diff --git a/.github/workflows/ci.yml b/.github/workflows/ci.yml
new file mode 100644
index 0000000..a17fb1b
--- /dev/null
+++ b/.github/workflows/ci.yml
@@ -0,0 +1,63 @@
+name: CI
+
+on:
+  push:
+  pull_request:
+  workflow_dispatch:
+
+permissions:
+  contents: read
+
+concurrency:
+  group: ci-${{ github.workflow }}-${{ github.ref }}
+  cancel-in-progress: true
+
+jobs:
+  validate:
+    name: Schema, data, and unit checks (no training)
+    runs-on: ubuntu-22.04
+    timeout-minutes: 20
+    env:
+      PYTHONUTF8: "1"
+      PYTHONIOENCODING: "utf-8"
+      RASA_TELEMETRY_ENABLED: "false"
+      TF_CPP_MIN_LOG_LEVEL: "2"
+
+    steps:
+      - name: Check out repository
+        uses: actions/checkout@v4
+
+      - name: Set up Python 3.10
+        uses: actions/setup-python@v5
+        with:
+          python-version: "3.10.11"
+          cache: pip
+          cache-dependency-path: |
+            requirements.txt
+            requirements-dev.txt
+
+      - name: Install pinned dependencies
+        run: |
+          python -m pip install pip==24.3.1
+          python -m pip install -r requirements-dev.txt
+          python -m pip check
+          python -m rasa --version
+
+      - name: Validate Rasa data and domain
+        run: >-
+          python -m rasa data validate
+          --domain domain.yml
+          --data data
+          --fail-on-warnings
+
+      - name: Run project-level static validation
+        run: python tests/static_validate.py
+
+      - name: Run Python unit tests when present
+        shell: bash
+        run: |
+          if find tests -type f \( -name 'test_*.py' -o -name '*_test.py' \) -print -quit | grep -q .; then
+            python -m pytest -q
+          else
+            echo "No Python unit tests found; pytest skipped."
+          fi
diff --git a/.gitignore b/.gitignore
new file mode 100644
index 0000000..4aa8203
--- /dev/null
+++ b/.gitignore
@@ -0,0 +1,55 @@
+# Python
+__pycache__/
+*.py[cod]
+.pytest_cache/
+.coverage
+htmlcov/
+venv/
+.venv/
+.venv-rasa/
+.runtime/
+
+# Rasa and generated evaluation data
+.rasa/
+models/
+results/*
+!results/README.md
+!results/experiments.md
+!results/final/
+results/final/*
+!results/final/summary.md
+!results/final/*_report.json
+!results/final/*_errors.json
+!results/final/*_confusion_matrix.png
+!results/final/*_histogram.png
+!results/final/runtime_report.json
+
+# Local application state
+.config/
+.keras/
+.env
+.env.*
+!.env.example
+*.log
+.agents/
+.codex/
+
+# IDE and operating system
+.idea/
+.vscode/
+.DS_Store
+Thumbs.db
+
+# Historical unpacked duplicate and local audit artifacts
+/rasa_diploma/
+/artifacts/
+/outputs/
+/output/
+/document_tools/
+/.audit_docx/
+*.backup
+
+# Personal diploma artifacts are not part of the public code repository
+*.docx
+*.pptx
+*.pdf
diff --git a/.python-version b/.python-version
new file mode 100644
index 0000000..09dcc78
--- /dev/null
+++ b/.python-version
@@ -0,0 +1 @@
+3.10.11
diff --git a/README.md b/README.md
new file mode 100644
index 0000000..24d1d41
--- /dev/null
+++ b/README.md
@@ -0,0 +1,212 @@
+# Русскоязычный intent-based ассистент на Rasa
+
+Восстановленный и заново обученный дипломный проект Хуршида Мухаммадиева.
+Это классическая диалоговая система: она не генерирует текст через LLM и не
+обращается к внешнему API, а обучается на собственном размеченном корпусе,
+распознаёт намерение пользователя и выбирает подготовленный ответ или действие.
+
+Проект специально оставлен CLI-first. Веб-интерфейс и публичный REST API здесь
+не нужны: основная работа — данные, ML/NLU, оценка качества и воспроизводимый
+запуск.
+
+## Результат
+
+Финальная модель обучена на 795 русскоязычных примерах и оценена на 235
+отложенных test-сообщениях. Test split не участвовал в обучении; после выбранного
+финального прогона train и конфигурация модели не изменялись.
+
+| Метрика | Результат |
+|---|---:|
+| Raw Intent Accuracy | **89,36%** |
+| Intent Macro-F1 | **90,23%** |
+| Intent Weighted-F1 | **89,26%** |
+| `person_name` token/tag F1 | **87,80%** |
+| Строгая accuracy после fallback | **88,94%** |
+| Coverage без fallback | **97,02%** |
+| Selective accuracy | **91,67%** |
+
+Полный отчёт: [results/final/summary.md](results/final/summary.md). История двух
+итераций и прирост от улучшения данных: [results/experiments.md](results/experiments.md).
+
+![Матрица ошибок intent](results/final/intent_confusion_matrix.png)
+
+Все цифры получены реальным запуском закреплённого окружения. Корпус составлен
+вручную/синтетически, поэтому эти метрики не выдаются за качество на сообщениях
+реальных пользователей.
+
+## Что обучается
+
+- 21 пользовательский intent: приветствие, помощь, вопросы о проекте, Rasa,
+  NLU, обучении, запуске, Docker, времени и другие сценарии;
+- `DIETClassifier` классифицирует intent и извлекает сущность `person_name`;
+- slot `user_name` хранит найденное имя в пределах текущей сессии;
+- `FallbackClassifier` безопасно отклоняет запросы с низкой уверенностью;
+- `RulePolicy` и `TEDPolicy` выбирают следующий ответ или custom action;
+- четыре Python-action возвращают возможности, запоминают имя и называют дату
+  или время Ташкента.
