SFERA также является современной IDE/authoring-средой для 1С: пользователь должен уметь вручную писать код, создавать и менять объекты, формы, команды и отчёты, а AI должен помогать как pair programmer, который видит текущий код, metadata, связи объектов, доступные переменные и правила платформы.

Платформа строит детерминированное semantic core ядро поверх:

1C BSL
XML metadata
CF/CFE
integrations
access topology
UI semantics
scheduled jobs
object dependencies
runtime graph

SFERA проектируется как:

Enterprise AI Operating System
for 1C ecosystems

Core Philosophy

Semantic truth first.
AI later.

AI не является источником истины.

Сначала:

deterministic parsing
semantic graph
metadata topology
impact analysis
dependency resolution
integration discovery
access analysis

И только потом:

AI copilots
AI review
AI reasoning
AI onboarding
AI architecture analysis
AI migration planning

High-Level Architecture

1C BSL/XML/CF/CFE
        ↓
Rust BSL Parser
        ↓
SIR Snapshot
        ↓
Semantic Kernel
        ↓
Neo4j Semantic Graph
        ↓
Incremental Indexing
        ↓
Impact Analysis
        ↓
AI Operating Layer

Main Goals

Semantic Understanding of 1C

SFERA должна понимать:

объекты 1С
формы
команды
реквизиты
табличные части
роли
права доступа
BSL dependencies
integrations
scheduled jobs
runtime topology
object impact
UI semantics

1C IDE and Authoring

SFERA должна давать возможности современной IDE для 1С:

BSL editor: подсветка, диагностика, folding, outline, go to definition, find references, rename, extract method и безопасные refactoring actions.
Semantic autocomplete: продолжение кода с учётом текущей процедуры, параметров, локальных переменных, реквизитов объекта, табличных частей, форм, команд, ролей, интеграций и доступных методов 1С.
AI pair programmer: генерация процедур, функций, запросов, обработчиков команд, движений регистров, проверок заполнения и обработчиков форм.
Object designer: создание и изменение документов, справочников, регистров, общих модулей, реквизитов, табличных частей, команд и форм.
Form/report designer: работа с формами, элементами, командами, обработчиками и отчётами в visual/object-oriented интерфейсе.
Diff/preview/apply: любое AI- или ручное изменение проходит через preview, semantic diff, impact analysis, review и подтверждение.
Context-aware hints: подсказки не просто по словам, а по текущему объекту 1С, доступным данным, связям, query/write context и runtime/knowledge facts.

AI не ограничивается анализом. Он должен уметь писать код и предлагать структурные изменения, но SFERA обязана показывать последствия и держать контроль применения у пользователя.

Enterprise AI Layer

Поверх semantic graph строится AI operating layer:

AI code completion
AI code generation
AI object/form/report generation
AI guarded refactoring
AI code review
AI impact analysis
AI onboarding
AI architecture assistant
AI dependency explorer
AI migration assistant
AI semantic search
AI documentation generation
AI risk analysis
AI integration analysis

AI должен работать поверх semantic truth: перед предложением кода он учитывает текущий BSL-контекст, AST/SIR, metadata object, форму, доступные реквизиты, табличные части, команды, роли, запросы, регистры, интеграции, knowledge records и privacy policy.

1C Knowledge Coverage

GET /projects/{project_id}/knowledge/schema-coverage показывает покрытие knowledge-records для документов, справочников, реквизитов и табличных частей.

GET /projects/{project_id}/review добавляет INFO Missing 1C schema knowledge, если узел схемы 1С не связан ни с одной knowledge-записью.

POST /knowledge/packs импортирует BSP/vendor documentation pack как набор KnowledgeRecord с тегами pack:{pack_id} и vendor:{vendor}. GET /knowledge/packs показывает установленные пакеты знаний.

GET /projects/{project_id}/patterns выполняет детерминированный pattern mining по SIR: повторяющиеся чтения таблиц, записи таблиц и совпадающие read/write формы процедур.

1C Ownership

POST /projects/{project_id}/comments добавляет обсуждение к target_id внутри проекта, а GET /projects/{project_id}/comments/{target_id} возвращает комментарии по конкретному объекту, задаче или lineage.

