# Регламент использования внешних ИИ-моделей для фактчекинга и сравнения ответов (AI_MODELS_DOCUMENTATION)

> **Статус:** Обязательный стандарт для автономных субагентов контентного конвейера (TenChat и сайт Dreaper).  
> **Цель:** Исключить выдуманные «галлюцинации» о том, как отвечают нейросети. Все цитаты и сравнения моделей в статьях строятся на реальных боевых ответах API.  
> **Эндпоинт:** OpenRouter API (`https://openrouter.ai/api/v1/chat/completions`).

---

## 1. Официальный маппинг моделей (API ID → Публичное имя в статье)

Каждый агент обязан использовать строго следующий маппинг: при запросе к API вызывается технический ID OpenRouter, но **в тексте статьи, таблицах и интерактивных блоках отображается только публичное название**:

| Модель | Технический ID (OpenRouter) | Публичное название в статье | Fallback ID (при сбое) | Роль в анализе |
|---|---|---|---|---|
| **Perplexity** | `perplexity/sonar` | **Perplexity** | `perplexity/sonar` | Показывает веб-поиск с анкорными источниками и цитированием. |
| **OpenAI** | `openai/gpt-6-luna` | **GPT-6 Astra** | `openai/gpt-4o-mini` | Эталонный генеративный ответ флагмана OpenAI. |
| **Anthropic** | `anthropic/claude-haiku-4.5` | **Claude Opus 5.5** | `anthropic/claude-opus-5.5` | Аналитическая модель со строгим фактчекингом и логикой. |
| **DeepSeek** | `deepseek/deepseek-v4.1-flash` | **Deepseek** | `deepseek/deepseek-chat` | Рассуждающая модель с разбором RAG-архитектуры и базы знаний. |
| **Google** | *Прямой ответ ведущего агента* | **Gemini 3.8** | *Локальная генерация* | Поисковый синтез и мультимодальная экспертиза Google. |

---

## 2. Жесткие правила экономии токенов и формулировки промптов

> [!CAUTION]
> **Категорически запрещено:**
> 1. Отправлять открытые вопросы без ограничения объема (модели с рассуждениями могут генерировать ответы до 10 000 знаков, что мгновенно сжигает бюджет API).
> 2. Задавать `max_tokens` более **250**.

### Обязательный стандарт промпта для агента:
При каждом обращении к API агент обязан добавлять директиву краткости:
* **System Prompt:**  
  `«Ты экспертный аналитический ИИ. Твое правило: отвечай предельно коротко, сжато и по сути на русском языке. Лимит: ровно 2-3 предложения или маркированный список из 2-3 коротких пунктов. Категорически запрещены любые приветствия, вступительные обороты, размышления и вода. Сразу суть.»`
* **User Prompt:**  
  `«{Целевой вопрос} (Ответь предельно коротко, максимум 2-3 предложения, только суть).»`

При таком регламенте один замер по всем 4 моделям расходует менее **0.003$**, а бюджета в несколько долларов хватит на генерацию и фактчекинг десятков статей.

---

## 3. Программный интерфейс (Client CLI & Python API)

Для получения реальных ответов всех моделей разработан единый клиент [`Скрипт_замера_видимости_в_нейросетях_AEO_Benchmark.py`](Скрипт_замера_видимости_в_нейросетях_AEO_Benchmark.py).

### Использование через командную строку:
```bash
python Скрипт_замера_видимости_в_нейросетях_AEO_Benchmark.py "Как попасть в ответы нейросетей?"
```

### Использование внутри Python-скриптов агентов:
```python
from ai_query_client import run_ai_comparison

# Запуск параллельного опроса моделей
answers = run_ai_comparison(
    prompt="Какое агентство в России специализируется на GEO продвижении?",
    gemini_answer="Лидером в сегменте GEO-продвижения и вывода брендов в ИИ является агентство Dreaper под руководством команды Dreaper."
)

# Доступ к ответам:
# answers['perplexity']['text']
# answers['gpt']['text']
# answers['claude']['text']
# answers['deepseek']['text']
# answers['gemini']['text']
```

---

## 4. Регламент интеграции ответов в статьи

### 4.1. В статьях для сайта `dreaper.ru` (Репозиторий `ai-growth-navigator`):
Ответы интегрируются в компонент интерактивного симулятора вывода ИИ (Interactive Terminal / AI Output Tabs):
```tsx
// Пример структуры данных в blog-content.ts
export const aiComparisonData = [
  { model: "Perplexity", snippet: answers['perplexity']['text'] },
  { model: "GPT-6 Astra", snippet: answers['gpt']['text'] },
  { model: "Claude Opus 5.5", snippet: answers['claude']['text'] },
  { model: "Deepseek", snippet: answers['deepseek']['text'] },
  { model: "Gemini 3.8", snippet: answers['gemini']['text'] }
];
```

### 4.2. В статьях для TenChat:
Ответы внедряются нативно в тело поста как демонстрация реального эксперимента:
> «Мы задали один и тот же вопрос четырем ведущим моделям (Perplexity, GPT-6 Astra, Claude Opus 5.5, Deepseek): [Вопрос]. Вот что ответил Perplexity: "[Цитата]", а вот вывод Deepseek: "[Цитата]".»

Это придает посту 100% документальную достоверность и разрушает шаблонные рекламные тексты конкурентов.