+
+Примеры маршрутизации:
+
+```text
+«Кто разработал помощника?»
+  → ask_creator → utter_creator
+
+«Меня зовут Азамат»
+  → inform_name + person_name="Азамат" → action_remember_name
+
+неподдерживаемая тема
+  → out_of_scope или nlu_fallback → ограниченный безопасный ответ
+```
+
+## Архитектура
+
+```mermaid
+flowchart LR
+    U["Русская реплика"] --> F["Word и char_wb n-grams"]
+    F --> D["DIETClassifier"]
+    D --> N["intent + person_name"]
+    D -->|"низкая уверенность"| B["FallbackClassifier"]
+    N --> C["RulePolicy / TEDPolicy"]
+    B --> C
+    C --> R["Готовый ответ"]
+    C --> A["Python custom action"]
+```
+
+Стек закреплён для повторяемого запуска: Python 3.10.11, Rasa 3.6.21 и Rasa SDK
+3.6.2. У DIET/TED по 100 эпох и `random_seed: 42`. Прямые зависимости закреплены,
+но полного lock-файла транзитивных пакетов нет, поэтому побитовая идентичность
+переобученной модели не обещается.
+
+## Данные и честная оценка
+
+| Split | Файл | Примеров | Назначение |
+|---|---|---:|---|
+| train | `data/nlu.yml` | 795 | обучение модели |
+| dev | `tests/nlu_dev.yml` | 235 | диагностика и улучшение границ intent |
+| test | `tests/nlu_test.yml` | 235 | финальная отложенная оценка |
+
+`tests/static_validate.py` проверяет таксономию, размеры split, YAML-связи,
+реализации actions, закреплённые Docker-образы и гигиену разделения данных. Он
+автоматически подтверждает:
+
+- отсутствие точных пересечений train/dev/test;
+- отсутствие совпадающих train/test-шаблонов после маскировки entity;
+- новые значения `person_name` в dev и test;
+- по выбранной текстовой эвристике нет пар одного intent между train/test и
+  dev/test со score `>= 0,85`.
+
+Последняя проверка чувствительна к выбранной метрике и порогу: она не исключает
+семантически близкие фразы и не доказывает статистическую независимость или
+качество на реальном пользовательском трафике.
+
+`rasa test nlu` показывает исходное качество классификатора без влияния
+fallback. `scripts/evaluate_runtime_nlu.py` отдельно пропускает те же сообщения
+через полный pipeline и считает coverage, fallback rate и selective accuracy,
+не сохраняя тексты сообщений в runtime-отчёт.
+
+В финальном прогоне fallback отклонил семь сообщений: шесть с ошибочным raw
+intent и одно с верным. Поэтому он повысил точность среди принятых intent ценой
+3% coverage и снижения строгой общей accuracy на 0,43 процентного пункта.
+
+## Быстрый запуск на Windows
+
+Нужен именно Python 3.10: текущая ветка Rasa 3.6 несовместима с Python 3.11+.
+
+```powershell
+py -3.10 -m venv .venv-rasa
+.\.venv-rasa\Scripts\python.exe -m pip install -r requirements-dev.txt
+```
+
+Проверка, обучение и финальная оценка:
+
+```powershell
+powershell -NoProfile -ExecutionPolicy Bypass -File .\scripts\validate.ps1
+powershell -NoProfile -ExecutionPolicy Bypass -File .\scripts\train.ps1 -Force
+powershell -NoProfile -ExecutionPolicy Bypass -File .\scripts\evaluate.ps1
+```
+
+Оценка выполняет три прохода: штатный `rasa test nlu`, полный NLU pipeline с
+`FallbackClassifier` и Core-тест диалоговой политики на той же модели. Модели
+сохраняются в `models/`, а отчёты — в `results/final/`.
+
+Интерактивный разговор:
+
+```powershell
+powershell -NoProfile -ExecutionPolicy Bypass -File .\scripts\chat.ps1
+```
+
+Скрипт скрыто запускает локальный action server, ждёт его healthcheck, открывает
+`rasa shell` и завершает фоновый процесс при выходе.
+
+## Запуск через Docker
+
+Docker не публикует HTTP-порты: контейнеры используются только для
+воспроизводимого CLI-запуска.
+
+```powershell
+docker compose run --rm --no-deps rasa data validate --fail-on-warnings
+docker compose run --rm --no-deps rasa train
+docker compose run --rm rasa
+docker compose down
+```
+
+Rasa и action server общаются только во внутренней сети Compose через
+`endpoints.docker.yml`.
+
+## Проверки
+
+```powershell
+# статические инварианты и штатная валидация Rasa
+powershell -NoProfile -ExecutionPolicy Bypass -File .\scripts\validate.ps1
+
+# unit-тесты четырёх custom actions
+.\.venv-rasa\Scripts\python.exe -m pytest -q
+
+# Core-сценарии для уже обученной модели
+.\.venv-rasa\Scripts\python.exe -m rasa test core `
+  --model .\models\<model>.tar.gz `
+  --stories .\tests\test_stories.yml `
+  --out .\results\core
+```
+
+Проверенный результат Core: **10/10 историй и 47/47 действий**, из которых 23 —
+технические `action_listen`. Это Core-only проверка с заранее заданными gold
+intents, а не end-to-end оценка распознавания пользовательских фраз. GitHub
+Actions выполняет schema/data/unit checks, но намеренно не обучает DIET/TED на
+каждом push; зелёный CI сам по себе не подтверждает ML-метрики.
