Мета: Розгорнути інфраструктуру для проекту (Python/FastAPI + JS) та автоматизувати процес рев'ю коду за допомогою LLM (AI-агентів) з фокусом на безпеку та Multi-tenancy.
1. Етап: Infrastructure Setup (The Core)
• Version Control: Налаштувати приватний репозиторій у GitHub. Налаштувати правила захисту гілок (Branch protection), щоб код не потрапляв у main без перевірки.
• Environment Management: Винести всі чутливі дані (API keys, DB credentials, Proxy settings) у GitHub Secrets та .env файли. Zero hardcoded secrets policy.
• Documentation Hub: Розгорнути Notion (або Linear) як центральний таск-менеджер та базу знань.
2. Етап: AI-Pipeline Automation (The Synergy)
Необхідно реалізувати автоматичний ланцюжок (через GitHub Actions):
1. Trigger: Розробник створює Pull Request або робить push.
2. Action: Система витягує диференціацію коду (diff) і надсилає її через API до LLM (Claude 3.5 Opus / GPT-4o).
3. AI Analysis (Security & Architecture):
• Аудит на витік серверних IP/доменів у фронтенд-коді.
• Перевірка логіки маскування заголовків (Fingerprinting spoofing).
• Контроль наявності tenant_id у всіх нових моделях БД та Redis-запитах.
4. Reporting: Результат рев'ю автоматично публікується в Notion та як коментар до Pull Request у GitHub.
3. Етап: Security & Risk Management
• Least Privilege Access: Налаштувати доступи так, щоб AI-оператор не мав доступу до "живих" баз даних користувачів.
• Isolation: Налаштувати Staging (тестовий) та Production сервери. Автоматичний деплой на Production можливий тільки після статусу APPROVED від AI-агента та мануального апруву власника.
• Audit Log: Всі дії з кодом та доступи до серверів мають логуватися.
