Задачи

Создать с нуля минимальный движок, который удобно дорабатывать с помощью ИИ, со сквозной типизацией, модульной архитектурой, минималистичным фронтом и открытыми кейсами расширения.

Исследовать представление всего пула задач как единого графа с AI-свёрткой до обозримой человеком картины.

Исследовать, как видеть состояние десятков и сотен сайтов и быстро находить исключения, требующие внимания.

Исследовать минимальные требования и процесс включения существующего или нового сайта в единый контур управления.

Понять, какие сведения о каждом сайте нужны центральному агенту для поиска, маршрутизации и массовых операций.

Исследовать, как сокращать стоимость технических изменений, которые требуется раскатывать сразу на множество независимых сайтов.

Исследовать единый способ ставить и координировать действия на отдельных сайтах и группах сайтов через общий контур.

Исследовать, как находить затронутые материалы и сайты при появлении нового знания или изменении существующего.

Понять, как поддерживать актуальное состояние центрального информационного контура без регулярного полного перечитывания всех сайтов.

Исследовать центральный узел, через который агент сможет видеть информационное пространство множества сайтов без их постоянного обхода.

Понять, какое компактное описание собственного знания должен уметь предоставлять каждый сайт для работы в большом кластере.

Сформулировать и исследовать общий подход к управлению растущим кластером сайтов как единым информационным и операционным пространством.

Перенести в ядро подход с воспроизводимыми проверочными скриптами: агент должен уметь использовать их как критерий готовности и самостоятельно выполнять после изменений.

Устранить несовместимость между react-markdown на чтение и @mdxeditor/editor на редактирование: один Markdown-контент должен одинаково интерпретироваться в редакторе, клиентском рендере и SSR.

Добавить корректную механику окончательного удаления публичных страниц без возврата обычного 404.

Добавить в haih-agent/fi1osof.ru механизм универсальных адресуемых переменных/артефактов, чтобы внешние AI-клиенты могли сохранять промежуточные данные один раз и затем переиспользовать их по ID в последующих операциях.