+
+## Структура репозитория
+
+```text
+actions/                  custom actions на Python
+data/                     train NLU, rules и stories
+scripts/                  validate/train/evaluate/chat
+tests/                    dev/test NLU, Core и unit-тесты
+results/final/            реальные отчёты выбранной модели
+config.yml                NLU pipeline и dialogue policies
+domain.yml                intents, entity, slot, ответы и actions
+docker-compose.yml        CLI-only контейнерный запуск
+requirements*.txt         закреплённые зависимости
+```
+
+Модели, виртуальные окружения, личные DOCX/PPTX/PDF, логи и старые копии проекта
+исключены из Git. Для публичного репозитория подготовлены только код, данные и
+проверяемые результаты экспериментов.
+
+## Ограничения
+
+- test-данные не являются выборкой из реального пользовательского трафика;
+- модель выбирает подготовленные ответы и не решает произвольные задачи;
+- Rasa Open Source 3.6 — legacy-ветка: её период поддержки уже завершён согласно
+  [официальной политике Rasa](https://rasa.com/rasa-product-release-and-maintenance-policy).
+  Она оставлена для исторической совместимости учебного проекта, но не
+  рекомендуется как основа нового production-сервиса;
+- Docker-конфигурация подготовлена, но локальный прогон в этой среде не
+  выполнялся из-за отсутствия Docker.
+
+Следующий содержательный шаг для ML-части — собрать анонимный набор реальных
+реплик, не изменять по нему train и повторить независимую оценку.
+
+## Лицензия
+
+Код и данные проекта распространяются по лицензии [MIT](LICENSE).
diff --git a/actions/__init__.py b/actions/__init__.py
new file mode 100644
index 0000000..1298755
--- /dev/null
+++ b/actions/__init__.py
@@ -0,0 +1 @@
+"""Custom actions package for the Rasa SDK action server."""
diff --git a/actions/actions.py b/actions/actions.py
new file mode 100644
index 0000000..c021dc0
--- /dev/null
+++ b/actions/actions.py
@@ -0,0 +1,104 @@
+from datetime import datetime, timedelta, timezone
+from typing import Any, Dict, List, Text
+
+from rasa_sdk import Action, Tracker
+from rasa_sdk.executor import CollectingDispatcher
+
+
+class ActionRememberName(Action):
+    def name(self) -> Text:
+        return "action_remember_name"
+
+    def run(
+        self,
+        dispatcher: CollectingDispatcher,
+        tracker: Tracker,
+        domain: Dict[Text, Any],
+    ) -> List[Dict[Text, Any]]:
+        user_name = tracker.get_slot("user_name")
+
+        if user_name:
+            dispatcher.utter_message(
+                text=f"Приятно познакомиться, {user_name}! Я запомню ваше имя в рамках текущего диалога."
+            )
+        else:
+            dispatcher.utter_message(
+                text="Я не смог выделить имя. Напишите, например: «Меня зовут Анна»."
+            )
+
+        return []
+
+
+class ActionShowCapabilities(Action):
+    def name(self) -> Text:
+        return "action_show_capabilities"
+
+    def run(
+        self,
+        dispatcher: CollectingDispatcher,
+        tracker: Tracker,
+        domain: Dict[Text, Any],
+    ) -> List[Dict[Text, Any]]:
+        user_name = tracker.get_slot("user_name")
+        subject = f"{user_name}, я" if user_name else "Я"
+        dispatcher.utter_message(
+            text=(
+                f"{subject} могу рассказать о себе, авторе и назначении проекта, "
+                "объяснить Rasa, NLU, Docker, обучение, запуск и структуру файлов, "
+                "запомнить имя, назвать дату и время, поддержать короткий разговор "
+                "и пошутить."
+            )
+        )
+        return []
+
+
+class ActionShowTime(Action):
+    def name(self) -> Text:
+        return "action_show_time"
+
+    def run(
+        self,
+        dispatcher: CollectingDispatcher,
+        tracker: Tracker,
+        domain: Dict[Text, Any],
+    ) -> List[Dict[Text, Any]]:
+        tashkent_time = datetime.now(timezone(timedelta(hours=5)))
+        dispatcher.utter_message(
+            text=f"Сейчас {tashkent_time:%H:%M} по времени Ташкента (UTC+5)."
+        )
+        return []
+
+
+class ActionShowDate(Action):
+    def name(self) -> Text:
+        return "action_show_date"
+
+    def run(
+        self,
+        dispatcher: CollectingDispatcher,
+        tracker: Tracker,
+        domain: Dict[Text, Any],
+    ) -> List[Dict[Text, Any]]:
+        tashkent_date = datetime.now(timezone(timedelta(hours=5)))
+        month_names = (
+            "января",
+            "февраля",
+            "марта",
+            "апреля",
+            "мая",
+            "июня",
+            "июля",
+            "августа",
+            "сентября",
+            "октября",
+            "ноября",
+            "декабря",
+        )
+        dispatcher.utter_message(
+            text=(
+                f"Сегодня {tashkent_date.day} "
+                f"{month_names[tashkent_date.month - 1]} {tashkent_date.year} года "
+                "по времени Ташкента."
