Гладко и неверно

Пайплайн собирали под одну задачу: наговорить мысль вслух и получить текст, с которым дальше работает агент.

Схема вышла короткой. Триггер на появление файла в папке. Файл уходит в Whisper — модель распознавания речи, поднятую локально, на своей машине. Дальше поток раздваивается: одна ветка кладёт рядом сырую расшифровку, вторая прогоняет её через GigaChat на редактуру и кладёт причёсанный вариант. Обработанный файл переезжает в архив, чтобы не попасть в обработку дважды. Если что-то падает — приходит сообщение в телеграм. Всё собрано в n8n, конструкторе связок между сервисами.

Зачем вторая ветка

Соображение казалось очевидным. Сырая расшифровка выглядит плохо: повторы, оборванные фразы, знаков препинания почти нет. Подавать такое агенту вроде бы нельзя, сначала надо привести в порядок.

Проверять взяли одну запись разговора о рабочем процессе и сравнили два файла подряд, утверждение за утверждением.

Что нашлось

Ожидание было, что редактура теряет факты. Она их почти не потеряла. Из примерно двадцати пяти проверяемых утверждений уцелело больше двадцати: названия программ, числа, сроки, бытовые детали — всё на месте. Выпали два, и оба тихо. Из фразы исчез уточняющий признак, без которого операция читается иначе. И пропало одно из двух действий в перечислении.

Настоящая проблема оказалась в другом месте.

Там, где распознавание сломалось и текст стал непонятен, редактура не сообщила о непонятности. Она достроила смысл — уверенно, без единого знака сомнения.

Одно слово заменилось другим, и получилась другая операция: «найти в программе» превратилось в «ввести в программу». Поиск в списке и ручной ввод — разная работа, разные узкие места, разная автоматизация. Дальше редактура приписала одной системе то, что говорилось про другую, и в тексте появилось прямое противоречие с фразой абзацем выше. А искажённое распознаванием слово, явный мусор, поднялось до термина с заглавной буквы — рядом с ним заглавными пошли и обычные слова, которых как терминов не существует.

Ещё исчезла реплика, где человек сам признаётся, что запутался. Для читателя это лишнее. Для разбора процесса это метка: сюда стоит вернуться и переспросить.

Почему так вышло

Редактура оптимизирует текст под глаз. Пробел она воспринимает как дефект оформления и закрывает его правдоподобным.

Сырой текст в том же месте оставляет очевидный обломок — и обломок работает как сигнал. Гладкий текст сигнала не подаёт: он выглядит одинаково там, где всё верно, и там, где додумано.

Что теперь

На вход агенту идёт сырая расшифровка, всегда. Отредактированный текст никуда не делся, но у него другой потребитель — личные заметки, которые перечитывает человек, знающий, о чём была запись.

Шире, за пределы расшифровки: любой шаг предобработки, поставленный «чтобы было чище», стоит проверять не на потерю, а на подстановку. Потерю видно сразу. Подстановку видно только сравнением с исходником — и только пока исходник цел.