AI4S Roadmap Q2 2026

Последнее обновление: 2026-04-10
Доска Miro: https://miro.com/app/board/uXjVGt2YgXA=

Текущий статус (апрель 2026)

DRACO best: claude-opus 50.3/100 (Sprint 2, опубликован 30 мар)
Blocker: Sprint 31 — OPENROUTER_API_KEY (не выдан)

1. Neuler.Platform

Образ будущего: Все модули Neuler работают на проде AI4S-Platform-Mono. Keycloak auth, лимиты по пользователям, сохранение артефактов в MinIO, мониторинг через Prometheus/Grafana. Пользователь логинится → видит sidebar с чатом → все модули доступны.

Текущее состояние (апрель 2026): ✅ dev.ai4s.pro задеплоен (Neuler + DataChat). Maxim Shalar готов собрать релиз-кандидат — ждёт отмашки Даниила. Review: /review/inbox/ai4s_maxim_shalar_release_candidate.md.

Шаги (оставшиеся):
1. ~~Поднять стек локально~~ ✅ dev.ai4s.pro работает
2. Дать ОК Maxim Shalar на сборку Release Candidate
3. Настроить Keycloak: роли, изоляция данных между пользователями (1 нед)
4. Система лимитов: rate limits, квоты по API-вызовам на пользователя (3 дня)
5. Сохранение артефактов: отчёты, графики, CSV → MinIO, привязка к проекту (3 дня)
6. E2E тесты по всем модулям (1 нед)
7. Деплой на прод сервер (3 дня)

Ресурсы: Даниил + команда платформы (pandakononov, maxim-shalar, Albert)
Риски:
- API-ключи для прода (Anthropic, OpenRouter) — бюджет не решён. OPENROUTER_API_KEY нужен для Sprint 31
- 4-GPU сервер (Vlad Trifonov) — ждёт ноут Даниила для root доступа

Срок: Апрель-Май 2026 (RC апрель, прод май)

2. Neuler.Chat

Образ будущего: Пользователь открывает sidebar, задаёт вопрос — получает качественный ответ от LLM. Поддержка стриминга, markdown, формул. Работает через Chat Service монорепо.

Текущее состояние: Chat Service с WebSocket + LLM worker pool есть в коде. Не задеплоен.

Шаги:
1. Выбрать LLM backend для прода: GigaChat / Anthropic / OpenRouter (3 дня)
2. Дотестировать Chat Service: стриминг, markdown, LaTeX рендеринг (1 нед)
3. Sidebar UI: прикрутить к фронту, убедиться что responsive (3 дня)
4. Unit + integration тесты (3 дня)
5. Запуск в составе Neuler.Platform

Ресурсы: Даниил + команда платформы
Риски:
- Качество GigaChat может быть недостаточным → fallback на Anthropic
- Стоимость API при масштабировании

Срок: Апрель 2026 (вместе с Platform)

3. Neuler.DataChat

Образ будущего: Пользователь загружает CSV → задаёт вопросы на естественном языке → получает таблицы, графики, код. Артефакты сохраняются в проекте. Метрики качества измеряются.

Текущее состояние: Standalone MVP работает. DataChatProvider для монорепо написан, Helm ready. Не задеплоен.

Шаги:
1. Интегрировать DataChatProvider в Chat Service (3 дня)
2. Тестирование: загрузка CSV, NL-запросы, графики — чеклист 20 тестовых кейсов (1 нед)
3. Сохранение артефактов: графики и результаты → MinIO → привязка к проекту (2 дня)
4. Метрики качества: % корректных ответов на тестовом наборе, целевой показатель >80% (1 нед)
5. Drag-and-drop UI для CSV (3 дня)
6. E2E тесты (3 дня)

Ресурсы: Даниил
Риски:
- OpenRouter → нужен свой LLM для pandas-ai (стоимость)
- Сложные запросы (multi-table joins) могут ломаться

Срок: Апрель-Май 2026

4. Neuler.DeepResearch

Образ будущего: Пользователь задаёт тему → агент ищет по научным источникам → генерирует цельный литобзор с корректными ссылками, формулами, единым списком References. Качество измеряется по DRACO и FACT. Отчёт сохраняется как артефакт, экспортируется в PDF.

Текущее состояние (апрель 2026): ✅ Задеплоен на dev.ai4s.pro. DRACO best = claude-opus 50.3/100 (опубликован). Данил Шерки разработал PaperVizAgent — агентный фреймворк для научных иллюстраций (смержен в dev). Sprint 31 blocker: OPENROUTER_API_KEY.