+            )
+        )
+        return []
diff --git a/config.yml b/config.yml
new file mode 100644
index 0000000..b8a7b78
--- /dev/null
+++ b/config.yml
@@ -0,0 +1,34 @@
+recipe: default.v1
+language: ru
+
+pipeline:
+  - name: WhitespaceTokenizer
+  - name: LexicalSyntacticFeaturizer
+  - name: CountVectorsFeaturizer
+    analyzer: word
+  - name: CountVectorsFeaturizer
+    analyzer: char_wb
+    min_ngram: 3
+    max_ngram: 5
+  - name: DIETClassifier
+    epochs: 100
+    constrain_similarities: true
+    random_seed: 42
+  - name: FallbackClassifier
+    threshold: 0.55
+    ambiguity_threshold: 0.10
+
+policies:
+  - name: MemoizationPolicy
+    max_history: 5
+  - name: RulePolicy
+    core_fallback_threshold: 0.30
+    core_fallback_action_name: utter_default
+    enable_fallback_prediction: true
+  - name: TEDPolicy
+    max_history: 5
+    epochs: 100
+    constrain_similarities: true
+    random_seed: 42
+
+assistant_id: diploma-russian-study-assistant
diff --git a/data/nlu.yml b/data/nlu.yml
new file mode 100644
index 0000000..521eece
--- /dev/null
+++ b/data/nlu.yml
@@ -0,0 +1,860 @@
+version: "3.1"
+
+nlu:
+- intent: greet
+  examples: |
+    - привет
+    - здравствуй
+    - здравствуйте
+    - доброе утро
+    - добрый день
+    - добрый вечер
+    - приветствую
+    - салют
+    - рад встрече
+    - рад тебя видеть
+    - начинаем разговор
+    - давай познакомимся
+    - всем привет
+    - привет, помощник
+    - здравствуй, бот
+    - доброго утра
+    - доброго дня
+    - доброго вечера
+    - я снова здесь
+    - можно начать беседу
+    - хочу поздороваться
+    - передаю привет
+    - привет тебе
+    - ну здравствуй
+    - хей, начнём
+    - предлагаю познакомиться и начать разговор
+    - помощник, выходи на связь
+    - открываем новую беседу
+    - рад нашей первой встрече
+    - в диалог вошёл новый пользователь
+    - можем начинать общение
+    - приветствую виртуального собеседника
+    - я пришёл поговорить с помощником
+    - давай откроем разговор
+    - начинаю общение с ботом
+
+- intent: goodbye
+  examples: |
+    - пока
+    - до свидания
+    - до встречи
+    - всего доброго
+    - всего хорошего
+    - увидимся позже
+    - мне пора
+    - я ухожу
+    - завершим беседу
+    - закончим разговор
+    - на этом всё
+    - буду прощаться
+    - хорошего дня
+    - спокойной ночи
+    - ещё увидимся
+    - до скорого
+    - прощай
+    - отключаюсь
+    - мне нужно идти
+    - спасибо, пока
+    - до следующего раза
+    - заверши диалог
+    - больше вопросов нет
+    - увидимся
+    - заканчиваем
+    - пора закрывать наш разговор
+    - вернусь с вопросами в другой раз
+    - я закончил работу с помощником
+    - остановим беседу на сегодня
+    - благодарю, теперь буду прощаться
+    - закрой текущий диалог
+    - продолжим общение как-нибудь потом
+    - на сегодня разговор окончен
+    - мне пора отключиться от чата
+    - желаю успехов и ухожу
+
+- intent: thanks
+  examples: |
+    - спасибо
+    - большое спасибо
+    - благодарю
+    - спасибо за помощь
+    - очень признателен
+    - премного благодарен
+    - ты мне помог
+    - благодарю за объяснение
+    - спасибо за подробности
+    - это было полезно, спасибо
+    - ценю твою помощь
+    - спасибо за понятный ответ
+    - огромное спасибо
+    - благодарю тебя
+    - признателен за информацию
+    - выручил, спасибо
+    - от души благодарю
+    - спасибо, теперь понятно
+    - благодарю за подсказку
+    - весьма признателен
+    - спасибо за разъяснение
+    - ты очень помог, благодарю
+    - выражаю благодарность
+    - спасибо за уделённое время
+    - благодарю за точный ответ
+    - твоя рекомендация мне пригодилась
+    - подсказка оказалась полезной
+    - теперь всё стало ясно
+    - хорошо объяснил, благодарю
+    - ответ действительно помог разобраться
+    - ценная информация, признателен
+    - благодаря тебе я понял тему
+    - отличный совет, он сработал
+    - это именно то, что было нужно
+    - помощь была кстати
+
+- intent: help
+  examples: |
+    - что ты умеешь
+    - чем ты можешь помочь
+    - покажи свои возможности
+    - какие у тебя функции
+    - о чём тебя можно спросить
+    - перечисли доступные команды
+    - расскажи, что тебе известно
+    - нужна подсказка по возможностям
+    - с какими вопросами ты работаешь
+    - объясни, чем занимаешься
+    - дай список доступных тем
+    - в чём ты можешь быть полезен
+    - подскажи, как с тобой общаться
+    - какие запросы ты понимаешь
+    - покажи справку
+    - мне нужна помощь
+    - помоги разобраться с твоими функциями
+    - что можно здесь узнать
+    - какие темы поддерживаются
+    - расскажи о доступных действиях
+    - что мне у тебя спросить
+    - как пользоваться этим помощником
+    - открой перечень возможностей
+    - нужна инструкция по общению
+    - на какие вопросы ты отвечаешь
+    - сделай обзор доступных навыков
+    - покажи пользовательское руководство
+    - объясни правила разговора с тобой
+    - перечисли темы, в которых ты ориентируешься
+    - с чего начать работу с помощником
+    - предложи несколько вариантов вопроса
+    - дай короткую памятку пользователю
+    - какие действия здесь доступны
+    - познакомь меня со своими функциями
+    - подскажи поддерживаемые направления
+
+- intent: ask_name
+  examples: |
+    - кто ты
+    - как тебя зовут
+    - представься
+    - у тебя есть имя
+    - как к тебе обращаться
+    - назови своё имя
+    - ты кто такой
+    - какое у тебя имя
+    - скажи, кто ты
