MathApp/CLAUDE.md

CLAUDE.md

This file provides guidance to Claude Code (claude.ai/code) when working with code in this repository.

Project

Django + DRF backend for Tadrisino, an educational app (Persian/Farsi). Codebase and API responses are in Persian; comments in source are Persian too.

Reviewing this codebase: comments are claims, not evidence

Comments here were mostly written by earlier agents to justify their own change. They explain intent; they do not prove the code is right. An audit on 2026-09-25 found real bugs directly under comments calling the same code "safe" or "race-free" (plan swap at checkout, select_for_update guards that SQLite silently ignores).

• When asked to find problems, review adversarially. Judge by behaviour, not by the comment above it: write a throwaway test or call the endpoint and watch what happens. Ask "how would a cheating student, an attacker, or a confused parent break this?" A finding counts once it is reproduced; say which ones were only read.
• When writing comments, report — don't vouch. Say what the code does and why it was chosen, and name what was not checked. Avoid "this is safe / correct / race-free / the right architecture"; write "guards X; not tested under Y" instead. Record uncertainty plainly so the next reader re-checks rather than trusts.

Before any real user: read docs/security-before-production.md

The server is deliberately left in demo mode for the internship presentation: the token signing key is the one committed in this repo, seven fixed-code demo logins exist, demo users sit in the production DB, and /api/health, the API schema, the leaderboard and /admin/ are all public. Each is listed there with its risk, why it was left, and the fix. Do not treat this deployment as production-ready until every item there is closed, and record the date and commit of each fix in that file rather than deleting the item.

Commands

source venv/bin/activate
python manage.py runserver
python manage.py migrate
python manage.py test                 # all tests
python manage.py test accounts        # single app
python manage.py test accounts.tests.SomeTestCase.test_something  # single test

Local dev requires DJANGO_DEBUG=1 (enables Swagger auth via DEV_MASTER_OTP/devOtp in responses). DEBUG defaults to False. Production also requires DJANGO_SECRET_KEY, DJANGO_ALLOWED_HOSTS (comma-separated), and ideally CACHE_URL (Redis). Without it the app still boots on per-process LocMemCache and /api/health warns — throttles and admin-driven cache invalidation are then per worker. On the server it is still unset (left to the server admin, 2026-09-24).

No pytest; uses Django's built-in test runner. No linter/formatter configured.

Docker (docker compose up --build) adds a local Loki+Grafana Alloy+Grafana log stack; not a production setup (still runserver, not gunicorn). See comments in docker-compose.yml, docker/alloy/config.alloy, and LOG_DIR in config/settings.py.

API docs: Swagger /api/docs/, Redoc /api/redoc/, admin /admin/.

Architecture

Apps (each owns its own models, one responsibility):

app	responsibility	key models
accounts	identity, sessions, OTP auth	User, Profile, Session, OTPCode
content	lessons/curriculum	Grade, Unit, Node, Lesson, Question, Choice, NodeProgress
progress	stats, leaderboard, streaks, gamification characters	UserStats, LeaderboardEntry, StreakRecord, UserHearts, Character
ai_tutor	AI assistant chat	Conversation, Message, MessageFeedback
subscription	plans	Plan, Subscription
payment	orders/transactions (Zarinpal gateway + Cafe Bazaar IAP)	Order, Transaction
discount	discount codes/offers	DiscountCode, Redemption, Offer, UserOffer
notifications	notifications	Notification
affiliate	referral program	AffiliateAccount, Conversion
support	tickets/bug reports	BugReport, Ticket, TicketMessage
statuslog	generic cross-app status-change log	StatusChangeLog
campaigns	messaging campaign storage only, no send logic yet	MessageCampaign
config	project settings, root urls, middleware	—

Auth is custom, not Django's. accounts.User is deliberately not AUTH_USER_MODEL — it's an independent business model. Auth is a stateless signed bearer token (django.core.signing, no JWT library) issued/verified in accounts/authentication.py (TadrisinoTokenAuthentication, header Authorization: Bearer <token>). The access token is only a signed user_id (1 h); accounts.Session holds refresh tokens, and POST /api/auth/logout revokes older access tokens via User.tokens_valid_after. Missing/invalid header → anonymous request, not a hard failure; each view's permission class decides if auth is required.

Apps are decoupled by convention: instead of real FKs across app boundaries, code uses loose refs (user_id, object_id + label) so any app can be split out later. Don't add cross-app FKs — follow the existing loose-reference pattern.

Throttling: DRF ScopedRateThrottle with per-endpoint throttle_scope strings, rates centralized in REST_FRAMEWORK['DEFAULT_THROTTLE_RATES'] in config/settings.py. Guest users are throttled by IP (NUM_PROXIES setting controls how many XFF hops are trusted — must match real proxy count in prod or IP spoofing/throttle-bypass is possible). Prod is ArvanCloud → nginx → gunicorn, so the default is 2; it was 1 until 2026-09-24, which made every guest share ArvanCloud's IP bucket. /api/health returns clientIp — it should be your own public IP. Adding a new sensitive endpoint means adding both a throttle_scope on the view and a matching rate entry in settings.

POST /api/ai/ask is real RAG (Qdrant retrieval filtered by chapter → GapGPT generation) whenever OPENAI_API_KEY and QDRANT_API_KEY are set, which they are on the server since 2026-09-23; without them it falls back to a deterministic stub. Entry point is generate_tutor_answer in ai_tutor/views.py; usedChunks in the response names the book chunks the answer was grounded on.

Structured logging: config.middleware.APIRequestLoggingMiddleware (last in MIDDLEWARE, closest to the view) logs every /api/ request as JSON (method/path/status/duration/user, no body/headers/secrets) via config/log_formatters.py.

SQLite is current DB (OPTIONS.timeout=20, and transaction_mode: IMMEDIATE so every atomic() takes the write lock up front — SQLite ignores select_for_update, so without it those guards locked nothing). Tests run on a file DB (.test-db.sqlite3). Postgres migration is still pending.

SMS goes through Kavenegar (KAVENEGAR_API_KEY/KAVENEGAR_SENDER); failures return explicit 503, not a fake success.

Gamification characters (progress.Character, Duolingo-mascot-style): an admin-managed catalog (like subscription.Plan — created via Django admin or seed_test_data, not by users). Unlocking is currently just UserStats.xp >= Character.unlock_xp (no separate ownership table); UserStats.selected_character_id is the user's active pick, set via POST /api/characters/select after that check. First real content beyond the model/plumbing (art assets, more characters, purchase-with-coins, etc.) is expected to land incrementally later.

Payment (Zarinpal): create_order/CreateOrderView never call Zarinpal directly — paymentUrl points at our own GET /api/payment/orders/{id}/pay (PaymentRedirectView), which calls Zarinpal's PaymentRequest API on first visit (storing Order.gateway_authority) and redirects to StartPay; this keeps order creation from depending on Zarinpal's uptime. Zarinpal redirects the user back to GET /api/payment/zarinpal/callback (ZarinpalCallbackView), which always re-verifies server-to-server via payment/zarinpal.py::verify_payment before marking an order paid — a forged Status=OK in the query string alone does nothing. Both payment/zarinpal.py and payment/bazaar.py fail closed (503 / invalid) when their credentials aren't configured, never a fake success.

Where this is heading (the owner's intent)

The owner writes this backend; another developer writes the frontend; a third person administers the server. None of them share a machine, and until recently the two halves were built in parallel without a shared contract — which is why reconciling them cost rework. The goal is not to merge the repos. Two repos, one API contract is the intended shape, and the contract lives in this repo's OpenAPI schema (/api/docs/), not in anyone's head.

What the owner is steering toward, in rough order:

1. Both halves running against each other, on real content, with nobody hand-editing files on the server. Most of the plumbing for this now exists.
2. Nothing manual in a release. Adding a dependency, a setting or a service must not add a step someone has to remember. When a change would, fold it into deploy.sh or make startup fail loudly and legibly instead.
3. Content editable without a developer — questions, curriculum, plan copy, all from the admin panel. A management command run over SSH is a last resort, not a workflow.
4. Answer quality measurable, not assumed: per-question reports, wrong-answer rates, prompt-version feedback. The senior's stated priority is proving the AI actually teaches, especially where students get stuck.
5. Scale without drama — thousands of concurrent users should be a non-event. Prefer the boring fix (an index, a cache, a cheap guard) over new infrastructure.

The owner is early in their career and learning the collaboration workflow as they go. Explain the why alongside the what, flag when something is a product decision rather than a coding one, and never assume a step was done just because it was described.

Frontend ↔ backend (read before wiring the two together)

The app is two repos and two domains: the React frontend Tadrisino/MathApp_frontend (deployed at math.tadrisino2.ir) and this backend (mathapi.tadrisino2.ir; it was api.math.tadrisino2.ir until 2026-09-26, whose DNS record no longer exists). Since 2026-09-26 the owner maintains both: the frontend developer is on leave and AliReza_Zareian has write on the frontend repo (branch protection on its main unknown — not visible without admin). Local clone: ~/Desktop/MathApp_frontend.

State on 2026-09-27: the rebuilt frontend (typed, modular; its README is the map) is on main and live. It is served by nginx from ~/mathapp_frontend_new/dist on the same shared box; release with cd ~/mathapp_frontend_new && ./deploy.sh (fetch, npm ci, type-check, build into dist.next, swap; previous build kept in dist.prev). The owner authorized pushing the frontend straight to main and deploying it without asking. Verified live with the demo accounts (guest 6, student 10, parent 15): all screens load their data. Real SMS delivery and a real Zarinpal payment are still unverified.

