Мета: Развернуть инфраструктуру для проекта (Python/FastAPI + JS) и автоматизировать процесс ревью кода с помощью LLM (AI-агентов) с фокусом на безопасность и Multi-tenancy.
1. Этап: Infrastructure Setup (The Core)
• Version Control: Настроить приватный репозиторий в GitHub. Настроить правила защиты веток (Branch protection), чтобы код не попадал в main без проверки.
• Environment Management: Вынести все чувствительные данные (API keys, DB credentials, Proxy settings) в GitHub Secrets и .env файлы. Zero hardcoded secrets policy.
• Documentation Hub: Развернуть Notion (или Linear) как центральный таск-менеджер и базу знаний.
2. Этап: AI-Pipeline Automation (The Synergy)
Необходимо реализовать автоматическую цепочку (через GitHub Actions):
1. Trigger: Разработчик создает Pull Request или делает push.
2. Action: Система извлекает дифференциацию кода (diff) и отправляет ее через API к LLM (Claude 3.5 Opus / GPT-4o).
3. AI Analysis (Security & Architecture):
• Аудит на утечку серверных IP/доменов в фронтенд-коде.
• Проверка логики маскирования заголовков (Fingerprinting spoofing).
• Контроль наличия tenant_id во всех новых моделях БД и Redis-запросах.
4. Reporting: Результат ревью автоматически публикуется в Notion и как комментарий к Pull Request в GitHub.
3. Этап: Security & Risk Management
• Least Privilege Access: Настроить доступы так, чтобы AI-оператор не имел доступа к "живым" базам данных пользователей.
• Isolation: Настроить Staging (тестовый) и Production серверы. Автоматический деплой на Production возможен только после статуса APPROVED от AI-агента и мануального апрува владельца.
• Audit Log: Все действия с кодом и доступы к серверам должны логироваться.
