chore(): update rfc

RFC.md

@@ -37,30 +37,48 @@ RFC определяет интерфейсы для API, операционны
 ## 4. Цели и критерии приёмки
 Цели:
 - Стабильный REST/HTTP API для вакансий и предсказаний
-- Горизонтально масштабируемый ML embedding-сервис
-- Повторяемый pipeline подготовки данных и обучения
+- Стабильный и масштабируемый REST/HTTP API, утилизирующий ML алгоритмы
 
 
 ## 5. Высокоуровневая архитектура
-- Web API (web_api): HTTP-сервис, инкапсулирующий бизнес логику. Проксируются запросы к ML
-- ML сервис (ml): HTTP-сервис для генерации embenddings и предсказания
-- PostgreSQL — является хранилищем данных
+- Web API (web_api): HTTP-сервис, инкапсулирующий бизнес логику. Интегрируется с ML-сервисом
+- ML сервис (ml): HTTP-сервис, инкапсулирующий ML бизнес логику
+- PostgreSQL + pgvector - основное хранилище данных
 - Инфра: Docker Compose для локальной разработки; Coolify для CI/CD
 
 Коммуникация:
-- HTTP rest-ful между web_api и ml; опционально gRPC в будущем
-- Обмен артефактами через object storage и метаданные в PostgreSQL
+- HTTP REST между web_api и ml; опционально gRPC / WebSocket в будущем
+- Хранение данных в PostgreSQL + pgvector, хранение файловых данных в S3 
 
-## 6. Контракты API (предварительно)
-- Web API:
-  - POST /v1/predict — payload: vacancy/resume; returns: salary_prediction {value, confidence, model_version}.  
-  - POST /v1/vacancies — сохраняет вакансию для последующей обработки.  
-  - GET /v1/models — список доступных моделей и версий.  
-- ML service:
-  - POST /infer — принимает фичи/сырой текст, возвращает предсказание и мета.  
-  - GET /health, GET /metrics.
+Входные/выходные схемы должны быть описаны в формате OpenAPI
 
-Входные/выходные схемы должны быть описаны в OpenAPI (yaml) и поддерживаться CI-валидатором
+### 5.1. Домены приложения
+- **Resume**: управление резюме пользователей, история версий, эмбеддинги, предикты зарплаты
+- **Vacancy**: каталог вакансий с эмбеддингами для поиска похожих
+- **User**: пользователи, профили, аутентификация
+- **Auth Identity**: методы аутентификации (email/password)
+- **Notification Device**: регистрация устройств для уведомлений
+
+### 5.2. Флоу создания резюме и предикта
+1. Пользователь создает резюме через Gateway (AddResumeInteractor)
+2. Gateway сохраняет резюме в хранилище и возвращает ответ
+3. В фоне запускается ResumePredictionInteractor:
+   - Генерирует эмбеддинг резюме через ML Service (модель эмбеддинга)
+   - Сохраняет эмбеддинг в хранилище
+   - Ищет подходящие вакансии по векторному сходству (HNSW индекс, cosine similarity >= 0.5)
+   - Фильтрует и сортирует до 50 наиболее релевантных вакансий
+   - Запрашивает предикт зарплаты и рекомендуемые навыки через ML Service (алгоритм предикта)
+   - Сохраняет предикт в хранилище
+
+### 5.3. Структура хранилища
+- **Users**: пользователи, профили
+- **Resumes**: резюме с версионированием (up_resume_id, down_resume_id)
+- **Resume Embeddings**: векторные представления резюме (384 измерения)
+- **Resume Predictions**: предикты зарплаты и рекомендуемые навыки
+- **Resume Experience/Education/Projects**: опыт, образование, проекты
+- **Vacancies**: вакансии с зарплатами и требованиями
+- **Vacancy Embeddings**: векторные представления вакансий (384 измерения)
+- **Key Skills**: словарь навыков для автокомплита (GIN индекс с pg_trgm для ILIKE поиска)
 
 ## 7. Деплой и CI/CD
 - Локально: Docker Compose (just up/build)
@@ -70,18 +88,18 @@ RFC определяет интерфейсы для API, операционны
 
 ## 8. Миграции данных и схем
 - Использовать alembic для миграций схем PostgreSQL.  
-- Версионировать фичи и контракт входных данных (jsonschema).  
-- При изменениях схем: обеспечить миграционные скрипты + миграционный план с откатом.
+- Использовать вспомогательные скрипты для выгрузки датасета в хранилище
 
 ## 9. Безопасность и секреты
 - Секреты в ENV (environment secrets в CI).
-- Валидация входящих данных и rate-limiting (Redis).
+- Валидация входящих данных, шифрование конфиденциальных данных
 
 ## 10. Мониторинг и логирование
-- Логи структурированные (JSON), собираются в централизованный collector (ELK/Prometheus + Grafana для метрик).  
-- Метрики: latency, error_rate, throughput, model_drift indicators (distribution shifts), resource usage.  
-- Алёрты: SLO/SLA для latency/errors.
+- Prometheus метрики через prometheus-fastapi-instrumentator
+- Логирование через стандартный Python logging
+- Базовый healthcheck endpoint
 
 ## 11. Тестирование
-- Unit tests - тестируют бизнес логику
-- E2E - тестируют весь user flow
+- Unit tests - тестируют бизнес логику (entities, factories, invariants)
+- E2E - тестируют весь user flow через TestApiGateway
+- Интеграционные тесты для взаимодействия с хранилищем