются в результат
+Сервис SHALL отвечать конвертом `status = error` в случаях: тело не проходит схему или `MAJOR` версии ≠ 1 →
+`SCHEMA_MISMATCH`; объект S3 не читается → `FILE_READ_ERROR`; исключение парсера → `UNKNOWN_ERROR` (сообщение без
+трассировки). Сервис MUST NOT падать по этим причинам. `SCHEMA_MISMATCH` SHALL публиковаться (без ack), когда из тела
+читаемы `job_id` и `file_id` (uuid), а `attempt` — из тела или из заголовка запроса `Nats-Msg-Id = <job_id>:<attempt>`,
+и этот `job_id` сервису ещё не известен (не в работе и не среди обработанных). Иначе валидный конверт собрать нельзя
+либо он ушёл бы под тем же `Nats-Msg-Id`, что и настоящий результат: сервис SHALL записать в лог ошибку
+(`error_category=schema_mismatch`, причина) — уровнем error, если идентификаторы не читаемы, уровнем warning, если
+`job_id` уже известен, — и MUST NOT публиковать ни ack, ни результат; ядро обнаружит такое задание по `dlq`/`timeout`
+(явная запись в контракт — открытый вопрос «невалидный запрос без читаемых `job_id`/`file_id`/`attempt`» в
+`open-questions-proposal.md`). FILE_READ_ERROR и UNKNOWN_ERROR публикуются всегда: сервис MUST NOT молчать по ним.
+
+#### Scenario: Нет объекта в S3
+- **WHEN** `s3.key` запроса указывает на несуществующий объект
+- **THEN** публикуется конверт `error.code = FILE_READ_ERROR`, процесс продолжает работу
+
+#### Scenario: Несовместимая версия
+- **WHEN** запрос содержит `schema_version = "2.0"`
+- **THEN** публикуется конверт `error.code = SCHEMA_MISMATCH`, ack не публикуется
+
+#### Scenario: Невалидный запрос без читаемых идентификаторов
+- **WHEN** тело запроса не JSON либо в нём не читаются `job_id` или `file_id`, либо `attempt` нет ни в теле, ни в
+  заголовке `Nats-Msg-Id`
+- **THEN** в лог пишется ошибка `error_category=schema_mismatch`, ни ack, ни результат не публикуются, процесс
+  продолжает работу
+
+#### Scenario: Невалидный запрос с уже известным `job_id`
+- **WHEN** запрос не проходит схему, а его `job_id` уже в работе или среди обработанных
+- **THEN** в лог пишется предупреждение `error_category=schema_mismatch`, ни ack, ни результат не публикуются;
+  обработка или результат задания с этим `job_id` не меняются
+
+### Requirement: Парсер — заменяемый интерфейс
+Разбор файла SHALL выполняться через единый интерфейс «байты + тип файла → документы/метрики/ошибка», не знающий о
+NATS и S3; воркер MUST NOT зависеть от конкретной реализации. В Срезе 0 реализация SHALL возвращать `NOT_IMPLEMENTED`
+для всех типов; каталог `api/rules/` SHALL существовать с README о назначении словарей.
+
+#### Scenario: Подмена реализации в тесте
+- **WHEN** в тесте воркеру передан парсер, возвращающий один `osvDocument`
+- **THEN** файл результата с этим документом записан в S3, конверт имеет `status = done` и `result_s3` на этот файл
+
+### Requirement: Копия контракта идентична источнику
+`api/contracts/*.schema.json` SHALL быть байт в байт равны файлам `../docs/contracts/`; pydantic-модели SHALL валидировать
+все `../docs/contracts/examples/*.json` и порождать JSON, проходящий схему. Проверка входит в `make check`.
+
+#### Scenario: `make check`
+- **WHEN** выполняются тесты контракта при доступном `../docs` (или `ARM_KA_DOCS`)
+- **THEN** идентичность подтверждена, примеры валидны; при недоступном docs тест идентичности пропущен с предупреждением
+
+### Requirement: Соединение с NATS по правилам шаблона, без JetStream
+При пустых `NATS_SEED`/`NATS_JWT` сервис SHALL подключаться без учётных данных, иначе — с nkeys/JWT. Сервис MUST NOT
+требовать stream'ов или consumer'ов JetStream; при разрыве соединения SHALL переподключаться автоматически и восстанавливать
+подписку; `/healthcheck` SHALL отражать состояние (`nats = ok | down`; `off` — NATS выключен флагом
+`NATS_ENABLED=false`).
+
+#### Scenario: NATS перезапущен
+- **WHEN** контейнер NATS перезапущен во время работы сервиса
+- **THEN** в течение 20 с после старта NATS подписка восстановлена, `nats = ok`, новый запрос обрабатывается