Domains are configuration, not code. Backend: only PUBLIC_BASE_URL and FRONTEND_URL; hosts, CSRF, CORS, Zarinpal callback/return, Bazaar redirect and the deploy.sh health URL derive from them (config/tests_domains.py guards it). Frontend: dist/config.js at runtime, else VITE_API_BASE_URL from .env.production. A domain move is expected (Zarinpal -14); the procedure is in docs/operations.md («عوض کردنِ دامنه»).

Never hand-write the client from memory. Three of fifteen calls were silently wrong the first time, and the rebuilt client found two more the old one had (POST instead of PATCH on notifications, a dropped guest refresh token). Read the contract from python manage.py spectacular --file schema.yaml --format openapi and check shapes against a running server. content/tests_frontend_contract.py is the backend-side guard.

Content the frontend shows but nobody has filled in yet: Unit.blurb, Plan.features/badge, Lesson.example/steps. All optional, all editable from the admin panel.

Operations

The whole release, as one line:

ssh -t administrator@78.38.35.249 'cd ~/mathapp-v2 && ./deploy.sh; sudo systemctl restart zareian-mathapp'

It asks for the password twice — once for ssh, once for sudo. Wait for each prompt; pasting several lines at once feeds the queued text to the password prompt and locks you out for three tries.

The trailing restart is separate because sudo inside deploy.sh cannot prompt for a password. The script no longer pretends that worked: it compares the service's start time before and after and exits non-zero when the restart did not happen, so a half-finished deploy can never again look like a successful one. Giving administrator a NOPASSWD sudoers line for just systemctl restart zareian-mathapp would collapse this to a single command; that is the server admin's call, not ours.

./deploy.sh is the whole release: fetch, reset to origin/<branch>, install, migrate, seed content, collectstatic, restart, then it polls /api/health and prints the likely cause if the service does not come back.

It repairs the server rather than stopping at it. A hand-edited file used to make git pull --ff-only fail, which aborted the whole script — and because every later step was skipped, the server silently stayed on old code. Now local modifications (and local commits) are saved to a timestamped patch under .deploy-backups/ and then discarded with git reset --hard origin/<branch>, and the deploy continues. Whatever state the server is left in, one run puts it back on exactly what Gitea has.

git clean is never run there and must never be added. db.sqlite3, .env and .django_secret_key are untracked and live in that directory; reset --hard leaves them alone, clean -fd would destroy the database, the config and every signed-in session.

Settings boot with working defaults (hosts, CSRF, CORS, secret key, cache), so a stale or partial .env on the server no longer breaks startup — env values are merged with those defaults, not replaced by them.

GET /api/health is the outside view: database, unapplied migrations, cache, content counts, security warnings, and recent traffic. It is how you check whether anyone has actually connected without asking a human.

Content: where it lives and how it gets to a server

content/seed/ holds the whole curriculum and question bank as committed JSON — curriculum.json (8 grades, 58 units, 263 nodes, 2,617 lessons) and questions.json (2,463 multiple-choice questions). deploy.sh runs seed_content on every release, so a fresh server fills itself with one command: no Qdrant, no AI credit, no SSH session.

seed_content is idempotent and never deletes. Questions bind to lessons by title path (grade › unit › node › lesson), never by primary key — ids differ between any two databases, and binding by id silently attaches questions to the wrong lesson.

seed_content --export writes the files back from the local DB. It refuses to overwrite a non-empty questions.json from a DB that has no questions (that used to wipe the file silently); use --export --only curriculum when you only mean the curriculum.

Answer quality: the verification layer

Books are read by a vision model from page images, so extraction errors enter there — a misread digit, a dropped decimal separator, a solution attached to the neighbouring problem. These are invisible in retrieval and only surface when something trusts the text.

rag_verify_solutions re-solves every extracted problem independently and compares. LessonChunk.solution_verdict is three-state — agrees / disagrees / unjudgeable — and the verdict also rides in the Qdrant payload under a key retrieval._payload_text does not read, so the tutor's context is unchanged. Current state (2026-09-22, across all 3,517 chunks): 2,466 agree, 354 disagree, 508 unjudgeable, 189 not yet checked — those 189 are the other team's علوم/مطالعات collections, never run through the checker. Question generation only ever reads agrees chunks.

Two things that were learned the expensive way and are already encoded in the prompts:

• A boolean verdict is wrong. With two states every "I can't tell" becomes "wrong", which reported ~3× the real rate. Read samples before trusting any bulk run.
• ۳/۱۰۴ in these books is the decimal 3.104, not the fraction 3÷104.

solution itself is never rewritten — the extracted text stays as the record, and the independent answer is stored separately in checked_answer.

The figure gap (largest open data issue)

508 chunks (~14%) reference a figure or table that is not in the text, so they cannot be answered or turned into questions. The vision model saw the figure; it was simply never asked to write it down. rag/services/pdf.py now carries a self-contained rule telling it to inline measurements and labels into the problem text, and re-reading the five math books under that rule is what brought this down from 881 (42%). What is left is concentrated in the three books that predate the rule (سوم/ششم/هفتم, the other team's); recovering them means re-ingesting those pages ($2.7 of API credit).

Quiz assembly

The app plays at node level (the island on the map) but questions hang off lessons, and a lesson here is the finest grain — one problem type from the book, not a class session. GET /api/nodes/{id}/quiz assembles a quiz from a node's lessons, at most one question per lesson. Shuffle is seeded on nodeId:userId, so a refresh returns the same quiz; questionCount is reported separately from requested so a thin node cannot look like an error. 224 of 263 nodes hold a full four-question quiz, and every node in grades 8–12 does; the 39 that fall short are all in grades 3/6/7.

Finishing the quiz finishes the island: POST /api/nodes/{id}/quiz/complete marks the node completed whatever the score (the owner's call on 2026-09-24: keep it simple) and returns nextNodeId. Before it existed, a node only completed when every one of its 8–13 lessons was completed one by one, so a student playing node quizzes was stuck after the first island of every unit. Details in docs/architecture.md.

AI provider notes

Measured prices live in docs/model-prices.md — a ledger of what GapGPT actually billed per model, with dates and evidence. When a price changes, add a row there; never overwrite the old one.

OPENAI_BASE_URL points at GapGPT (an OpenAI proxy reachable from Iran) and it exposes ~127 models, including reasoning ones. Two failures look alike and must not be treated alike — is_account_limit() in rag_verify_solutions is the shared guard:

• 429 initial_usage_limit_exceeded — account cap, hours long. Retrying extends it.
• 403 insufficient user quota — credit exhausted. Note the spaces: an earlier guard matched insufficient_quota with an underscore, missed it, and burned 770 doomed calls.

/dashboard/billing/usage returns cents and is the only reliable balance signal; the hard_limit_usd in /dashboard/billing/subscription is a placeholder, not a balance.

Credit was topped up again by 2026-09-25 afternoon (live tutor answered, aiProvider: ok); it has run dry twice before, so probe before any bulk run. Bulk work since then runs on Claude Code subagents instead. Sonnet handles question authoring well (~88% yield); Haiku does not — it cannot reliably pull the final answer out of a solution and produced ~40% broken output.

Known gaps (per README pre-deploy checklist)

• Still on SQLite, not Postgres.
• Throttle rates need periodic review against real traffic.
• DEV_MASTER_OTP (0000) must stay gated behind DEBUG — never enabled in prod.
• No video content exists yet, though Lesson.kind/video_url can express it.
• Grades 8–12 are fully covered: every node holds a four-question quiz. 39 of the 145 nodes in grades 3/6/7 (the other team's books) still hold fewer than four; none is empty, so every node still plays.
• Kavenegar is live on the server since 2026-09-25 and delivers since 2026-09-27: OTP goes through the approved template SMSVerify (verify/lookup, KAVENEGAR_OTP_TEMPLATE in the server .env), and a real code reached the owner's phone (message 894247231, status 10). Every OTP costs real credit. Plain sms/send from this account's line is cancelled (status 13), so never unset the template. An OTPCode row made in the admin (/admin/accounts/otpcode/add/) still hands a tester a login without SMS.

The server: read this before running anything on it

mathapi.tadrisino2.ir runs on a shared company machine (administrator@78.38.35.249, hostname haghzad), not a box that belongs to this project. Our app is one tenant among many. Also on it, all in production use by other people:

• Gitea itself (gitea.service) — the company's git server, including this repo's origin. Breaking it means nobody can push or pull anything, anywhere.
• Mail (postfix, dovecot), DNS (named), mariadb, postgresql@14, rabbitmq, metabase, redis-server, nginx.
• Other apps: apirag, artinafront, metaverse, celerybeat, and a generic gunicorn.service that is not ours.
• Other people's home directories: aria, artina, behdad, zahra, git, gitea. They are mode 0750 — unreadable as administrator, trivially readable under sudo. Do not read them. Nothing in this project needs them.

Our account is administrator, and sudo -l reports (ALL : ALL) ALL. It is also in the docker and lxd groups, each of which is root by another route. There is no technical guard rail between a careless command and the whole company's data. The only guard rail is the operator.

Ours is exactly one directory: /home/administrator/mathapp-v2, served by gunicorn-mathapp.service (unix socket, proxied by nginx). Note ~/mathapp also exists, is not a git repo, and is not what runs — do not touch it.