+    - кем ты являешься
+    - как называется этот помощник
+    - можешь представиться
+    - расскажи о себе кратко
+    - что ты за ассистент
+    - ты бот или человек
+    - какое имя у бота
+    - под каким именем ты работаешь
+    - хочу узнать твоё имя
+    - кто сейчас мне отвечает
+    - как мне тебя называть
+    - обозначь себя
+    - что ты собой представляешь
+    - назови себя
+    - с кем я разговариваю
+    - кто мой собеседник
+    - сообщи имя виртуального ассистента
+    - под каким названием тебя знают
+    - как подписан этот бот
+    - представь личность собеседника
+    - какое обращение выбрать для тебя
+    - назови себя как участника диалога
+    - хочу понять, кто отвечает мне сейчас
+    - какое имя носит помощник
+    - идентифицируй себя как ассистента
+    - с каким ботом я веду разговор
+
+- intent: ask_creator
+  examples: |
+    - кто тебя создал
+    - кто твой автор
+    - кем ты разработан
+    - кто написал этого бота
+    - расскажи о создателе
+    - кто разработчик ассистента
+    - назови автора программы
+    - чей это проект
+    - кто занимался разработкой
+    - кто сделал эту систему
+    - кому принадлежит авторство
+    - расскажи о своём разработчике
+    - какой студент тебя реализовал
+    - кто подготовил дипломного бота
+    - назови имя создателя
+    - кем создан этот помощник
+    - кто является автором работы
+    - чья разработка передо мной
+    - кто программировал ассистента
+    - сообщи данные разработчика
+    - кто работал над этим ботом
+    - автор проекта кто
+    - кто реализовал данную систему
+    - чьим дипломным проектом ты являешься
+    - расскажи, кем была выполнена работа
+    - кто выступил исполнителем дипломной разработки
+    - назови студента-разработчика системы
+    - кто написал исходный код помощника
+    - чья работа представлена в репозитории
+    - сообщи имя автора реализации
+    - какой разработчик собрал этого ассистента
+    - кто отвечает за создание программы
+    - кем выполнена программная часть диплома
+    - укажи человека, разработавшего бота
+    - кому принадлежит реализация проекта
+
+- intent: ask_project
+  examples: |
+    - расскажи о дипломном проекте
+    - какая тема проекта
+    - какова цель этой работы
+    - что демонстрирует проект
+    - для чего создан этот ассистент
+    - о чём твой проект
+    - в чём состоит дипломная разработка
+    - какую задачу решает система
+    - опиши назначение проекта
+    - какова идея диплома
+    - что было разработано в рамках работы
+    - чему посвящено исследование
+    - какой результат получен в проекте
+    - расскажи содержание дипломной работы
+    - зачем создавался виртуальный помощник
+    - в чём практический смысл разработки
+    - какая проблема рассматривается в дипломе
+    - опиши проект одним абзацем
+    - что является объектом разработки
+    - какую концепцию показывает ассистент
+    - сформулируй цель диплома
+    - что представляет собой эта работа
+    - какие задачи ставились в проекте
+    - расскажи о тематике исследования
+    - для какой демонстрации сделан бот
+    - каков основной замысел разработки
+    - дай общее описание созданной системы
+    - какую пользу демонстрирует этот проект
+    - в чём заключается главная цель решения
+    - резюмируй содержание разработки
+    - какой результат подтверждает эта разработка
+    - объясни идею виртуального помощника
+    - что исследуется с помощью этого бота
+    - назови назначение готовой системы
+    - какой практический результат у диплома
+
+- intent: inform_name
+  examples: |
+    - меня зовут [Александр](person_name)
+    - моё имя [Екатерина](person_name)
+    - я [Михаил](person_name)
+    - можешь звать меня [Наталья](person_name)
+    - обращайся ко мне как [Тимур](person_name)
+    - хочу представиться: [Диана](person_name)
+    - моё полное имя [Иван Петров](person_name)
+    - я представлюсь, [Анна Смирнова](person_name)
+    - называй меня [Али-Шер](person_name)
+    - для тебя я [Мария-Луиза](person_name)
+    - запомни имя [Абдулла Рахимов](person_name)
+    - при знакомстве меня называют [Софья](person_name)
+    - в этом диалоге я [Рустам](person_name)
+    - моё имя и отчество [Елена Викторовна](person_name)
+    - записывай: [Павел Сергеевич](person_name)
+    - представлюсь как [Николай](person_name)
+    - друзья зовут меня [Зарина](person_name)
+    - можно обращаться [Олег Ким](person_name)
+    - в беседе используй имя [Светлана Орлова](person_name)
+    - представь, что меня зовут [Бекзод Юлдашев](person_name)
+    - буду знакома, [Виктория](person_name)
+    - приятно познакомиться, я [Артём](person_name)
+    - при обращении говори [Камилла](person_name)
+    - сохрани, пожалуйста, имя [Фаррух](person_name)
+    - здесь я записан как [Лев](person_name)
+    - представь меня именем [Надежда](person_name)
+    - зовут меня [Илья Воронцов](person_name)
+    - в профиле указано [Малика Абдуллаева](person_name)
+    - мое имя пишется [Жан-Клод](person_name)
+    - ко мне можно обращаться по имени [Алина](person_name)
+    - скажу своё имя — [Георгий](person_name)
+    - разрешаю называть меня [Лилия](person_name)
+    - пожалуйста, запомни: [Владислав](person_name)
+    - собеседника зовут [Инна](person_name)
+    - я хотел бы представиться как [Денис](person_name)
+    - используйте для обращения имя [Эльвира](person_name)
+    - во время разговора называй меня [Константин](person_name)
+    - моё настоящее имя — [Айгуль](person_name)
+    - давай знакомиться, я [Роман](person_name)
