TODO.md

Roadmap

• Если форматтер запихнет Image в center tag, то html.markdown не определит Image как тэг img и оставит его как в markdown

• Для анализаторов данных нужны более строгие правила извлечения данных:

  • Не брать в расчет изображения внутри документов (или делать extract?)
  • Определять тип файла по первым битам, а не по расширениям (относится к последнему условию на проверку текстового типа по его расширению)

• Сохранение state в базу данных

  • прописать логику возобнавление прогресса с той точки, на которой остановился прогресс генерации документа:
    • добавить в state report_parts, formatter_messages
  • data block registry - восстановление с файла json

• Кэширование запросов

  • Создать cache файл в tmp и сохранять его эмебинг и сверять потом с каждым сохраненным, пока не найдется подходящий (или использовать хеши для точного сравнения)
  • если на вход doc_analyz поступает документ, который был ранее - возвращает ответ, который был сгенерирован ранее

• RateLimiter сделать общим для всех tasks

• Изображения вставляются неверно - Обтекания нет и Привязка к символу должна быть (https://docs-python.ru/packages/modul-python-docx-python/rabota-risunkami/)

Будущие функции проекта:

• Анализ изображений документов пользователя

Идеи:

• А что если форматтеру дать возможность напрямую работать с docx? Написать инструменты для создания параграфов, вставки oxml и других приблуд. Так мы избавимся от массы проблем с неверной конвертацией markdown в html, а так же лишним слоем алгоритма (сейчас: formatter -> markdown -> html -> docx, а надо: formatter -> docx)