MOffice

ADR Ф8-2: Assist-lite — помощник в Write и Sheets (выпуск 1.4 Pro)

Статус: предложено, 15.10.2026 (сессия проектирования 1.x, ветка claude/design-f6-f8-2d6dbf). Берётся в работу после беты 0.9; по плану 15.10 фаза 8 — 5.04–30.07.2027, бюджет Assist 30–45 сд. Основание: план plan/report-20261015/ (фаза 8, аудит 05 задача 8, макет mocks/11-write-assist.html в ветке claude/upload-latest-project-version-c3c4be), ADR сетевого слоя S1, решение № 40, политика лицензий («Модели ИИ: лицензия весов проверяется отдельно; CC-BY-NC — запрещены»). Не юридическое заключение: раздел о 152-ФЗ — инженерная записка для юриста (ворота G7).

Задача

Панель «Помощник» (макет 11): к выделенному — «Сделать официальнее», «Сократить», «Проверить на пропущенные реквизиты», «Сводка документа», свой запрос; в Sheets — «Объяснить формулу», «Предложить формулу для столбца».

Обязательные свойства (критерии плана):

  1. Ничего не уходит наружу без согласия — проверяется тестом перехвата трафика.
  2. Ответ — предложение правкой (diff: красное зачёркнуто, зелёное новое), «Принять / Принять частично / Отклонить»; принятие — одна транзакция meridian-edit, отменяется одним Ctrl+Z.
  3. Журнал отправок в документе: время, модель, объём, SHA-256 — без текста запроса и ответа.
  4. Работает без интернета с локальной моделью; внешний провайдер — только по явному выбору пользователя и если не запрещён политикой администратора.
  5. Без лицензии Pro панель видна с объяснением, а не спрятана.

Где выполняется модель: три уровня

Уровень Что Когда по умолчанию
1. На этом компьютере малая модель (1,7–4 млрд параметров, 4 бита) в процессе-исполнителе MOffice по умолчанию у частных лиц и малых команд без сервера
2. Сервер организации любой сервер с API, совместимым с OpenAI (/v1/chat/completions): Ollama, llama.cpp llama-server, vLLM — на GX10 или у заказчика; адрес раздаёт администратор политикой по умолчанию, если политика организации указывает сервер (макет: «Локальная (сервер организации)»)
3. Внешний провайдер YandexGPT (Yandex Cloud), GigaChat (Сбер) никогда по умолчанию; только явный выбор + окно согласия + не запрещено политикой

«Локальная» в интерфейсе = уровни 1 и 2: данные не покидают компьютер или сеть организации. Зарубежные провайдеры (OpenAI, Anthropic, Google) в 1.4 не предлагаются: трансграничная передача по 152-ФЗ требует уведомления РКН и оценки страны, корпоративные заказчики это запретят; вернуться можно по спросу пилота.

Замеры (спайк spikes/llm-bench, 15.10.2026)

Стенд: Apple M5 Max (18 ядер), Ollama 0.40.3, задача «Сделать официальнее» из макета 11 (абзац 620 символов, промпт 239 токенов, ответ ≈ 180 токенов), температура 0, think: false. Режим cpu4 — только CPU, 4 потока: грубая модель «ноутбук без дискретной видеокарты» (на M5 ядра быстрее, чем у офисного x86-ноутбука; на эталонных ПК R1–R3 нужно перемерить — их пока нет).

Модель (лицензия) Файл, Q4_K_M Режим Чтение промпта, ток/с Генерация, ток/с Ответ целиком, с Качество ответа (на глаз)
Qwen3 1.7B (Apache-2.0) 1,4 ГБ GPU (Metal) 1 277 147 3,1 (с загрузкой 1,6) слабое: оставил «добрый день», ошибки согласования («Первая партия … мы планируем привезти»)
Qwen3 1.7B 1,4 ГБ CPU, 4 потока 135 27 10,5 то же
Qwen3 1.7B 1,4 ГБ CPU, 8 потоков 126 12 20,0 то же (8 потоков на M5 хуже 4 — эффективные ядра)
Qwen3 4B (Apache-2.0) 2,5 ГБ см. ниже

Выводы для оценки: модель 1,7B на CPU даёт ответ на абзац за ≈ 10 с — терпимо с потоковым выводом в панели; качество деловой русской правки у 1,7B недостаточно — минимальный класс для уровня 1 — ≈ 4B, а лучший результат — уровень 2 (27–35B на сервере организации, на GX10 уже работают такие модели). Память: 4B Q4 — ≈ 3 ГБ ОЗУ при контексте 4K; на ноутбуке с 8 ГБ это предел — уровень 1 включается, только если свободно ≥ 4 ГБ.