The same unit also answers to zareian-mathapp (a symlink alias in /etc/systemd/system/, added 2026-09-18). Prefer that name in anything a human will type or copy: gunicorn alone is a different team's service on this box, and tadrisino is too generic for a machine where other people's projects may claim it later.

sudo systemctl restart zareian-mathapp     # ours, unambiguous
sudo systemctl restart gunicorn            # NOT ours — someone else's app

Rules that follow from this, and are not negotiable:

1. Never run a destructive command outside ~/mathapp-v2. No rm -rf, no git clean, no chown -R, no dropping databases, anywhere else. When a command takes a path, write the path out in full rather than relying on the current directory.
2. Restart only gunicorn-mathapp. systemctl restart gunicorn is a different team's app. deploy.sh no longer guesses that name, and neither should you.
3. Never delete the project directory or "re-clone fresh". db.sqlite3, .env and .django_secret_key live inside it and are all gitignored. A fresh clone silently destroys the database, the config and every logged-in session. Use git reset --hard origin/main when the tree needs to go back to a known state.
4. Never git clean there for the same reason.
5. Read .env only through Django. python -c printing settings.CACHES[...] and booleans is fine; cat .env is not, and neither is pasting its values into a chat.
6. Take a timestamped backup before editing anything under /etc, and say where you put it.
7. Disk is the standing risk. It has been sitting at ~95% full (about 6 GB free on a 113 GB volume). Check df -h / before anything that writes a lot — a full disk on this machine takes the mail server and Gitea down with us, not just our app.

Handling the server password (every agent, every time)

Access is a password for the shared administrator account, not a key. Handle it exactly like this — the steps exist for reasons, not ceremony:

printf '%s' '<password>' > "$SCRATCH/.pw"   # scratchpad, never the repo
chmod 600 "$SCRATCH/.pw"
sshpass -f "$SCRATCH/.pw" ssh administrator@78.38.35.249 '<command>'
ssh administrator@78.38.35.249 'sudo -S -p "" <command>' < "$SCRATCH/.pw"
shred -u "$SCRATCH/.pw"                      # immediately after, not "later"

• Never put the password in the command line. ps on this box shows every process's full argv to every logged-in user, and several other teams have accounts here.
• Never write it into the repo, a memory file, a commit, or a note. The scratchpad only, and only for as long as the commands take.
• shred -u as soon as the work is done, not at the end of the session. Recreate it if more work comes; that costs nothing.
• Never echo it back into the conversation, even partially, and never paste .env values either.
• Do not create SSH keys, edit sshd_config, or change the password unless the user asks for that specifically. It is a shared account; changing it locks the admin out.

The password reaches an agent only because the user supplies it in that session. If it is not in the conversation, it is not available — say so and ask, rather than hunting for it on disk. If the user wants to stop pasting it into chat, the macOS Keychain is the local fix (security add-generic-password -s tadrisino-server -a administrator -w, then read it back with security find-generic-password -s tadrisino-server -w), and an SSH key is the real one.

DEBUG must never be 1 on this server: it turns on DEV_MASTER_OTP (0000), which accepts any phone number as a valid login, and renders tracebacks with settings in them. DJANGO_DEBUG belongs in .env only — not in the systemd unit, where it once sat as Environment="DJANGO_DEBUG=1" and was saved only by .env happening to override it.

DJANGO_SECRET_KEY is what signs our bearer tokens. It must be a real random value that exists nowhere in git. If the env var is simply absent and DEBUG=0, config/settings.py generates a strong one and stores it in .django_secret_key (mode 0600) — that is the preferred setup, because there is then no key to leak. Never let the server run on the django-insecure-… fallback from config/settings.py: that string is committed here, so anyone who can read this repo can forge a token for any user.

وضعیت ۲۰۲۶-۱۰-۰۲ — تصمیم‌های سینیور پس از ارائه

• بخشِ والدین از ریشه حذف شد. اپِ family دیگر وجود ندارد. جدول‌هایش، مجوزهای ادمینش و ردش در django_migrations را migrationِ progress.0006 پاک می‌کند. Profile.parent_phone، دو نوع اعلانِ والدین و پارامترِ ?userId= در /api/progress/nodes هم رفتند. جایش «گزارشِ والدین» در پروفایلِ خودِ دانش‌آموز است: GET /api/user/weekly-report (progress/report.py)، ۷ روزِ اخیر در کنارِ ۷ روزِ قبل. minutes تخمین است، از فاصله‌ی جواب‌ها؛ heartbeat عمداً ساخته نشد.
• تاریخِ تولدِ شمسی به‌جای «سن»: birthDate («1385-04-12»)، میلادی ذخیره می‌شود و تبدیلش فقط در accounts/jalali.py است. birthYear از آن پر می‌شود و age حذف شد. بازه‌ی سن ۵ تا ۹۹ است. در فرانت سه فهرستِ روز/ماه/سال (BirthDatePicker) هست و برای ۱۹+ سوالِ «ریاضیِ کدوم پایه؟» پرسیده می‌شود.
• شناسه‌ی کاربری زیرِ نام در پروفایل. فاکتورها: GET /api/payment/invoices و صفحه‌ی «پرداخت‌ها و فاکتورها». Order.list_price و plan_title در لحظه‌ی خرید ثبت می‌شوند تا فاکتور با عوض شدنِ پلن تغییر نکند.
• دستیار فقط ریاضی (rag/services/guardrails.py، پرامپت tutor-v11-math-only). آزمونِ زنده ۷ از ۷ رد شد؛ شرحش در docs/ai-cost-and-guardrails.md است.
• هزینه: هر سوال حدودِ ۰٫۲ سنت است؛ برای قیمت‌گذاری دستِ بالا ~۷۰۰ تومان حساب می‌شود و ۷۰٪ِ آن ورودی است. سقفِ روزانه: رایگان AI_DAILY_QUOTA_FREE (پیش‌فرض ۳)، مشترک Plan.ai_daily_quota (ادمین، پیش‌فرض ۱۵). تا امروز همه ۱۵ داشتند. گزارشِ مدیرعامل و گزارشِ ۲۶ در ~/Desktop/گزارشات Tadrisino/گزارش-۲۶/ است. مسیرِ استریم حالا توکن‌ها را ثبت می‌کند (پیش از این صفر بود). خرجِ GapGPTِ آن روز حدودِ ۴ سنت بود.
• لحنِ دستیار از سن (tone_for، پرامپت tutor-v12-age-tone): ۱۸+ در هر پایه لحنِ بزرگسال می‌گیرد؛ نمادگذاری از کتابِ پایه. کشِ جواب با لحن کلید می‌خورد. فقط یک مقایسه‌ی زنده (سوم، ۸ و ۴۵ سال).
• شناسه‌ی نمایشی User482917 (accounts/public_id.py، از id، بی‌ستون؛ ادمین با آن جستجو می‌کند).
• بسته‌ی سوال به‌جای اشتراک (subscription.0009/0010): ۲۰ / ۶۰ / ۱۵۰ سوال به ۴۵ / ۱۱۹ / ۲۵۹ هزار تومان، بی‌انقضا، با ۷ / ۳۰ / ۶۰ روز قلبِ نامحدود (HeartsPass). اعتبار در دفترِ QuestionCredit، اول سهمیه‌ی رایگانِ روز خرج می‌شود؛ هر سوالی که به API برسد اعتبار می‌خورد، ردِ صافی/کش/خطا نه (Message.charge). پلن‌های ماهانه/سالانه on_sale=False (مشترکِ فعلی سقفش را دارد). مسیرِ قیمت‌ها پیش از بسته: ۲۹۹ هزار سالانه → ۹۹/۹۹۰ با ۵ سوال → ۱۷۹/۱٬۷۹۰ با ۱۰ سوال. شرح: docs/ai-cost-and-guardrails.md.
• قلب واقعی است: HEARTS_ENFORCED پیش‌فرض روشن؛ قلبِ صفر جلوی جواب را می‌گیرد (فرانت صفحه‌ی «قلب‌هات تموم شد» را دارد). روی سرور از ۲۰۲۶-۱۰-۰۲ ۱۱:۴۲.
• حذفِ حساب POST /api/user/delete: شماره‌دار با کدِ پیامکیِ تازه (verify_phone_otp، مشترک با ورود)، مهمان با «حذف»؛ سفارش‌ها و statuslog می‌مانند؛ دموها رد می‌شوند. «ورود با حسابِ دیگر» فقط خروج است؛ چند حساب روی یک دستگاه عمداً نگه داشته نمی‌شود.
• پاک‌سازیِ ۲۰۲۶-۱۰-۰۲ روی سرور: delete_users --real-phones --skip-paid پنج حسابِ شماره‌دار (۱، ۱۷، ۱۹، ۲۰، ۲۱) را پاک کرد؛ دموها و کاربرِ ۲۶ (پرداختِ موفق) ماندند. بکاپ: .deploy-backups/db-before-user-cleanup-20261002-061142.sqlite3. دستور فقط مدل‌های خودِ پروژه را می‌شمارد؛ بارِ اول admin.LogEntry (کارمندِ ادمین) را هم گرفته بود و پیش از اجرا اصلاح شد.
• spectacular --validate یک خطای از پیش موجود دارد (روی d5dbd1b هم بود) که به این تغییرها ربطی ندارد.
• بعد از بازبینیِ مستقلِ همان روز (هنوز روی سرور نیست؛ push و دیپلو منتظرِ تأییدِ صاحبِ پروژه): خریدِ بسته از بازار اعتبار نمی‌داد (planId در POST /api/payment/orders)؛ صافیِ دستیار شکل‌های بی‌نیم‌فاصله‌ی «می‌خوام بمیرم» را نمی‌گرفت؛ قلبِ صفر حالا پایانِ درس/جزیره‌ی بی‌جواب را هم می‌بندد و چکش داخلِ تراکنش است (content/tests_hearts_gate.py)؛ لغو و بازپرداختِ سفارش با دو action در /admin/payment/order/ (پول را خودِ درگاه برمی‌گرداند؛ docs/operations.md)؛ دفترِ قیمتِ مدل‌ها docs/model-prices.md. فرانت: صفحه‌ی تازه‌ی «قلب‌هات تموم شد» با شمارشِ معکوس (33f5f8d، محلی). ۷۷۹ تست سبز. دو migration تازه: payment.0010، subscription.0011.