Шаги:
1. ~~Merge eval→main~~ ✅ done
2. Выдать OPENROUTER_API_KEY → Sprint 31 unblock (review: /review/inbox/api_key_openrouter_proposal.md)
3. Данил Шерки IAP dataset вопрос — дать ответ по review item
4. Merge PaperVizAgent из dev → main (после ОК Даниила)
5. Фикс форматирования: единый References в конце, рабочий LaTeX (1 нед)
6. Бенчмарк: DRACO >55, FACT >0.8 на тестовом наборе (ongoing)

Ресурсы: Данил Ш. (основной), Даниил
Риски:
- OPENROUTER_API_KEY — главный блокер Sprint 31
- Качество поздних секций отчёта (поверхностные)

Срок: Апрель-Май 2026

5. Neuler.Context

Образ будущего: В sidebar Neuler видит файлы текущего проекта, может отвечать с учётом их содержимого (RAG). В основном чате — навигация по проектам пользователя, ссылки на релевантные проекты/модули.

Текущее состояние: Нет реализации. Нужно проектировать с нуля.

Шаги:
1. Спроектировать RAG pipeline: индексация файлов проекта → embeddings → vector store (1 нед)
2. Выбрать vector store: PostgreSQL pgvector (уже в стеке) vs отдельный (Qdrant/Weaviate) (2 дня)
3. Реализовать индексатор: при загрузке файлов → автоматическое обновление индекса (1 нед)
4. Sidebar: контекстные ответы с цитированием файлов проекта (1 нед)
5. Основной чат: навигация по проектам — поиск, ссылки на релевантные модули (1 нед)
6. Тесты: точность RAG на тестовом наборе вопросов (1 нед)

Ресурсы: Даниил, Данил Ш.
Риски:
- Качество RAG на научных текстах — нужна тонкая настройка chunking
- Скорость индексации больших проектов
- pgvector может быть недостаточен → миграция на другой store

Срок: Май-Июнь 2026

6. Neuler.AutoResearch

Образ будущего: Пользователь задаёт тему исследования → Neuler автономно проводит полный цикл: генерация гипотез → литобзор → дизайн эксперимента → выполнение → написание статьи. Тестируем готовые подходы (Sakana AI Scientist, AISI) и разрабатываем свои.

Текущее состояние: AutoResearchClaw (23-стадийный pipeline) работает в neuler_zero. Не интегрирован в платформу. Качество неизвестно.

Шаги:
1. Провести e2e прогон AutoResearchClaw на реальной задаче, оценить результат (1 нед)
2. Протестировать 3 готовых подхода: Sakana AI Scientist, AISI, один китайский (2 нед)
3. Сравнительный анализ: качество, стоимость, скорость (1 нед)
4. Определить архитектуру собственного решения на основе результатов (1 нед)
5. MVP собственного агента: тема → литобзор → гипотеза → план эксперимента (4 нед)
6. Валидация на AstaBench E2E (2 нед)
7. Интеграция в платформу (2 нед)

Ресурсы: Даниил, Данил Ш., Альберт
Риски:
- Самое сложное и рискованное направление
- Качество генерации может быть недостаточным для реального журнала
- Нужны коллаборации с учёными для валидации
- Огромные затраты на API

Срок: Май-Июнь 2026 (MVP), далее iterative

7. Neuler.MetaReview (ex-Perelman)

Образ будущего: Пользователь задаёт тему → Neuler ищет статьи (через scibase/SDR) → загружает PDF → извлекает метрики → собирает таблицу → визуализация → экспорт Table 1 для статьи. Полный цикл метаобзора.

Текущее состояние: Perelman работает отдельно. Качество extraction 80%+ на NMC811. Протестирован на 3 доменах. Docling PDF→MD. Проблемы: Coulombic efficiency extraction, image normalization, фронт зависит от ЦПИИ (GigaScheme).

Шаги:
1. Фикс Coulombic efficiency extraction логики (3 дня)
2. Фикс image normalization pipeline (1 нед)
3. Интеграция поиска через scibase + SDR вместо отдельного поиска (1 нед)
4. Перенос extraction pipeline в Neuler как модуль (1 нед)
5. Визуализация: автоматические графики по извлечённым данным (1 нед)
6. Экспорт Table 1: формат для LaTeX статьи (3 дня)
7. Свой UI вместо зависимости от GigaScheme/ЦПИИ (2 нед)
8. Тест на 2-м домене (оптимизаторы) — целевое качество >85% (1 нед)
9. E2E тесты (3 дня)

Ресурсы: Данил Ш. (основной), Даниил
Риски:
- Docling пропускает multi-panel figures — нужен fallback
- Разные домены требуют разных extraction промптов
- Зависимость от качества PDF→MD конвертации

Срок: Май-Июнь 2026

8. Scibase

Образ будущего: Развёрнутая база научных статей на VPS. API для всех модулей Neuler (SDR, MetaReview, AutoResearch). Поиск по метаданным + полнотекстовый BM25. Первый загруженный корпус: scihub torrents + OpenAlex metadata.