+    - можешь сохранить имя [Татьяна](person_name)
+    - укажи в профиле имя [Ярослав](person_name)
+    - для текущего разговора я [Саида](person_name)
+    - обращайся к собеседнику [Кирилл Новиков](person_name)
+    - мой профиль принадлежит [Азиза Ахмедова](person_name)
+    - можешь говорить мне [Арсен](person_name)
+    - запиши моё имя: [Мирослава](person_name)
+    - в этом чате называй меня [Даврон](person_name)
+    - полное имя пользователя [Полина Громова](person_name)
+    - договоримся, что я [Шахзода](person_name)
+    - обращение для меня — [Евгений Ильин](person_name)
+    - создай запись пользователя [Злата](person_name)
+    - в текущем чате используй [Умар Саидов](person_name)
+    - моим именем будет [Вероника](person_name)
+    - добавь в карточку [Борис Кузнецов](person_name)
+    - прошу обращаться ко мне [Нигина](person_name)
+    - имя участника диалога — [Самир](person_name)
+    - сохрани правильное написание: [Яна Белова](person_name)
+    - можешь считать, что я [Антон](person_name)
+    - полностью меня зовут [Мадина Юсупова](person_name)
+    - выбери для меня обращение [Глеб](person_name)
+
+- intent: ask_restart
+  examples: |
+    - начни диалог заново
+    - давай сначала
+    - перезапусти разговор
+    - сбрось диалог
+    - хочу начать сначала
+    - очисти нашу беседу
+    - забудь текущий контекст
+    - верни разговор к началу
+    - перезагрузи сессию
+    - сотри историю этого диалога
+    - начнём общение с чистого листа
+    - сбрось сохранённые данные беседы
+    - хочу новую сессию
+    - аннулируй текущий разговор
+    - выполни перезапуск чата
+    - удали контекст и начни снова
+    - обнули состояние помощника
+    - перезапусти текущую беседу
+    - верни исходное состояние
+    - начни новый сеанс общения
+    - забудь всё из этого разговора
+    - очисти память текущей сессии
+    - можно открыть новый диалог
+    - прекрати эту сессию и создай новую
+    - хочу поговорить заново без истории
+    - удали предыдущие сообщения из контекста
+    - создай пустую беседу с самого начала
+    - верни диалог к пустому начальному состоянию
+    - очисти всё, что бот помнит о разговоре
+    - открой свежую сессию без прошлого
+    - начни новый чат с нулевым контекстом
+    - сбрось память и вернись к старту
+    - отмени историю текущего общения
+    - перезапусти помощника для новой беседы
+    - хочу чистый диалог без прежних данных
+
+- intent: ask_rasa
+  examples: |
+    - что такое Rasa
+    - расскажи о платформе Rasa
+    - для чего предназначена Rasa
+    - какую роль Rasa играет в проекте
+    - почему выбрана именно Rasa
+    - Rasa является фреймворком
+    - опиши основные компоненты Rasa
+    - что умеет платформа Rasa
+    - чем Rasa полезна для чат-ботов
+    - дай определение Rasa
+    - какая архитектура у Rasa
+    - из каких частей состоит Rasa
+    - чем Rasa отличается от обычного скрипта
+    - является ли Rasa открытым решением
+    - объясни назначение Rasa в ассистенте
+    - на чём основана платформа Rasa
+    - какие задачи решает Rasa как система
+    - что входит в экосистему Rasa
+    - расскажи об устройстве Rasa в общих чертах
+    - зачем чат-боту нужен фреймворк Rasa
+    - почему Rasa подходит для диалоговой системы
+    - какую часть помощника обеспечивает Rasa
+    - что представляет собой Rasa Open Source
+    - где в архитектуре находится Rasa
+    - объясни идею использования Rasa
+    - перечисли основные возможности фреймворка Rasa
+    - каково назначение платформы для диалогов
+    - какую функцию Rasa выполняет в ассистенте
+    - дай обзор Rasa без описания тренировки
+    - почему этот фреймворк подходит для NLU-бота
+    - какие подсистемы объединяет платформа
+    - опиши Rasa как инструмент разработчика
+    - что предоставляет открытая версия Rasa
+    - для чего в решении используется этот фреймворк
+    - расскажи о роли Rasa в общем виде
+
+- intent: ask_nlu
+  examples: |
+    - что означает NLU
+    - как ассистент понимает текст
+    - что такое распознавание намерений
+    - как бот определяет intent
+    - какую информацию содержит entity
+    - объясни обработку естественного языка
+    - что называется намерением пользователя
+    - каким образом определяется смысл сообщения
+    - зачем извлекать сущности из фразы
+    - в чём задача NLU-компонента
+    - как текст превращается в структурированные данные
+    - чем intent отличается от entity
+    - что происходит с сообщением на этапе NLU
+    - как классифицируются пользовательские запросы
+    - объясни термин классификация намерений
+    - для чего нужна разметка сущностей
+    - как система выделяет имя в сообщении
+    - какие данные выдаёт NLU после анализа
+    - что понимается под естественным языком
+    - как определяется категория вопроса
+    - зачем диалоговой системе анализ текста
+    - расскажи о задаче intent classification
+    - каким результатом завершается NLU-анализ
+    - что модель ищет в пользовательской фразе
+    - как связаны сообщение, intent и entity
+    - зачем аннотировать имя внутри примера
+    - как модель выбирает категорию реплики
+    - объясни смысл сущности person_name
+    - каким образом фраза относится к одному intent
+    - что извлекается из текста при понимании запроса
+    - почему intent описывает цель пользователя
+    - как DIET распознаёт смысл входного сообщения
+    - зачем разделять намерения и сущности
+    - какой структурированный результат создаёт NLU
+    - как имя обнаруживается в новой реплике