وضعیت ۲۰۲۶-۰۹-۳۰ — بازار وصل شد

• حسابِ شرکت در بازار «اجازه» داد (۰۹-۳۰ ۱۲:۰۶، bazaar: true). اسمِ پکیج را کسی نداد؛ با توکنِ خودمان پیدا شد: از اسم‌های حدسی فقط com.tadrisino.app «Product is not found» داد (یعنی هست و دسترسی داریم؛ اپِ دیگران ۴۰۳ می‌دهد). صفحه‌ی عمومی‌اش ۴۰۴ است، پس منتشر نشده. این‌که همان اپِ ریاضی است را سنیور تأیید نکرده. BAZAAR_PACKAGE_NAME=com.tadrisino.app در .env سرور (بکاپ: .deploy-backups/env-before-bazaar-package-20260930-122311)، ری‌استارت ۱۲:۲۳. با SKU و توکنِ ساختگی: تک‌خرید «Product is not found» (پس ۵۰۳ در کدِ ما)، اشتراک not_found. هنوز نداریم: SKUِ پلن‌ها و اپِ اندرویدیِ دارای Poolakey؛ هیچ خریدِ واقعی‌ای تأیید نشده.

وضعیت ۲۰۲۶-۰۹-۲۹ (شب) — بازبینیِ نهایی پیش از ارائه (روی سرور)

• بک‌اند 93b451d (سرویس واقعاً ری‌استارت شد، ۲۱:۲۵)، فرانت db6d694. بکاپ: .deploy-backups/db-before-final-polish-20260929-212452.sqlite3. ۶۸۵ تست سبز، اسکیما بی‌خطا، ۶۱ اندپوینت.
• تازه: GET /api/support/tickets (پیش از آن اپ شناسه‌ی تیکت را فقط در localStorage داشت)؛ اعلانِ «تمام کردی» با رقمِ فارسی؛ .env.example از نو و مطابقِ کد. فرانت: صفحه‌ها lazy با preload (ورودیِ اپ ۵۰۵ ← ۸۵ کیلوبایت)، MathText روی صورت/گزینه‌ی آزمون و مثالِ درس، جداکننده‌ی «·» کنارِ صفرِ فارسی عوض شد، برچسبِ تکراریِ ریشه/رأس.
• دستیار آن شب ~۳۰ ثانیه برای هر جوابِ کامل طول کشید. روی خودِ سرور اندازه شد: gpt-4.1-mini از GapGPT برای «فقط بگو سلام» ۶٫۸ ثانیه، و stream اولین تکه را همراهِ آخرین می‌دهد. کدِ ما نیست. کشِ جواب per-worker است (Redis نیست)، پس «یک بار قبل از ارائه بپرس» قابلِ اتکا نیست.
• وارسیِ صفحه‌ها با puppeteer-core در scratchpad و Chromeِ نصب‌شده (توکن از API، گذاشتن در localStorage tadrisino.tokens). این تست‌ها روی دیتای واقعی نوشتند: سارا (کاربرِ ۱۱) دو جزیره جلو رفت، و علی/نگار/سارا هرکدام ۱–۲ سؤال از دستیار پرسیدند.
• راهنمای ارائه و گزارشِ نهایی در ~/Desktop/گزارشات Tadrisino/گزارش-نهایی/ به‌روز شدند.

وضعیت ۲۰۲۶-۰۹-۲۸/۲۹ — شکل در دستیار، آزمونِ جزیره، همراهِ چهارم، محتوای کامل (روی سرور)

• ✅ ۲۰۲۶-۰۹-۲۹ دیپلوی شد: بک‌اند 2c759a7 (سرویس واقعاً ری‌استارت شد، ۰۷:۱۹؛ migrationهای ai_tutor.0006 و progress.0005 اعمال شدند؛ questions: 2545)، فرانت 63f4ea8 روی math.tadrisino2.ir. بکاپِ پیش از آن: .deploy-backups/db-before-diagrams-20260929-071459.sqlite3. تستِ زنده روی خودِ سایت: ۵ سوال (مثلث، سوالِ ادامه‌ای، سهمی، ضربِ بی‌شکل، الگو)، همه درست و شکل‌ها در Message.diagram ذخیره شدند؛ aiProvider: ok. این تست سه کاربرِ مهمانِ تستی ساخت (کاربرهای ۲۲ تا ۲۴، نامِ «کیان») که مثلِ داده‌ی دمو پیش از کاربرِ واقعی باید پاک شوند. فرانت از upstream (Tadrisino/MathApp_frontend) دیپلوی می‌شود، نه از originِ شخصی؛ پوش به هر دو.

• اعتبارِ GapGPT در ۰۹-۲۹ دوباره شارژ شد (بندِ ⛔ پایین تاریخی است).

• ⛔ اعتبارِ GapGPT تمام شد (همان روز، ~۱۷:۲۰) و دستیارِ سایتِ زنده ۵۰۳ می‌دهد. کلیدِ .envِ لپ‌تاپ همان حسابِ سرور است؛ سنجش‌های شکل (~۲۵۰ فراخوانی، ≈۰٫۳ دلار) باقی‌مانده را خورد. هر سنجشِ انبوهِ محلی از اعتبارِ پروداکشن خرج می‌کند؛ پیش از آن موجودی را بسنجید.

• شکل در جوابِ دستیار: مدل در انتهای جواب <diagram>{JSON}</diagram> می‌نویسد؛ rag/services/diagram.py آن را پیش از mathtext جدا، خطاهای قالبیِ شناخته‌شده را تعمیر (رقمِ فارسی، 2*pi، کامنت، ونِ با اسمِ فارسی) و سخت‌گیرانه اعتبارسنجی می‌کند؛ روی Message.diagram (migration ai_tutor.0006) می‌نشیند و در doneِ SSE و تاریخچه می‌آید. فرانت (src/diagram/) خودش SVG می‌کشد و ریشه، رأس، مماس، پای عمود و تبدیل‌ها را حساب می‌کند؛ HTML/SVGِ مدل هرگز وارد صفحه نمی‌شود. ۱۴ نوع (plane، numberline، fraction، grid، groups، clock، bar/linechart/pie، table، venn، mapping، tree، solid)؛ گالریِ آزمایشی در ?gallery فقط در حالتِ توسعه. کاتالوگ بخش‌بخش است و کنارِ هر سوال فقط بخشِ مربوط می‌رود (hint_for)؛ سوالِ ادامه‌ای بخشِ سوالِ قبلی را می‌گیرد (follow_up_hint_for)، و درخواستِ صریحِ «شکلش رو بکش» بی‌کلمه‌ی موضوعی کلِ کاتالوگ را (asked_hint_for، پرامپت tutor-v8-asked-figure؛ یک بار با GapGPT آزموده شد: مستطیلِ باغچه). فرانت هیچ تشخیصی نمی‌دهد.

• ۲۰۲۶-۰۹-۲۹، پرامپت tutor-v10-shape-anchor: ابزارهای triangle (مثلث از ضلع و زاویه، با قانونِ سینوس/کسینوس در src/diagram/shapes.ts)، quad (مستطیل، مربع، متوازی‌الاضلاع، لوزی، ذوزنقه)، نوعِ pattern (الگوی شکلی و چوب‌کبریت)، نقطه‌ی translate؛ شکلِ دوم روی ضلعِ مشترک یا کنارِ شکلِ قبلی می‌نشیند. تعمیرِ عددِ حسابی («-2 * 3.14»)، گیومه‌ی جاافتاده، کلیدِ تکراری، kind با نامِ شکل؛ fits() ساعتِ دیواری را برای سوالِ بی‌ساعت دور می‌ریزد. سنجشِ ۶۴ مسئله‌ی تصادفیِ کتاب (همان مسئله‌ها قبل و بعد، وارسیِ چشمی): درست ۳۹ → ۴۰، غلط ۹ → ۷، بی‌شکل ۷ → ۵ — در این اندازه‌ی نمونه معنی‌دار نیست؛ برآوردِ ۹۵٪: درست ۵۰–۷۳٪، غلط ۵–۲۱٪. ۴۰ مسئله‌ی هندسیِ جدا: ۲۲ درست، ۱۲ قابلِ قبول، ۴ غلط. خرج ≈ ۰٫۷ دلار (به اجازه‌ی صاحبِ پروژه تا ~۱ دلار). اسکریپتِ سنجش در scratchpad بود، نه در ریپو. پرامپت tutor-v6-diagrams. سنجش روی ۹۶ مسئله‌ی واقعیِ کتاب: ۴۵ از ۴۸ شکلِ معتبر (دورِ ۲)، ۰ از ۸ برای سوالِ بی‌شکل؛ وارسیِ چشمیِ ۸۳ شکل: ۶۴ درست، ۳ ضعیف، ۱۶ غلط. اصلاح‌های بعد از آن (خط از معادله، کسرِ مقایسه‌ای، محرکِ ساعت، …) روی مدل سنجیده نشده‌اند.

• فرانت آزمونِ جزیره را بازی می‌کند (/nodes/{id}/quiz); خانه خودِ مسیر است با «شروع».

• تدی (شکلکِ mobile-preview/mascot-pack، شش حالت) با progress.0005، ۵۰۰ امتیاز (همان فاصله‌ی ۲۰۰تاییِ دلتا تا پی؛ خواستِ صاحبِ پروژه).