Исполнитель локальной модели (уровень 1)

Вариант Как Лицензия Размер программы Скорость За Против
А. Свой исполнитель на Rust для одного семейства (рекомендую) чтение GGUF, токенизатор BPE, декодер Qwen3 (RMSNorm, RoPE, GQA, SwiGLU), квантованные умножения Q4_K/Q8_0 с NEON и AVX2, кэш KV, сэмплинг; отдельный процесс moffice-assist-worker; сверка логитов с llama.cpp в тестах наш код +1–2 МБ цель — ≥ 70 % скорости llama.cpp на CPU соответствует № 40; один процесс-песочница без сети; детерминированный ответ при температуре 0 16–22 сд; GPU (Metal/Vulkan) — не в 1.4
Б. llama.cpp llama-server как отдельный компонент скачиваемый по запросу модуль, общение по HTTP на 127.0.0.1 MIT (класс 1) 5–15 МБ на платформу эталон (замер выше), Metal/CUDA/Vulkan быстро (3–5 сд обвязки), GPU сразу нарушает № 40 (нужно исключение владельца); сборка и подпись чужого C++ на 3 ОС × 2 арх.; обновления безопасности — чужие
В. ONNX Runtime MS, C++ MIT 15–30 МБ хорошая на CPU, DirectML на Windows зрелый нарушает № 40; модели надо конвертировать; самый большой размер
Г. Только уровень 2 и 3 (без модели на компьютере) MOffice — только клиент HTTP — 0 зависит от сервера ноль чужого кода, минимум работы «работает без интернета» — только в сети организации; частному пользователю без сервера локальной модели нет

Решение: в 1.4 — Г + А по этапам. Сначала клиент уровней 2 и 3 (вся панель, согласие, diff, журнал, политика — это и есть основная ценность и большая часть работы), затем свой исполнитель А для CPU с одной моделью (Qwen3 4B Q4_K_M или её преемник того же семейства под Apache-2.0). Если А не успевает к 1.4, Assist-lite выходит с уровнями 2–3, а уровень 1 — в 1.4.1. Вариант Б — только по исключению владельца из № 40.

Модель не входит в установщик: «Скачать локальную модель (2,5 ГБ)» в настройках Assist, загрузка через meridian-net с подписанным манифестом (как обновления: Ed25519 + SHA-256 файла), хранение в …/MOffice/models/.

Лицензии весов: Qwen3 — Apache-2.0 (класс 1, допустимо). Не берём: Llama (собственная лицензия с ограничениями), Gemma (Gemma Terms of Use), YandexGPT-5-Lite (собственная лицензия Яндекса с ограничениями коммерческого использования — проверить юристу), любые CC-BY-NC. GigaChat-открытые веса (MIT, если подтвердится для нужной версии) — кандидат на русскоязычную модель уровня 2.

Поток данных и защита

Write/Sheets (ui) ──▶ meridian-assist (ядро): действие → промпт по шаблону → политика → согласие? → адаптер
                         │                                                        ├─ Local  → moffice-assist-worker (без сети)
                         │                                                        ├─ OrgServer → meridian-net (HTTPS, адрес из политики)
                         │                                                        └─ Yandex / GigaChat → meridian-net
                         ◀── ответ ── diff по предложениям/словам ── предложение правкой ── Принять = 1 транзакция
                         └─ журнал: {время, уровень, модель, символов, SHA-256 запроса} в части документа `assist-log`

152-ФЗ (инженерная записка для юриста)