+
+- intent: ask_training
+  examples: |
+    - как обучается модель
+    - что требуется для обучения классификатора
+    - каким образом создают обученную модель
+    - расскажи об этапе тренировки
+    - на каких данных учится ассистент
+    - что происходит во время машинного обучения
+    - как переобучить NLU после изменения примеров
+    - сколько эпох используется при тренировке
+    - какие файлы участвуют в обучении модели
+    - как запустить процесс тренировки
+    - для чего модели нужны размеченные фразы
+    - что получает алгоритм на вход при обучении
+    - как формируется архив обученной модели
+    - когда нужно выполнять повторное обучение
+    - объясни последовательность обучения
+    - какие компоненты настраиваются во время тренировки
+    - как данные влияют на качество классификатора
+    - где задаётся количество эпох обучения
+    - можно ли обучить модель после добавления intent
+    - чем тренировочный набор отличается от тестового
+    - как проверить данные перед обучением
+    - что именно запоминает модель при тренировке
+    - почему модель необходимо переобучать
+    - опиши подготовку корпуса к обучению
+    - какой результат создаёт процедура тренировки
+    - какие этапы проходит корпус перед созданием модели
+    - как размеченные примеры превращаются в классификатор
+    - зачем при обучении задают число эпох
+    - как собрать новый архив модели из данных
+    - что происходит до появления обученного артефакта
+    - объясни цикл train и validation
+    - как подготовить выборки для тренировки DIET
+    - от чего зависит сходимость обучения
+    - какой командой пересобрать модель после правок данных
+    - опиши путь от NLU-корпуса до файла модели
+
+- intent: ask_run
+  examples: |
+    - как запустить готового бота
+    - что сделать для старта ассистента
+    - какой командой открыть консольный чат
+    - как включить уже обученную модель
+    - подскажи порядок запуска программы
+    - как начать работу с помощником локально
+    - что нужно выполнить после получения модели
+    - как активировать диалоговый режим
+    - какой процесс обслуживает разговор с ботом
+    - как запустить сервер пользовательских действий
+    - что надо включить перед общением
+    - как проверить ассистента в командной строке
+    - опиши последовательность старта сервисов
+    - как загрузить сохранённую модель для диалога
+    - каким способом открыть интерактивный режим
+    - где вводить сообщения после запуска
+    - что запускается для проверки готового проекта
+    - как поднять action server отдельно
+    - как убедиться, что бот отвечает локально
+    - какая команда включает режим shell
+    - как использовать модель после тренировки
+    - расскажи о локальном старте приложения
+    - как инициировать беседу с ассистентом
+    - что делать, чтобы бот начал принимать фразы
+    - как выполнить пробный запуск системы
+    - как открыть shell после готового обучения
+    - в каком порядке включить actions и консольный чат
+    - где протестировать ответы сохранённой модели
+    - как использовать уже созданный архив модели
+    - что запустить для локального разговора с ботом
+    - как проверить готового помощника вручную
+    - объясни старт процессов после тренировки
+    - какой командой загрузить модель в интерактивном режиме
+    - как подключить action server при запуске shell
+    - что нужно включить, когда модель уже обучена
+
+- intent: ask_project_structure
+  examples: |
+    - как устроены файлы проекта
+    - покажи структуру каталогов
+    - где хранятся обучающие данные
+    - что содержится в domain yml
+    - в каком файле находятся пользовательские действия
+    - за что отвечает config yml
+    - где описаны диалоговые правила
+    - какой каталог содержит stories
+    - что лежит в папке actions
+    - где перечислены ответы бота
+    - в каком месте объявлены intents
+    - объясни назначение основных файлов
+    - где настроен NLU pipeline
+    - какой файл связывает action server
+    - где расположены тестовые сценарии
+    - как организована директория data
+    - что записано в endpoints yml
+    - где задаются slots и entities
+    - из чего состоит репозиторий
+    - покажи схему папок приложения
+    - какой файл содержит конфигурацию политик
+    - где найти исходный код custom actions
+    - как распределены настройки по YAML-файлам
+    - в какой папке лежат NLU-примеры
+    - опиши файловую организацию ассистента
+    - в каком YAML находятся шаблоны responses
+    - где расположен Python-код действий
+    - какой файл содержит примеры реплик пользователя
+    - покажи путь к настройкам slots
+    - где искать декларации пользовательских actions
+    - в каком каталоге сохранены правила диалога
+    - где находится конфигурация NLU-конвейера
+    - укажи расположение тестовых NLU-данных
+    - где в репозитории лежит domain
+    - как файлы распределены между data actions и tests
+
+- intent: ask_docker
+  examples: |
+    - что такое Docker
+    - зачем этому проекту контейнеры
+    - какую пользу даёт Docker Compose
+    - объясни принцип контейнеризации
+    - почему Rasa помещена в контейнер
+    - что изолирует Docker в приложении
+    - как связаны контейнер Rasa и action server
+    - для чего нужен compose-файл
+    - какие сервисы описаны в Docker Compose
+    - чем контейнер отличается от виртуальной машины
+    - почему контейнеры упрощают воспроизводимость
+    - какую среду предоставляет Docker
+    - как Docker фиксирует зависимости проекта