• محتوا: ۸۲ سوالِ تازه، پس هیچ جزیره‌ای زیرِ ۴ سوال نیست (۲٬۵۴۵ سوال). fill_lesson_texts (بی‌هزینه) Unit.blurb را برای ۵۸ فصل و مثال/قدم‌ها را برای ۵۹۰ درس از مسئله‌های تأییدشده‌ی کتاب پر کرد، هرگز همان مسئله‌ی آزمونِ درس؛ seed_content این‌ها را فقط در خانه‌ی خالی می‌نشاند، پس متنِ ادمین با دیپلوی بازنویسی نمی‌شود.

• محلی: PUBLIC_BASE_URL پیش‌فرضش دامنه‌ی اصلی است، پس «پرداخت» روی لپ‌تاپ به سرورِ واقعی می‌رود و ۴۰۴ می‌گیرد؛ باگِ سرور نیست. گزارش: ~/Desktop/گزارشات Tadrisino/گزارش-۲۵/.

وضعیت ۲۰۲۶-۰۹-۲۷ — دامنه‌ی تازه و فرانتِ تازه، هر دو زنده

• ✅ پیامکِ کدِ ورود واقعاً می‌رسد (۲۱:۴۴). اسمِ الگو را سینیور داد: SMSVerify، با همان سه پارامترِ receptor/token/template که کد از قبل می‌فرستاد. فقط KAVENEGAR_OTP_TEMPLATE=SMSVerify به .env سرور اضافه شد (بکاپ: .deploy-backups/env-before-smsverify-20260927-214351) و سرویس ری‌استارت شد؛ کدی عوض نشد. یک دقیقه پیش از آن جلسه‌ی دیگری کلیدِ بازار را عوض و ری‌استارت کرده بود (env-before-bazaar-client2-…)؛ سنجیده شد که هیچ کلیدی از آن گم نشده.

• API روی mathapi.tadrisino2.ir است؛ ادمین از ۲۰۲۶-۰۹-۲۶ ساعتِ ۲۳:۲۲ nginx را عوض کرد و رکوردِ DNSِ api.math.tadrisino2.ir دیگر وجود ندارد. .env سرور PUBLIC_BASE_URL=https://mathapi.tadrisino2.ir شد (بکاپ: .deploy-backups/env-before-mathapi-20260927-010751 و db-before-mathapi-…sqlite3)، 1f38465 دیپلوی و سرویس واقعاً ری‌استارت شد (۰۱:۰۹).

• ⛔ زرین‌پال هنوز -14 می‌دهد («دامنه‌ی callback با دامنه‌ی ثبت‌شده‌ی ترمینال نمی‌خواند»)، این بار برای mathapi؛ فراخوانیِ زنده‌ی PaymentRequest در همان شب. رفعش ثبتِ دامنه در پنلِ زرین‌پال است، نه کد. Redirect URIِ بازار هم با این دامنه عوض شد؛ لینکِ «اجازه»ِ تازه با mathapi در ۲۰۲۶-۰۹-۲۷ ساخته شد (۷۲ ساعت، لینک‌های قبلی باطل) و برای سنیور رفت؛ پیش از کلیک باید Redirect URIِ پنلِ بازار هم mathapi شده باشد.

• ۲۰۲۶-۰۹-۲۷ عصر: سنیور یک Client تازه‌ی بازار داد (Redirect روی mathapi)؛ در .env سرور جایگزین شد (بکاپ: .deploy-backups/env-before-bazaar-client2-20260927-214302)، ری‌استارت ۲۱:۴۳، و لینکِ «اجازه»ِ تازه با همین Client ساخته شد (لینک‌های قبلی باطل). به گفته‌ی سنیور «شناسه‌ی توسعه‌دهنده» هنوز در بررسیِ بازار است و تا آن تمام نشود لینک خطا می‌دهد.

• علتِ -14ِ زرین‌پال پیدا شد (فراخوانیِ زنده، ۰۹-۲۷): مرچنتِ .env ما برای tadrisino.org ثبت است — callback روی tadrisino.org کدِ ۱۰۰ می‌گیرد و هر آدرسِ tadrisino2.ir (با mathapi) -14. بک‌اندِ دیگرِ شرکت (Tadrisino/Tadrisino_backend) callback را روی api.tadrisino2.ir می‌فرستد و کار می‌کند، پس مرچنتِ آن برای tadrisino2.ir است. رفع: همان مرچنت در ZARINPAL_MERCHANT_ID، نه تغییرِ کد. کدِ آن‌ها همان فیلدهای ما را دارد جز currency (آن‌ها نمی‌فرستند، یعنی ریال)؛ verifyِ ما هنوز با پرداختِ واقعی آزموده نشده. ۰۹-۲۷ ۲۲:۲۴ انجام شد (به خواستِ صاحبِ پروژه): مرچنتِ Tadrisino_backend روی خودِ سرور از ~/deployment/Tadrisino_backend/MOOC/.env در .env ما کپی شد (مقدار هرگز چاپ نشد؛ بکاپ: .deploy-backups/env-before-zarinpal-merchant-20260927-222314)، ری‌استارت، و PaymentRequest با callbackِ mathapi حالا ۱۰۰ می‌دهد. پرداخت‌های دو اپ حالا به یک حسابِ زرین‌پال می‌روند. هنوز آزموده نشده: یک پرداختِ واقعی تا verify.

• فرانتِ بازسازی‌شده روی math.tadrisino2.ir زنده است (main = 2b4db90). دو ایراد فقط روی سایتِ زنده با حساب‌های دمو پیدا شد و رفع شد: متنِ بخشِ والدین برای فرزند غلط بود، و حسابِ والد (بی‌پایه) به فرمِ «کدوم پایه‌ای؟» می‌افتاد.

• داده‌ی دمو دست‌نخورده است (۱۸ کاربر؛ ۶، ۱۰ تا ۱۵، ۱۷، ۱۸ با امتیاز، گفتگو، تیکت و اعلان‌هایشان). تستِ زنده فقط نشستِ ورود ساخت، هیچ جوابی ثبت نکرد.

وضعیت ۲۰۲۶-۰۹-۲۶ — دستیار روی gpt-4.1-mini

روی سرور: 11bbe1c دیپلوی شد و سرویس واقعاً ری‌استارت شد (۰۲:۵۴). OPENAI_CHAT_MODEL در .env سرور از gpt-4o-mini به gpt-4.1-mini عوض شد؛ بکاپ: .deploy-backups/env-before-gpt41mini-20260926-025320. پیش‌فرضِ settings.py هم همین است. یک سوالِ زنده با مهمانِ تستیِ کاربرِ ۱۸ جواب داد (پیامِ ۴۹: gpt-4.1-mini، tutor-v5-slash-in-question، ۴ chunk، ۲٫۵ ثانیه).

• چرا: دو دور سنجش (گزارش ۲۳، شرح در docs/architecture.md). روی ۱۰۲ مسئله با تصحیحِ دستی، 4.1-mini ۹۵–۹۶ و 4o-mini ۸۵–۹۰ گرفت. هر پاسخ ۰٫۱۲ سنت است، ۲٫۹ برابرِ 4o-mini. ورودِ کتاب هم با همین مدل است (OPENAI_VISION_MODEL).
• «/» در دبستان هم ممیز است هم کسر. جمله‌ی «در کتاب / ممیز است، نه کسر» فقط به دبیرستان می‌رود و قاعده‌ی تشخیص کنارِ سوالِ دبستانی می‌آید. سه مسئله از ۱۷ هنوز غلط است.
• مانده: پاسخِ دبستانی کسر را گاهی با «/» می‌نویسد (۵/۶)، که در نمادِ کتاب یعنی ۵٫۶. یک خطِ پرامپت برای «بر» (v6) آزموده شد و درستی را کمی پایین آورد، پس منتشر نشد (سرور روی v5 ماند). شرح در docs/architecture.md؛ راهِ بعدی احتمالاً در فرانت است.
• داورِ خودکارِ rag_model_benchmark (gpt-4.1) حدودِ ۷٪ اشتباه می‌کند؛ نتیجه‌ی هر سنجش را پیش از تصمیم دستی وارسی کنید.

وضعیت ۲۰۲۶-۰۹-۲۶ — اتصالِ API بازار

7d205ca روی سرور است (ری‌استارت ۲۲:۲۱، migration payment.0008؛ /api/health → integrations.bazaar). Client ID/Secretِ بازار در .env سرور است (بکاپِ پیشش: .deploy-backups/env-before-bazaar-20260926-213108). Redirect URIِ ثبت‌شده در پنلِ بازار خودِ /api/payment/bazaar/verify است: GET کدِ بازار را می‌گیرد، POST خریدِ اپ. اولین تأیید با حسابِ شخصیِ صاحبِ پروژه زده شد: توکن کار کرد ولی به هیچ اپی دسترسی نداشت (۴۰۳ «You don't have access to this app») و همین نشان داد بازار Bearer را نمی‌پذیرد. هر حسابِ بازاری می‌تواند تأیید بزند؛ فقط حسابِ شرکت به کار می‌آید. توکن پاک شد و لینکِ تازه (۲۲:۱۸، ۷۲ ساعت) برای سنیور رفت؛ تا تأییدِ حسابِ شرکت bazaar: false است. اسم‌های حدسیِ ir.tadrisino.app / ir.tadrisino / com.tadrisino روی بازار وجود ندارند. هنوز نداریم: اسمِ پکیجِ اپ (کد حدسِ ir.tadrisino.app را دارد)، SKUِ پلن‌ها، و اپِ اندرویدیِ دارای Poolakey. آدرسِ سنجشِ خرید با سندِ فعلیِ بازار مقایسه شد و هر دو آدرسِ سنجشِ خرید غلط بودند (یعنی هیچ خریدِ واقعی‌ای تأیید نمی‌شد)؛ درست شدند، به‌علاوه‌ی روشِ جدیدِ بازار (توکنِ ثابتِ پیشخان در BAZAAR_PISHKHAN_API_SECRET، بی‌OAuth) که ترجیحی است. سندِ بازار JS است ولی متنش از developers.cafebazaar.ir/wp-json/wp/v2/document?search=... خوانده می‌شود. جزئیات در docs/operations.md.

