Автосводка новостей дня из 4 источников: как Python-скрипт заменил ручные отчёты

Строю новость строго по фактам из источника.

---

Разработчик с пятью-семью параллельными направлениями собрал скрипт, который каждый вечер в 22:00 автоматически генерирует PDF-отчёт о рабочем дне и кладёт его на Яндекс-диск, и после трёх с половиной месяцев ежедневного использования показал, как всё устроено.

Проблема знакома всем, кто работает руками и головой одновременно. Автор описывает типичное утро: коллега спрашивает «что вчера делал по платформе клиента», а в голове только обрывки. Раньше он садился в десять вечера и писал сводку сам. Получалось сухо: «работал над X, исправил Y, начал Z». Через неделю сам не понимал, что имелось в виду. Скрипт заменил эту рутину полностью.

Четыре источника вместо одной памяти

Ключевая идея автора: один источник данных врёт. Четыре, перепроверяющие друг друга, уже почти не врут. Вот что собирает скрипт.

• ActivityWatch (AW) — приложение, которое в фоне записывает, какое окно сейчас активно и двигается ли мышь. Автор ставит жёсткое окно с 6:00 до 22:00 и исключает системные процессы вроде экрана блокировки. Без этой фильтрации «топ приложений дня» возглавляет окно логина.

• Журналы ИИ-сессий. Claude Code и Codex CLI (инструменты для написания кода с помощью ИИ) пишут каждый чат в JSONL-файл с временными метками. Скрипт разрезает длинные сессии по датам, фильтрует служебный мусор и считает реальные запросы. Скриншоты, отправленные ИИ, тоже идут в счёт.

• Git-коммиты (сохранённые изменения в коде) — и локальные, и с удалённых серверов по SSH (протокол защищённого удалённого подключения). Автор приводит пример: за один из дней июня вышло 27 коммитов в трёх проектах, из них 18 на серверах. Без серверной части отчёт показывал «работал в одном проекте», а на деле в трёх.

• Файлы, изменённые за день. Скрипт проходит папку проектов, смотрит дату изменения каждого файла. Это ловит работу, где не было ни коммита, ни ИИ-сессии: концепции, мокапы, заметки, сценарии видео.

Как устроена автосводка новостей внутри?

Архитектура состоит из двух Python-файлов.

Первый, collect_day.py, собирает сырые данные из четырёх источников и выводит один большой JSON. Никакой интерпретации, только факты: дата, имя устройства, метрики времени, счётчики ИИ-сессий, коммиты по проектам, список изменённых файлов.

Второй, make_summary.py, читает этот JSON и отправляет его языковой модели Gemini 2.5 Flash через сервис OpenRouter. Модель пишет содержательную часть: фокус дня, что сделано по проектам, наблюдения, победы, сложности, что попробовать иначе. Промпт (текстовая инструкция для модели) строгий: модель возвращает JSON с фиксированными полями.

Все цифры, часы, проценты, количество коммитов, автор считает программно, минуя языковую модель. ИИ занимается только описанием. Автор подчёркивает: «Цифры должны совпадать с тем что в данных, ни одного знака не должна модель уточнить от себя».

Готовый отчёт собирается в HTML с брендированием компании, рендерится в PDF через headless Chrome (браузер без интерфейса, который умеет «печатать» страницу в файл) и ложится в папку на Яндекс-диске. Имя файла по дате: открыл папку и видишь хронологию.

Как попробовать самому?

1. Поставьте ActivityWatch на свой компьютер. Приложение бесплатное, работает в фоне. Дайте ему системные разрешения и забудьте.

2. Если вы работаете с кодом, убедитесь, что ваши ИИ-инструменты пишут журналы сессий в файлы. Claude Code и Codex CLI делают это по умолчанию в формате JSONL.

3. Составьте список удалённых серверов, на которых вы коммитите напрямую. Для каждого настройте SSH-доступ с ключом (без интерактивного пароля), чтобы скрипт мог собирать git log автоматически. Автор использует параметры BatchMode=yes и ConnectTimeout=8: если сервер недоступен, скрипт молча пропускает его, не ломая весь сбор.

4. Настройте запуск по расписанию на 22:00 (или позже, через переменную SUMMARY_DAY_END_HOUR). Выходной файл кладите в папку Яндекс-диска, чтобы он синхронизировался автоматически.

Есть ли аналоги в России?

Готового продукта с таким же подходом, четыре источника, детерминированные метрики, ИИ только для описания, на российском рынке автор не упоминает, и мне такой неизвестен. Но отдельные компоненты доступны.

Для российских разработчиков, работающих с локальной инфраструктурой, подход автора подходит напрямую: сбор коммитов по SSH с удалённых серверов и синхронизация готовых отчётов через API Яндекс-диска не требуют зарубежных сервисов. Единственная внешняя зависимость — языковая модель, и её можно заменить.

Частые вопросы

Нужно ли уметь программировать, чтобы сделать такую автосводку?

В том виде, как описывает автор, да. Решение состоит из двух Python-скриптов, настройки SSH-доступа к серверам и работы с API языковой модели. Но сам принцип, собрать цифровые следы дня и отдать их ИИ для пересказа, можно реализовать проще: вручную скопировать данные в чат с YandexGPT или GigaChat.

Не опасно ли отправлять рабочие данные в языковую модель?

Автор использует Gemini 2.5 Flash через OpenRouter. В JSON попадают названия проектов, темы коммитов, имена файлов. Если вы работаете с конфиденциальными данными клиентов, стоит либо использовать локальную модель с открытыми весами, либо обезличивать содержимое перед отправкой. Автор эту тему в посте не затрагивает.

Можно ли использовать вместо Gemini российскую модель?

Технически да. Скрипт отправляет JSON и получает JSON в ответ. YandexGPT и GigaChat умеют работать с промптами такого типа. Качество описательной части нужно проверять: задача нетривиальная, модель должна понять контекст разработки и сгруппировать действия по проектам. Автор выбрал Gemini 2.5 Flash как баланс цены и качества, но архитектура позволяет заменить модель одной строкой конфигурации.