Риски

Риск Что делаем
Качество малой модели на деловом русском недостаточно уровень 2 как основной для организаций; для уровня 1 — модель ≈ 4B и выше; набор из 50 эталонных задач (рус.) с оценкой человеком, порог принятия — ≥ 70 % ответов «можно принять без правки или с мелкой»
Свой исполнитель медленнее llama.cpp NEON/AVX2-ядра с первого дня; потоковый вывод; цель ≥ 70 % скорости llama.cpp; иначе — уровень 1 в 1.4.1
Ноутбуки с 8 ГБ ОЗУ проверка свободной памяти; уровень 1 недоступен с понятным объяснением; предложить уровень 2
API провайдеров меняются, требуют договоров адаптеры тонкие (по 1–2 сд); договоры с Yandex Cloud/Сбером — у организации-клиента, не у MOffice
Утечка через журналы/отчёты о сбоях запрет текста запросов в любых журналах — тест поиска строки в файлах профиля
Юридическая квалификация (152-ФЗ) юрист до выпуска 1.4; без заключения уровень 3 выходит выключенным по умолчанию для всех

Оценка и задачи

Итого 34–46 сд (бюджет плана 30–45), из них уровень 1 (свой исполнитель) — 16–22.

№ Задача Сд Владелец файлов Готово, когда
A1 meridian-assist: действия и шаблоны промптов (рус./англ.), политика, согласие, журнал assist-log в документе (docx — своя часть пакета, mwx) 4–5 новая модельные тесты: без согласия запрос не строится; журнал переживает сохранение docx/mwx
A2 Адаптеры: сервер организации (OpenAI-совместимый, потоковый SSE), YandexGPT, GigaChat; ключи в meridian-keyring; нужен Transport::send из ADR Ф8-1 (C1) 3–4 новая против Ollama на GX10 и тестовых аккаунтов провайдеров; отмена запроса
A3 Панель «Помощник» в Write, окно согласия, вкладка «Журнал», состояние Pro 4–5 S3 (ui/meridian-write) + S2 (компоненты) сценарии макета 11 на macOS и Linux
A4 Предложение правкой: diff по предложениям/словам на странице, «Принять / частично / Отклонить», одна транзакция 3–4 S3 (meridian-edit, вёрстка) принятие отменяется одним Ctrl+Z; частичное — по предложениям
A5 Sheets: «Объяснить формулу», «Предложить формулу» (ответ проверяется разборщиком meridian-calc до показа) 2–3 S4 30 формул-образцов: объяснение по-русски; предложенная формула всегда синтаксически верна
A6 Тест перехвата трафика, тест «нет текста в журналах», квитанция ворот 2 S5 квитанция assist-lite-*.json
A7 Свой исполнитель (уровень 1): GGUF, токенизатор, декодер Qwen3, Q4_K/Q8_0 NEON+AVX2, KV-кэш, процесс без сети, сверка логитов с llama.cpp 16–22 новая логиты совпадают с llama.cpp (косинус ≥ 0,999) на 20 промптах; ≥ 70 % скорости llama.cpp на CPU; ответ на абзац ≤ 15 с на эталонном ноутбуке
A8 Загрузка модели по подписанному манифесту, проверка памяти, настройки 1–2 новая + S1 (манифест) модель скачивается, проверяется SHA-256, удаляется из настроек

Порядок: A1 → A2 → (A3 ‖ A4 ‖ A5) → A6; A7 и A8 — отдельной сессией параллельно с A1–A5.

Решения владельца

  1. Провайдеры уровня 3 в 1.4: YandexGPT и GigaChat (рекомендую оба); зарубежные — не предлагать.
  2. Политика по умолчанию: «только локальная» в корпоративной редакции (рекомендую), в Home — локальная + внешние с согласием.
  3. Уровень 1 (модель на компьютере): свой исполнитель (вариант А, 16–22 сд, рекомендую) или исключение из № 40 для llama-server (вариант Б, 3–5 сд).
  4. Модель по умолчанию для уровня 1: Qwen3 4B (Apache-2.0) — подтвердить лицензию весов как допустимую.
  5. Юрист: окно согласия, EULA об ИИ, политика ПДн (связано с G7).
  6. Assist — только Pro (как в плане) или ограниченно в Free (например, 10 запросов в день к локальной модели).