Текущее состояние: MVP готов (PostgreSQL + MinIO + BM25 + REST API + MCP сервер). Работает локально. Не задеплоен. Торренты — основной способ массовой загрузки (53K статей/день).

Шаги:
1. Деплой scibase-stack на VPS (rabochaya) (3 дня)
2. Запуск загрузки первых scihub торрентов — целевой объём 100K PDF (1 нед)
3. Загрузка OpenAlex snapshot (1.6TB metadata) (1 нед)
4. CrossRef enrichment для метаданных (3 дня)
5. Интеграция API с Neuler.DeepResearch и Neuler.MetaReview (1 нед)
6. Мониторинг: дашборд с количеством статей, статусом загрузки (2 дня)
7. Масштабирование: план на 1M+ статей (дисковое пространство, индексы) (ongoing)

Ресурсы: Альберт (основной), Даниил
Риски:
- Дисковое пространство: 100K PDF ≈ 500GB, полный scihub ≈ 100TB
- Юридические вопросы по paywalled контенту
- Anna’s Archive слишком медленная (50-100/день) → только торренты

Срок: Апрель-Май 2026

9. Научная премия Сбера

Образ будущего: ИИ-агент работает как 4-й эксперт: парсит PDF заявки → оценивает по критериям → выдаёт рекомендации и рейтинг. Протестирован на прошлогодних заявках. Готов к использованию комитетом.

Текущее состояние: v0.1 — базовый парсинг заявок, SQLite evaluation DB. Критерии оценки определены.

Шаги:
1. v0.2: строгие промпты для каждой категории премии (1 нед)
2. Тестирование на прошлогодних заявках — калибровка с оценками реальных экспертов (2 нед)
3. Итерация промптов по результатам калибровки (1 нед)
4. v1.0: финальная версия, UI для экспертов (2 нед)
5. Интеграция с процессом премии, обучение комитета (1 нед)

Ресурсы: Альберт (основной)
Риски:
- Нечёткий definition of done — нужно согласовать с командой премии
- Заявки могут быть в разных форматах PDF

Дедлайн: 20 июня 2026 (жёсткий)

10. Radar (simposiumclaw)

Образ будущего: Развёрнут на VPS, команда получает еженедельные дайджесты новых инструментов/статей по AI4Science. HTMX дашборд для просмотра. Telegram уведомления. Discovery-задачи попадают в Backlog на Miro.

Текущее состояние: MVP готов (Rust, 15MB Docker, 10MB RAM). arXiv, GitHub, HuggingFace, Twitter, OpenReview. Не задеплоен.

Шаги:
1. Деплой на VPS (3 дня)
2. Настроить фильтры по доменам AI4Science (2 дня)
3. Подключить Telegram уведомления для команды (1 день)
4. Настроить Obsidian digest generation (2 дня)
5. Подключить команду: Даниил, Данил Ш., Альберт (1 день)
6. Workflow: находки из Radar → Даниил фильтрует → Backlog в Miro (ongoing)

Ресурсы: Даниил
Риски:
- Rate limits от API источников
- Нужна тонкая настройка ключевых слов чтобы не тонуть в шуме

Срок: Апрель 2026

11. ГОСТ Writer

Образ будущего: Модуль заполнения документации по ГОСТ. Usecase: отчёт по гранту РНФ. На вход — статьи + данные заявки → на выход — заполненный отчёт.

Текущее состояние: ЗАМОРОЖЕН. Нет шаблонов от Марии/Екатерины. Только черновик + PDF памятка.

Шаги:
1. БЛОКЕР: Получить шаблоны от Марии/Екатерины
2. После разблокировки: анализ шаблонов, определение scope (3 дня)
3. MVP: один шаблон (РНФ отчёт) (2 нед)
4. Деплой на gostwriter.ai4s.pro (3 дня)
5. Тест с реальным грантом (1 нед)

Ресурсы: Даниил + нужно усиление людскими ресурсами
Риски:
- Шаблоны могут не прийти → проект не двигается
- Нужны примеры верно заполненных заявок для валидации
- Формат выхода не определён (pdf/word/сайт)

Срок: Зависит от получения шаблонов. При наличии — 3-4 недели до MVP.

Сводная таблица сроков

Зависимости между направлениями

Neuler.Platform ──→ Neuler.Chat
                ──→ Neuler.DataChat
                ──→ Neuler.DeepResearch
                ──→ Neuler.Context
                ──→ Neuler.AutoResearch
                ──→ Neuler.MetaReview

Scibase ──→ Neuler.DeepResearch (источники)
       ──→ Neuler.MetaReview (PDF для extraction)
       ──→ Neuler.AutoResearch (литобзор)

Neuler.DeepResearch ──→ Neuler.AutoResearch (литобзор как компонент)
Neuler.MetaReview ──→ Neuler.AutoResearch (extraction как компонент)