وضعیت ۲۰۲۶-۰۹-۲۵ (عصر) — پیامکِ واقعی روشن شد

روی سرور: 0580aec دیپلوی و سرویس واقعاً ری‌استارت شد (۱۲:۳۲). KAVENEGAR_API_KEY در .env سرور و لوکال است (حسابِ Master، ~۳۲۶ هزار ریال اعتبار در آن روز). بکاپ‌های پیش از آن: .deploy-backups/env-before-kavenegar-20260925-122959 و db-before-otp-hardening-20260925-122959.sqlite3.

• از این به بعد هر درخواستِ OTP پول است. برای همین: شماره به 09XXXXXXXXX نرمال می‌شود و غیرِ موبایلِ ایران ۴۰۰ می‌گیرد؛ cooldown و سقفِ روزانه‌ی هر شماره (۱۰) و سقفِ روزانه‌ی کلِ سامانه (۳۰۰، ضدِ SMS pumping) در دیتابیس شمرده می‌شوند نه کشِ per-worker. جزئیات در بندِ ۱۷ِ docs/security-before-production.md، تست‌ها در accounts/tests_otp_limits.py.
• مسیرِ کاملِ کاربرِ تازه روی سرورِ زنده سبز شد، بدونِ پیامکِ واقعی: کد مستقیم در دیتابیس ساخته شد. کاربرِ تستیِ آن کاربرِ ۱۷ با شماره‌ی 09000000001 (نام «کاربر تست»، یک جزیره تمام‌شده) روی پروداکشن مانده و مثلِ داده‌ی دمو پیش از کاربرِ واقعی باید پاک شود.
• بررسیِ همه‌ی اتصال‌ها روی سرور (همان عصر، فراخوانیِ زنده، فقط بولین/کدِ پاسخ چاپ شد): GapGPT دوباره اعتبار دارد (دستیار برای مهمانِ تستیِ کاربرِ ۱۸، deviceId = deploy-check-ai-20260925، با ۴ chunk جواب داد و aiProvider خودش ok شد)؛ Qdrant سالم (۱۲ collection). زرین‌پال: مرچنت معتبر ولی -14 «دامنه‌ی callback با دامنه‌ی ثبت‌شده‌ی ترمینال نمی‌خواند» — ترمینال برای api.math.tadrisino2.ir ثبت نشده، پس هیچ پرداختی شروع نمی‌شود؛ رفعش در پنلِ زرین‌پال است. بازار: هر سه BAZAAR_* خالی‌اند (فقط برای خریدِ درون‌برنامه‌ایِ اپِ اندروید لازم است). CACHE_URL و INTERNAL_SERVICE_KEY خالی (اولی کارِ ادمین، دومی فقط مسیرهای داخلی)، کلیدِ امضا هنوز django-insecure (تصمیمِ صاحبِ پروژه).
• ⛔ اولین پیامکِ واقعی (۱۲:۳۵، به شماره‌ی خودِ صاحبِ پروژه) نرسید. API ۲۰۰ داد و کاوه‌نگار پذیرفت، ولی وضعیت شد ۱۳ «لغو شده»؛ یک متنِ سادهِ بی‌کد هم لغو شد، پس ایراد از حساب/خطِ 10009000907070 است نه از کد یا متن. سینیور (۰۹-۲۶): حساب سالم است، فقط اسمِ الگو را نداشتیم — این خط کدِ ورود را فقط با «ارسال با الگو» (verify/lookup) می‌فرستد. کدش آماده است: با KAVENEGAR_OTP_TEMPLATE=<نامِ الگو> در .env کدِ ورود از الگو می‌رود، بدونِ آن همان sms/sendِ قبلی (که روی این خط لغو می‌شود). اسمِ الگو هنوز نرسیده. وضعیت را بدونِ SSH با sms/statusbyreceptor.json بسنجید (latestoutbox برای این کلید ۴۰۷ است).
• ⚠️ زیاد SSH زدن پشتِ سرِ هم یک بار «Permission denied» با رمزِ درست داد؛ با ControlMaster (سوکت در مسیرِ کوتاهِ /tmp، macOS سقفِ ۱۰۴ بایت دارد) یک اتصال باز کنید.

وضعیت ۲۰۲۶-۰۹-۲۵ — این را اول بخوان

کیفیتِ دستیار و گیرِ نقشه (جزئیات و دلیل‌ها در docs/architecture.md). ۵۷۹ تست سبز. روی سرور است: 42783f9 دیپلوی و سرویس واقعاً ری‌استارت شد (۲۰۲۶-۰۹-۲۵ ۰۶:۲۶)، migrationها اعمال شدند، سه‌یار و nextLessonId از بیرون تأیید شدند. بکاپِ پیش از آن: .deploy-backups/db-before-audit-fixes-20260925-062458.sqlite3. پوشه‌ی .bench پاک شد.

• پرامپت tutor-v3-stepwise-plain: متنِ ساده (بی LaTeX/markdown، با تورِ ایمنیِ rag/services/mathtext.py)، حلِ کامل و مرحله‌به‌مرحله با وارسی و «✅ جواب»، لحنِ سه‌سطحی، حافظه‌ی ۶ پیامِ آخرِ گفتگو، و حذفِ راه‌حل‌های disagrees از context.
• جزیره‌ها: فقط درس‌های سوال‌دار شمرده می‌شوند، nextLessonId + lessonIds[0] همیشه درسِ بعدی است، و جزیره‌ی تمام‌شده تمام می‌ماند. بدونِ این، فرانتِ فعلی (که همیشه lessonIds[0] را باز می‌کند) هیچ جزیره‌ای را تمام نمی‌کرد.
• سه‌یار (sigma/delta/pi، باز شدن با ۰/۱۰۰/۳۰۰ امتیاز) با migration progress.0004؛ کاتالوگ روی سرور خالی بود.
• /api/health حالا تمام شدنِ اعتبارِ GapGPT را نشان می‌دهد (aiProvider).
• ⛔ اعتبارِ GapGPT در ۲۰۲۶-۰۹-۲۵ تمام شد (وسطِ rag_model_benchmark؛ مانده ‎−$0.0016). تا شارژ، دستیار برای همه ۵۰۳ می‌دهد. انتخابِ مدلِ چت منتظرِ همین است: هزینه‌ی واقعیِ هر پاسخ با پرامپتِ تازه — gpt-4o-mini ۰٫۰۴۴، gpt-4.1-mini ۰٫۱۱۶، gpt-5-mini ۰٫۱۷۱، gpt-5.4-mini ۰٫۲۹، o4-mini ۰٫۴۱ سنت. دقتشان هنوز اندازه نشده. تصمیمِ صاحبِ پروژه (۰۹-۲۵): فعلاً gpt-4o-mini می‌ماند (۰۹-۲۶ با سنجشِ بعدی به gpt-4.1-mini عوض شد) (ارزان‌ترین). اولین کاندیدا برای سنجش بعد از شارژ: deepseek-v4-flash (قیمتِ رسمی از 4o-mini کمتر، ریاضیِ خیلی قوی‌تر، ولی فارسی و حالتِ بدونِ thinking‌اش اندازه نشده) و gpt-4.1-mini. تیمِ Rag_backend برای جوابِ ریاضی o3-mini استفاده می‌کند.
• فرانت: PRِ ما (#3) بسته شد؛ هرچه فرانت باید بکند فقط در ~/Desktop/کارهای-فرانت-تدریسینو.html است (نه PR). شاخه‌ی محلیِ zareian/ai-chat-readability فقط مرجع است.

بازبینیِ بدبینانه‌ی همان روز و رفع‌ها (۵۷۹ تست سبز؛ جزئیات در docs/architecture.md): پلن روی سفارش (باگِ «ماهانه بده، سالانه بگیر»)، صفحه‌ی خرید اشتراکِ فعال را دست نمی‌زند، تمدید از انقضای فعلی، یک کدِ تخفیف پیش از درگاه و کدِ ۱۰۰٪ = پرداخت، بازسنجیِ خودکارِ پرداختِ تأییدنشده، حذفِ /api/payment/webhook، پورسانتِ affiliate روی پرداختِ واقعی (مهمان بیرون)، امتیاز فقط از جوابِ ثبت‌شده، HEARTS_ENFORCED (خاموش)، OTPِ ۶ رقمی با ۵ حدس، خروج از حساب (tokens_valid_after)، مهمانِ ثبت‌نام‌کننده همان کاربر می‌ماند، والدِ چندفرزندی، سقفِ ورودِ ادمین، پاک‌سازیِ نامِ نمایشی، questionId در دستیار، SQLite با transaction_mode: IMMEDIATE. عمداً انجام نشد (تصمیمِ صاحبِ پروژه: برای ارائه نقطه‌ی شکست می‌سازند): عوض کردنِ DJANGO_SECRET_KEYِ سرور (همه را بیرون می‌اندازد) و مهاجرت به Postgres.

