MTS True Tech Hack 2026 - LocalScript

Локальный AI-агент для генерации, доработки и отладки Lua-кода без внешних LLM API.

О проекте

Этот репозиторий содержит наше решение для хакатона MTS True Tech Hack 2026 (трек LocalScript).
Цель трека - сделать агентскую систему cо следующими качествами:

• работает полностью локально;
• принимает задачу на естественном языке;
• генерирует корректный Lua-код;
• умеет уточнять требования и итеративно улучшать результат.

Подробное ТЗ: docs/HACKATHON_SPECS.txt.

Стек

• LLM: qwen2.5-coder через локальный Ollama
• Backend API: FastAPI (Python)
• Проверки кода: luac, static guard, опционально линтер и семантическая валидация
• Оркестрация и доставка: Docker Compose
• UI и demo-клиенты: Streamlit + CLI

Ключевые возможности

• POST /generate - генерирует Lua-код по текстовому запросу. Если постановка недостаточно конкретна, сервис возвращает уточняющий вопрос (clarification), а после уточнений выдает готовый код (code).
• POST /refine - принимает историю доработок и текстовый фидбек к предыдущей версии, затем возвращает обновленный вариант кода с тем же пайплайном проверок.
• POST /debug - анализирует пользовательский Lua-код, запускает локальные проверки, формирует описание проблемы и предлагает исправленный вариант.
• GET /health - показывает статус API, доступность Ollama, готовность модели и ключевые инференс-параметры.
• Repair loop: автоматические проверки и повторные попытки исправления до выдачи результата.
• Прозрачная диагностика: в ответах сохраняется история попыток и результаты проверок.

Полный контракт API: docs/API_CONTRACTS.md и localscript-openapi.yaml.

Как запустить

Основной сервис находится в localscript-agent/.

Инструкции по установке и запуску:

• Linux: docs/INSTALL_LINUX.md
• Windows (WSL2): docs/INSTALL_WINDOWS.md

Архитектура и артефакты

• гайды на запуск, описание API в docs/
• C4-архтектура: docs/C4_architecture/

Результаты

• Команда из 2 человек
• 32 место из 132 команд

Были выполнены все основные условия хакатона - локальный воспроизводимый запуск, итеративная работа над кодом, удобынй интерфейс для использования агентской системы.

Кроме того, для повышения стабильности корректных ответов модель самостоятельно тестирует качество сгенерированного кода и при необходимости исправляет его с использованием результатов тестирования, благодаря чему агент стабильно выдает корретный код.