POST /projects/{project_id}/ownership назначает ответственного на 1С-объект по lineage_id.

GET /projects/{project_id}/objects/ownership/{object_name} возвращает владельцев документа, справочника, регистра, общего модуля и других корневых объектов 1С.

GET /projects/{project_id}/review добавляет INFO Missing 1C object owner для 1С-объектов без назначенного владельца, а GET /projects/{project_id}/report включает ownership_count, unowned_object_count и unowned_objects.

1C Privacy

POST /projects/{project_id}/privacy/markers назначает privacy-классификацию на lineage_id: PUBLIC, INTERNAL, CONFIDENTIAL, PERSONAL_DATA, SECRET.

GET /projects/{project_id}/objects/privacy/{object_name} возвращает privacy-маркеры самого 1С-объекта и его прямых реквизитов/табличных частей/форм.

GET /projects/{project_id}/review добавляет INFO Unclassified sensitive 1C field для реквизитов с чувствительными именами вроде ИНН, паспорт, телефон, email, адрес, если они ещё не классифицированы.

AI Usage Governance

POST /ai/usage записывает факт AI-действия: проект, пользователь, модель, операция, prompt/completion токены и стоимость.

GET /ai/usage/summary агрегирует AI usage по проекту, пользователю, модели и операции. GET /ai/policy показывает текущий token limit и остаток для пользователя.

GET /projects/{project_id}/report включает ai_usage_request_count, ai_usage_total_tokens и ai_usage_cost.

POST /projects/{project_id}/ai/answer-policy проверяет, можно ли отвечать на AI-вопрос по выбранному 1С-контексту: учитывает token budget, knowledge records, privacy markers и запрет external model calls.

Monorepo Structure

sfera-platform/

packages/
    bsl-parser-rs/
    sir/
    semantic-kernel/
    neo4j-projection/
    indexing/
    integrations/
    api/
    ai/

frontend/
    sfera-web/

docs/
    architecture/
    frontend/
    operations/
    ai/
    prompts/

.codex/
.cursor/

Technology Stack

Backend

Python
FastAPI
Rust
Neo4j
PostgreSQL
Pydantic
NetworkX
asyncio
uv

Frontend

Next.js
React
TypeScript
Tailwind CSS
shadcn/ui
TanStack Table
TanStack Query
Zustand
Framer Motion
Recharts / ECharts

AI Layer

OpenAI-compatible APIs
Local LLM support
Multi-model routing
AI policy engine
AI audit system
Context orchestration
Token accounting
Semantic AI routing

Quick Start

Environment

cp .env.example .env
uv sync --all-packages

Run tests

pytest packages/sir/tests

Run Rust parser

cargo run -p bsl-parser -- ../tests/golden/english_module.bsl

Development Philosophy

SFERA строится как:

Deterministic semantic platform first.
AI-enhanced operating system second.

Главный приоритет:

reproducibility
deterministic parsing
semantic correctness
graph consistency
auditability
incremental scalability

Semantic Intermediate Representation (SIR)

Rust parser возвращает deterministic JSON contract:

{
  "procedures": [],
  "calls": [],
  "queries": [],
  "writes": [],
  "diagnostics": []
}

SIR является semantic truth snapshot проекта.

Supported 1C Metadata

Core metadata objects

Catalog
Document
Register
CommonModule
ExchangePlan
ScheduledJob
BusinessProcess
Task
Role
Form
Command
Attribute
TabularSection
Element

Semantic Graph Relations

Main graph relations

CALLS
WRITES
READS
USES_INTEGRATION
HANDLES
CONTAINS
HAS_FORM
HAS_COMMAND
HAS_ATTRIBUTE
HAS_TABULAR_SECTION
HAS_ROLE
HAS_ELEMENT
RUNS
GRANTS_ACCESS

Object Impact Analysis

SFERA умеет строить object-level impact:

реквизиты
табличные части
формы
команды
BSL handlers
registers
integrations
scheduled jobs
roles/access
UI semantics
cross-module dependencies

Incremental Indexing

SFERA поддерживает incremental semantic updates.

Изменение:

.bsl
.xml
metadata object
forms
handlers

перестраивает только affected semantic graph sections.