وضعیت ۲۰۲۶-۰۹-۲۴

سرور روی 81348ce به بعد است (سرویس واقعاً ری‌استارت شد)، ۵۳۰ تست سبز، ۶۰ اندپوینت. پروژه در این تاریخ بسته شد؛ فایل‌های تحویل (گزارشِ ۲۲، راهنمای ارائه، zipِ بک‌اند) در ~/Desktop/گزارشات Tadrisino/گزارش-۲۲/ به‌روزند. آن روز کلِ فرانت (MathApp_frontend، upstream main = d223336) صفحه‌به‌صفحه با API زنده تطبیق داده شد و هرچه سمتِ بک‌اند کم بود ساخته شد. کارهای ماندهٔ فرانت در ~/Desktop/کارهای-فرانت-تدریسینو.html برای تیمِ فرانت فرستاده شد.

• جزیره با آزمونش تمام می‌شود: POST /api/nodes/{id}/quiz/complete (هر نمره‌ای؛ تصمیمِ صاحبِ پروژه). بدونِ آن دانش‌آموز بعد از جزیرهٔ اولِ هر فصل گیر می‌کرد.
• «از پی بپرس» بدونِ lessonId هم از کتابِ پایهٔ کاربر جواب می‌دهد.
• استریک و جدولِ رتبه‌بندی زنده‌اند؛ قبلاً هیچ‌جای اپ استریک نمی‌نوشت و جدول فقط با اجرای دستی عوض می‌شد.
• قلب‌ها مثلِ دولینگو: هر ۵ ساعت یکی، ۲۴ ساعت بعد از اولین قلبِ ازدست‌رفته همه.
• پلنِ یک‌ساله ۲۹۹٬۰۰۰ تومان با migration ساخته شد؛ تنها مزیتِ واقعیِ اشتراک در کد هنوز «قلبِ نامحدود» است (تصمیمِ محصولی).
• زیرساخت: NUM_PROXIES=2 (ArvanCloud جلوی سرور است)، gunicorn.conf.py با gthread ۳×۸ و timeoutِ ۱۲۰ (قبلاً سه چتِ هم‌زمانِ دستیار کلِ API را قفل می‌کرد)، Cache-Control: private, no-store روی همهٔ /api/، بازگشت از زرین‌پال به خودِ اپ، refresh token برای مهمان، PATCH /api/notifications/read-all.
• استریکِ حساب‌های دمو از ۲۰۲۶-۰۹-۲۵ صفر نشان داده می‌شود (آخرین روزِ فعالشان ۰۹-۲۳ است) و لیدربردِ هفتگی بعد از ۰۹-۳۰ از آن‌ها خالی می‌شود؛ این رفتارِ درستِ استریکِ زنده است، نه باگ.
• سرور هنوز روی کلیدِ django-insecure-… است (۲۰۲۶-۰۹-۲۴ دوباره تأیید شد، فقط به‌صورتِ بولین).
• دستِ ما نیست: GapGPT کلِ جواب را ~۵ ثانیه نگه می‌دارد و بعد یک‌جا می‌فرستد. CACHE_URL (Redis db1) به تصمیمِ صاحبِ پروژه به ادمینِ سرور سپرده شد. پورتِ ۸۰ِ سرور بدونِ آروان هم جواب می‌دهد (کارِ ادمین).
• بکاپ‌های پیش از هر دیپلو در .deploy-backups/db-before-*-20260924-*.sqlite3.

وضعیت ۲۰۲۶-۰۹-۲۳ (اعداد کهنه)

پروژه در این تاریخ بسته و تحویل داده شد. سرور روی api.math.tadrisino2.ir زنده است و کامیتِ 5003b8a را سرو می‌کند (سرویس واقعاً ری‌استارت شد، نه فقط فایل‌ها روی دیسک). /api/health می‌دهد: grades: 8, lessons: 2617, questions: 2463 و هیچ مهاجرتِ اعمال‌نشده‌ای ندارد.

• هر نودِ پایه‌های هشتم تا دوازدهم آزمونِ کاملِ چهارسوالی دارد. پایه‌های سوم/ششم/هفتم کتابِ تیمِ دیگرند: ۳۹ نود از ۱۴۵ کمتر از چهار سوال دارند، ولی هیچ‌کدام خالی نیست، پس روی نقشه جزیره‌ی مرده وجود ندارد.
• ۴۸۹ تست سبز، check و makemigrations --check تمیز، و spectacular بدونِ خطا و هشدار. ۵۶ اندپوینت.
• تستِ هم‌زمانیِ campaigns که مدت‌ها flaky بود دیگر flaky نیست — علتش یک باگِ واقعی بود، نه طبیعتِ تست؛ پایینِ همین فایل توضیح داده شده.

مستندات در ۲۰۲۶-۰۹-۲۳ بازسازی شد. README.md حالا درِ ورودی است نه دفترچه‌ی راهنما؛ رویه‌ها رفتند به docs/operations.md (دیپلوی، متغیرهای محیطی، بکاپ و بازیابی، ورودِ توسعه‌دهنده‌ها، قواعدِ سرور)، docs/content-authoring.md، docs/architecture.md و docs/docker.md. قبل از نوشتنِ هر سندِ تازه آنجا را نگاه کن، وگرنه همان حرف در سه جا تکرار می‌شود.

سه چیزِ کوچک که در همان روز اضافه شد و دانستنشان لازم است:

• TEST_LOGIN_PHONES — فهرستِ «شماره:کد» در .env که ورود بدونِ کاوه‌نگار را ممکن می‌کند. از ۲۰۲۶-۰۹-۲۳ شب، به تصمیمِ صاحبِ پروژه، روی سرور ۷ شماره‌ی دمو دارد (09120000101 تا 09120000107). کدها فقط در راهنمای ارائه‌ی خودِ صاحبِ پروژه‌اند، نه در ریپو. جزئیات در docs/operations.md.
• RAG روی سرور روشن است (همان شب): OPENAI_API_KEY/QDRANT_API_KEY در .env سرور، /api/health می‌دهد qdrant: true, openai: true. هر سؤالِ کاربرِ واقعی از اعتبارِ GapGPT خرج می‌کند؛ سقفِ ۱۵ در روز برای هر کاربر آن را محدود نگه می‌دارد.
• دیتای دمو روی دیتابیسِ پروداکشن، همه از مسیرِ واقعیِ viewها ساخته شده: ۵ دانش‌آموز (پایه ۸ تا ۱۲، کاربرهای ۱۰ تا ۱۴)، یک والد (۱۵، وصل به ۱۰)، و حسابِ مهمانِ تستِ فرانت (deviceId = frontend-test-device، کاربرِ ۶) که پربارترین است. هرکدام درس، streak، گفتگوی RAG، تیکت با پاسخ و زیرمجموعه دارند؛ لیدربرد با rebuild_leaderboard از فعالیتِ واقعی ساخته شد. purge_demo_data هیچ‌کدام را نمی‌گیرد و باید پیش از آمدنِ کاربرِ واقعی پاک شوند. بکاپِ پیش از آن: .deploy-backups/db-before-demo-20260923-213830.sqlite3.
• idِ هر پایه = شماره‌ی پایه (migration‌ِ content.0008): هشتم=۸، دوازدهم=۱۲، و فیلدِ Grade.number. پیش از آن هشتم=۵ و نهم=۱ بود. FKِ Unit، grade_idِ accounts/ai_tutor/rag و target_filterِ کمپین‌ها همراهش منتقل شدند؛ ادمین و API به ترتیبِ کلاس‌اند. شرح در docs/architecture.md بخشِ دیتابیس.
• صفحه‌های /api/docs/ و /api/redoc/ از قالبِ خودمان رد می‌شوند (templates/tadrisino/) تا متنِ فارسی راست‌به‌چپ رندر شود. قالبِ drf-spectacular دست‌نخورده است و با {{ block.super }} گسترش داده شده.

بکاپ هنوز خودکار نیست. deploy.sh پیش از migrate بکاپ نمی‌گیرد؛ روشِ دستی در docs/operations.md است و در سه دیپلویِ آن روز دستی گرفته شد. خودکار کردنش ارزشمندترین کارِ بعدی‌ست. sqlite3 روی سرور نصب نیست — با venv/bin/python و sqlite3.Connection.backup() بکاپ بگیر، نه با cp.

بخش‌های تاریخیِ زیر به‌ترتیبِ زمان نگه داشته شده‌اند چون درس‌هایشان هنوز معتبر است؛ اعدادِ محتوایی‌شان کهنه‌اند و ملاک همین بخش است.

---

تستِ flakyِ campaigns یک باگِ واقعی بود (۲۰۲۶-۰۹-۲۲)

ExecuteCampaignRealConcurrencyTests ماه‌ها به‌عنوانِ «flakyِ شناخته‌شده» کنار گذاشته شده بود (~۴۵٪ قرمز روی اجرای کاملِ سوئیت). علتش تصادفی‌بودنِ زمان‌بندی نبود:

execute_campaign با .iterator() روی کاربرها حلقه می‌زد، یعنی کرسرِ خواندن در تمامِ طولِ حلقه باز می‌ماند — حلقه‌ای که وسطش CampaignDelivery می‌نویسد و در شاخه‌ی sms یک فراخوانیِ شبکه‌ای به کاوه‌نگار هم می‌کند. روی SQLite همین کرسرِ باز جدول را برای هر نویسنده‌ی هم‌زمان قفل می‌کند، و قفل تا پایانِ حلقه رها نمی‌شود — پس _retry_on_sqlite_lock هیچ‌وقت نمی‌توانست نجاتش دهد، هر چقدر هم صبر می‌کرد.

