Přeskočit na obsah

Dostupné

Živý vzorek reálných přihlášek

Extrakce se nedá navrhnout proti představě o tom, jak dokument vypadá. Tenhle odběr existuje, aby bylo proti čemu psát testy — a aby se dřív, než se cokoli postaví, vědělo, co feed skutečně vrací.

Příkaz
just isir-sample-capture
Odběr 2026-09-09
8 přihlášek z 8 konkursních řízení, 32 dokumentů, 41 pacovaných požadavků
Soudy
MSPHAAB, KSJIMBM, KSSECULP1, KSSCEUL
Pacování
min. 1,5 s mezi požadavky, tvrdý strop 150 požadavků na běh
Manifest
tests/fixtures/isir-samples/2026-09-09-072653/manifest.json

Co jde do repozitáře a co ne

Commituje se redigovaný manifest: identifikátory řízení, id a typy událostí, id dokumentů, URL, velikosti, počty stran, SHA-256 dokumentů i jejich vložených souborů a účetnictví požadavků proti publikovaným podmínkám.

Necommituje se nic dalšího. Žádné tělo poznámky události, žádný identifikátor osoby, žádný název souboru dodaný věřitelem, žádné bajty dokumentů. Skript odmítne zapsat manifest, který by je obsahoval, a jednotkové testy tuhle pojistku drží.

Manifest je důkaz, pak teprve testovací vstup

just isir-sample-replay <běh> postaví dokumenty běhu znovu a ověří každý soubor hashem. Manifest se nikdy needituje ručně — je to záznam toho, co zdroj vrátil, a upravený záznam je padělek.

Dokumenty samotné leží pod data/, které je celé gitignorované. Jsou to osobní údaje v rozsahu rejstříku a jsou znovu získatelné ze zdroje — proto na disku a nikde jinde.

Co odběr rovnou ukázal

Pět z osmi přihlášek byla PDF portfolia obsahující výhradně doručenky datové schránky, ne přihlášku samotnou. To je nález, který by se z dokumentace nedal odvodit, a přímo mění návrh dokumentové pipeline: „stáhni dokument u události typu 63“ nestačí.

Velikosti a počty stran z tohoto odběru jsou zároveň vstupem do nákladového modelu, který zatím blokuje rozhodnutí o rozsahu backfillu.

Kde to v repozitáři žije

Souvisí

Archiv feedu a projekce po řízeních

Dostupné

Každá událost rejstříku od 1. července 2026 jako surová dávka s checkpointem, a nad ní adresář na každé řízení: 849 935 událostí, 82 839 řízení. Události, ne dokumenty — těch je půl milionu a limit zdroje je 3000 požadavků denně.

Detail

Dokumentová pipeline

Plánováno

Stahování do content-addressed úložiště, OCR, extrakce do deklarovaného schématu, validace a skóre spolehlivosti. Výsledky budou cachované podle hashe dokumentu, takže přehrání projekce nic nestojí.

Detail

Nákladový model

Čtyři ze sedmi vstupů změřené z živého archivu a vzorku (9. 9. 2026): tok dokumentů, struktura po druzích řízení, strany, textová vrstva a podíl doručenek. Rejstřík publikuje zhruba čtyři nové dokumenty na každý povolený požadavek denně — výběr dokumentů je podmínka, ne páka. Ceny OCR a LLM čekají na extrakční stupeň; rozhodnutí o rozsahu stále blokuje.

Detail

Zpět na sekci Roadmapa