Neo4j Projection

Semantic graph может быть выгружен в Neo4j:

SIR Snapshot
    ↓
Neo4j Projection
    ↓
Cypher Queries
    ↓
Graph Analytics

Integration Topology

SFERA извлекает integrations из:

HTTPConnection
HTTPСоединение
WSProxy
FTPConnection
COMObject
ExchangePlan
URL strings
external services

Scheduled Jobs

Регламентные задания индексируются как runtime semantic graph:

ScheduledJob
    RUNS
Procedure

Access Model

Для ролей 1С извлекаются:

object permissions
rights
grants
access topology

Graph relation:

Role GRANTS_ACCESS Object

UI Semantics

SFERA анализирует UI layer:

forms
commands
command handlers
form elements
UI actions
BSL bindings

API Examples

Object impact

GET /projects/{project_id}/objects/impact/{object_name}

UI semantics

GET /projects/{project_id}/objects/ui/{object_name}

Integrations

GET /projects/{project_id}/integrations

Scheduled jobs

GET /projects/{project_id}/jobs/scheduled

Access graph

GET /projects/{project_id}/access/roles/{role_name}/objects

Frontend Philosophy

SFERA UI — не обычная CRM.

Интерфейс должен ощущаться как:

Linear
Stripe Dashboard
Notion
Attio
Plane
Enterprise AI Workspace

Frontend Stack

Next.js
React
TypeScript
Tailwind CSS
shadcn/ui
TanStack Table
Framer Motion

Enterprise UI Principles

Main principles

clean enterprise minimalism
dark/light mode
modular workspace
AI-native UX
semantic navigation
adaptive layouts
contextual side panels
command palette
realtime analytics

AI-Assisted Development

Проект проектируется для работы через:

Codex
Cursor
v0
AI code review
AI UI generation
AI semantic assistants

Codex Workflow

В репозитории присутствуют:

.codex/
.cursor/
docs/design-system.md
docs/component-architecture.md
docs/codex-ui-guidelines.md
prompts/

Codex обязан:

соблюдать architecture rules
соблюдать design system
генерировать production-ready TypeScript
использовать reusable components
учитывать AI limits/audit/token usage

Frontend Design System

Frontend design system основан на:

Tailwind CSS
shadcn/ui
Radix UI
Design Tokens
Enterprise Layout Rules

Основной принцип:

Enterprise AI Operating System
instead of legacy CRM UI

AI Operating Layer

Будущие AI возможности:

AI semantic copilots
AI impact prediction
AI migration planning
AI documentation generation
AI integration analysis
AI security review
AI onboarding assistant
AI dependency graph reasoning
AI runtime diagnostics
AI topology explorer

Infrastructure

Docker Engine локально для development stand не обязателен.

Общий infrastructure host:

docker-test
test-docker

Infrastructure documentation:

docs/operations/STAND_RUNBOOK.md

First Demo Target

Процедура Проведение()
    ПроверитьОстатки();
    Движения.ОстаткиТоваров.Записать();
КонецПроцедуры

Expected semantic graph:

Проведение CALLS ПроверитьОстатки
Проведение WRITES РегистрНакопления.ОстаткиТоваров

Long-Term Vision

SFERA — это не просто analyzer.

Цель проекта:

Semantic Operating System
for enterprise 1C ecosystems

Где:

semantic graph
runtime topology
integrations
access model
UI semantics
AI reasoning
enterprise workflows
impact analysis

становятся единой operating platform.

Core Principles

Deterministic.
Semantic.
Incremental.
Observable.
AI-Ready.
Enterprise-Scale.

Future Roadmap

Phase 1

Rust parser
SIR
semantic graph
Neo4j projection
incremental indexing

Phase 2

semantic APIs
integrations topology
access graph
UI semantics

Phase 3

enterprise frontend
AI copilots
semantic search
AI review

Phase 4

distributed indexing
multi-project graph
semantic federation
AI orchestration
autonomous semantic agents

Languages

Python 64.8%

TypeScript 27.7%

PowerShell 2.8%

JavaScript 1.9%

Rust 1.7%

Other 1%

README.md Unescape Escape

SFERA Platform