حالا هر دو شاخه پیش از اولین نوشتن، نتیجه را با list(...values_list(...)) مادی می‌کنند. بعد از این تغییر: ۲۰ اجرای پیاپیِ خودِ تست و ۳ اجرای کاملِ سوئیت، همه سبز.

⚠️ درسِ کلی: در این کدبیس .iterator() را دورِ حلقه‌ای که می‌نویسد یا I/O بیرونی می‌زند نگذارید. تا وقتی روی SQLite هستیم، این الگو در پروداکشن هم همان قفل را می‌سازد — آنجا به‌شکلِ «database is locked» برای درخواست‌های بی‌ربطِ دیگر.

تاریخچه — وضعیت ۲۰۲۶-۰۹-۱۷ (اعداد کهنه)

The server is live and running current code. main is at the latest commit, the service gunicorn-mathapp was restarted against it, and /api/health reports grades: 6, lessons: 1928, questions: 1441. /api/nodes/1/quiz returns a real four-question quiz. 435 tests green.

What that took, and the lessons worth keeping:

1. The server ran two-day-old code while every file on disk was current. The pull and seed_content had happened; the service had simply never been restarted, so gunicorn still served the code it loaded on Sep 15. WhiteNoise builds its static-file index at startup too, which is why collectstatic had run and the admin panel still had no CSS. A file on disk is not a deployed file. Check systemctl show <service> -p ActiveEnterTimestamp before believing anything.
2. deploy.sh reported success while this was true. It health-checked a public URL that the old process answered with 200. It now compares the service start time before and after, and exits non-zero when the restart did not happen.
3. Two files had been hand-edited on the server (config/urls.py, deploy.sh), both only to add a trailing slash to the health route. That is why git pull kept conflicting. api/health/ is now registered upstream alongside api/health, so the edits were reverted and are not needed again.

Still open, and deliberately not acted on:

• DJANGO_SECRET_KEY on the server is the django-insecure-… fallback committed in config/settings.py. Auth tokens are signed with it, so anyone who can read this repo can forge one. Fixing it means removing the key from .env and from the systemd unit and letting settings generate one. The owner decided this is the server admin's call, not ours. manage.py check --deploy flags it as security.W009 on every release.
• CACHE_URL is unset, so rate limiting is per-worker (LocMemCache). Redis is already running on the box at 127.0.0.1:6379; db0 belongs to another app, db1 is free.
• The frontend is still not wired to any API. src/api/ was merged (PR #1) but is imported nowhere; QuestionScreen in App.tsx still renders four hardcoded multiplication questions, and PR #3 (zareian/api-client-2) is still open upstream. Until someone connects the screens, none of the 1,441 questions are visible to a user.

The frontend's Question type carries a type field that nothing reads, and count_objects in Question.TYPE_CHOICES is an empty shell — no rows, no serializer branch, no rendering anywhere. Do not build content for it without asking first.

تاریخچه — وضعیت ۱۴۰۵/۰۶/۲۹ (۲۰۲۶-۰۹-۲۰) (اعداد کهنه)

سرور روی 3026df0 است، کد و محتوا هر دو منتشر شدند، سرویس واقعاً ری‌استارت شد، و /api/health عدد questions: 1783 می‌دهد. /api/nodes/1/quiz چهار سوالِ واقعی برمی‌گرداند.

۵ کتاب روی Qdrant، همه با دیتابیس همگام: ریاضی هشتم (۵۱۸)، نهم (۴۵۰)، دهم (۴۵۸)، حسابان یازدهم (۳۷۶)، حسابان دوازدهم (۳۲۶). صفحه‌ی گم‌شده: صفر. سه کتابِ تیمِ دیگر (سوم/ششم/هفتم، مجموعاً ۱٬۲۵۲) عمداً دست‌نخورده ماندند.

خرجِ کلِ آن روز ۳٫۴۴ دلار بود. روشِ ارزان و دقیقِ استخراج در docs/extraction-playbook.md نوشته شده — قبل از هر ingest تازه آن را بخوان، مخصوصاً بخشِ انتخابِ مدل.

حسابان یازدهم و دوازدهم: وارد مسیرِ بازی شد (۲۰۲۶-۰۹-۲۱)

کاربر تصمیمِ محصولی را گرفت و هر دو پایه ساخته شدند. seed_curriculum_from_textbook اسکلت را رایگان ساخت — یازدهم ۵ فصل/۲۱ نود/۳۶۹ درس، دوازدهم ۵ فصل/۱۲ نود/۳۲۰ درس — و سوال‌ها با subagentهای Sonnet نوشته شدند: ۵۵۹ سوال (یازدهم ۳۲۲، دوازدهم ۲۳۷). هر ۳۳ نودِ هر دو پایه آزمونِ کاملِ چهارسوالی دارند.

GRADE_STYLE حالا برای یازدهم/دوازدهم رنگ دارد (فیروزه‌ای و نیلی، عمداً جدا از شش پایه‌ی عمومی چون حسابان فقط کتابِ رشته‌ی ریاضی‌فیزیک است).

روالِ ساختِ سوال با subagent، حالا ابزار دارد

generate_questions_from_chunks --export DIR جفت‌های (درس، مسئله‌ی تأییدشده) را در فایل‌های JSON می‌ریزد و هیچ فراخوانیِ پولی نمی‌کند؛ کنارشان یک *-RULES.txt با عینِ همان PROMPTی که به مدلِ پولی می‌رفت می‌نویسد، تا کیفیتِ دو شاخه از هم جدا نیفتد. خروجیِ subagent با content.question_io وارد می‌شود (فایلِ بد هیچ‌چیز نمی‌نویسد).

بازده روی ۷۷۸ ورودی: ۶۸۰ سوال، ۸۷٪ — بقیه عمداً رد شدند، بیشترشان مسئله‌هایی که بدونِ شکلِ کتاب خودکفا نمی‌شوند. چند subagent خطایِ حسابِ خودِ کتاب را هم گرفتند (راه‌حلی که √ را ۶ نوشته بود ولی ۶٫۵ بود؛ راه‌حلی که می‌گفت حد وجود ندارد درحالی‌که داشت) — یعنی solution_verdict='agrees' تضمینِ کامل نیست، فقط فیلترِ اول است.

باگی که همان‌جا پیدا و اصلاح شد: اجرای دوم با --per-lesson بالاتر همان chunkِ قبلی را دوباره تحویل می‌داد و سوالِ تقریباً تکراری می‌ساخت. حالا _targets به اندازه‌ی سوال‌هایی که درس از قبل دارد از ترتیبِ قطعیِ chunkها می‌پرد. این خطا نه لاگ می‌داد، نه در import گیر می‌افتاد (چون صورتِ سوال بازنویسی می‌شود و رشته‌اش یکی نیست).

⚠️ سقفِ هفتگیِ Sonnet واقعی است و ناگهانی می‌رسد. ۲۰ subagentِ هم‌زمان (هرکدام ~۹۵ هزار توکن برای ۳۰ سوال) آن را در یک نشست پر کرد. اگر کارِ انبوه داری، دسته‌ها را کوچک‌تر بگیر و بینشان نتیجه را وارد کن — خوشبختانه بیشترِ agentها فایلشان را نوشته بودند و فقط در تماسِ آخر خوردند، پس چیزی از دست نرفت.

چیزهایی که آن روز کشف شد و تکرارشان گران است

• مدل را اندازه بگیر، از جدولِ قیمت نخوان. قیمتِ GapGPT با قیمتِ رسمی یکی نیست: gpt-4.1-mini هم از gpt-4o ارزان‌تر بود هم دقیق‌تر، و gemini-3.6-flash برخلافِ انتظار سه برابرِ gpt-4o گران درآمد. OPENAI_VISION_MODEL=gpt-4.1-mini الان در .env است و هر پنج کتاب با همان خوانده شد.
• ساختِ سوال را با subagent انجام بده، نه با API. generate_questions_from_chunks پیش‌فرضش o4-mini است و ~۰٫۷۷ سنت برای هر سوال می‌گیرد (چهار برابرِ تخمینِ خودش، چون مدلِ ریزنینگ است). همان کار با subagentهای Sonnet رایگان است و بازده‌اش ۹۲٪ بود. روالش: جفت‌های (درس، مسئله‌ی تأییدشده) را به JSON بده، subagent خروجی بنویسد، و با content.question_io واردش کن.
• --recheck در rag_verify_solutions همه‌چیز را دوباره می‌فرستد، نه فقط موارد تازه. برای بازبینیِ یک زیرمجموعه، رأیشان را خالی کن و اجرای عادی بزن.
• شمارنده‌ی صفحات حینِ --refresh معنی ندارد — هر صفحه اول پاک و بعد خوانده می‌شود، پس عدد دورِ کل نوسان می‌کند. پیشرفت را از IngestedPage.created_at بسنج.
• در untilِ انتظار، ps | grep خودش را می‌شمارد و حلقه هرگز تمام نمی‌شود. از pgrep -f استفاده کن.
• کد و محتوا دو مسیرِ جدا دارند. db.sqlite3 در gitignore است؛ سوال‌ها فقط از راهِ seed_content --export --only questions و کامیتِ content/seed/questions.json به سرور می‌رسند. پوش کردنِ کد به‌تنهایی محتوا را نمی‌برد.

CORS

پورت‌های توسعه دیگر شمرده نمی‌شوند؛ CORS_ALLOWED_ORIGIN_REGEXES هر پورتی روی localhost/127.0.0.1 را می‌پذیرد. اگر باز هم گزارشِ CORS رسید، اول بپرس Hard Refresh زده‌اند یا نه — مرورگر نتیجه‌ی preflight را کش می‌کند.