+    - что находится внутри образа Rasa
+    - зачем разделять бота и actions по сервисам
+    - как контейнеры общаются между собой
+    - какие порты используются сервисами
+    - что означает образ в Docker
+    - зачем в репозитории docker-compose yml
+    - как контейнеризация помогает переносу проекта
+    - что даёт закрепление версии образа
+    - объясни сетевое взаимодействие сервисов
+    - почему action server работает отдельно
+    - какую проблему окружения решает Docker
+    - расскажи об использовании Compose в архитектуре
+    - зачем сервисам нужна общая сеть Compose
+    - как контейнеры находят друг друга по имени
+    - что означает публикация порта контейнера
+    - почему actions вынесены в отдельный процесс
+    - как Rasa обращается к action server внутри сети
+    - зачем закреплять тег Docker-образа
+    - какие процессы изолированы разными сервисами
+    - объясни адрес action_server в Compose
+    - чем внутренний порт отличается от опубликованного
+    - как контейнеры делают запуск воспроизводимым
+
+- intent: feedback_bad
+  examples: |
+    - этот ответ мне не помог
+    - информация оказалась неверной
+    - ты неправильно понял мой вопрос
+    - полученный ответ бесполезен
+    - объяснение слишком непонятное
+    - результат меня не устраивает
+    - ответ не относится к моему запросу
+    - ты сообщил не то, что я спрашивал
+    - мне нужна более точная информация
+    - это объяснение не решает проблему
+    - ответ получился ошибочным
+    - я недоволен качеством ответа
+    - бот понял намерение неправильно
+    - предложенная информация не подходит
+    - ты выбрал неверную тему
+    - ответ оказался не по существу
+    - смысл моего сообщения распознан неверно
+    - это совсем не тот результат
+    - пояснение требует исправления
+    - ответь иначе, предыдущий вариант плохой
+    - мой запрос был о другом
+    - данная реакция ассистента ошибочна
+    - ты перепутал, что я хотел узнать
+    - такой ответ нельзя считать полезным
+    - необходимо дать более ясное объяснение
+    - система выбрала неправильное намерение
+    - этот ответ не соответствует смыслу вопроса
+    - результат распознавания требует исправления
+    - пояснение только сильнее запутало меня
+    - полученная реакция была неуместной
+    - ты неверно определил цель моего сообщения
+    - предложенный вариант оказался бесполезным
+    - ответ нужно сделать точнее и понятнее
+    - это не решило мой исходный вопрос
+    - бот ответил совсем на другую тему
+
+- intent: ask_time
+  examples: |
+    - который сейчас час
+    - сколько времени
+    - скажи текущее время
+    - подскажи время в Ташкенте
+    - какое сейчас время суток
+    - назови точное время
+    - сколько на часах
+    - сообщи местное время
+    - который час по Ташкенту
+    - хочу узнать время
+    - покажи часы
+    - можно узнать, сколько сейчас времени
+    - назови часы и минуты
+    - каково текущее ташкентское время
+    - сообщи время по UTC плюс пять
+    - что показывают часы сейчас
+    - укажи актуальное время
+    - мне нужно местное время
+    - подскажи, который теперь час
+    - какое время показывает система
+    - скажи время без даты
+    - сколько времени в часовом поясе Ташкента
+    - хочу сверить часы
+    - выведи текущие часы и минуты
+    - сообщи, который час в данный момент
+    - покажи только часы и минуты без календаря
+    - назови время на местных часах
+    - сообщи текущую временную отметку
+    - сколько часов и минут сейчас в городе
+    - мне нужны показания часов, а не дата
+    - укажи момент времени по Ташкенту
+    - покажи текущее значение часов
+    - выведи час и минуту текущего момента
+    - хочу проверить местные часы
+    - скажи точное время без числа и месяца
+
+- intent: ask_date
+  examples: |
+    - какая сегодня дата
+    - какое сегодня число
+    - назови текущую дату
+    - какой сейчас день месяца
+    - сообщи дату по Ташкенту
+    - какой сегодня день календаря
+    - укажи число и месяц
+    - хочу узнать сегодняшнюю дату
+    - покажи календарную дату
+    - назови день, месяц и год
+    - какое число на календаре
+    - сообщи актуальную дату
+    - что сегодня за дата
+    - какой год, месяц и число сейчас
+    - напомни сегодняшнее число
+    - дата на сегодня какая
+    - выведи текущий день календаря
+    - скажи дату без времени
+    - какой день месяца наступил
+    - укажи дату в Ташкенте
+    - что показывает календарь сегодня
+    - мне нужна дата этого дня
+    - назови полную сегодняшнюю дату
+    - какое сейчас календарное число
+    - сообщи день и месяц
+    - покажи только календарное число без часов
+    - назови сегодняшние день месяц и год
+    - какая дата стоит в местном календаре
+    - мне нужны сведения календаря, а не время
+    - укажи число текущего дня
+    - какой день отмечен сегодня в календаре
+    - сообщи год месяц и день на сегодня
+    - назови календарную отметку этого дня
+    - какое число наступило в Ташкенте
+    - выведи дату без часов и минут
+
+- intent: smalltalk_howareyou
+  examples: |
+    - как дела
+    - как ты себя чувствуешь
+    - какое у тебя настроение
+    - всё ли у тебя хорошо
+    - как поживаешь
+    - ты в порядке
+    - как проходит твой день
+    - что у тебя нового
+    - как твоё состояние
+    - всё работает нормально
+    - как жизнь, помощник
+    - не устал отвечать
+    - как сегодня настроение
+    - у тебя всё хорошо
+    - как идут дела у бота
+    - ты готов к разговору
+    - как себя ощущает ассистент
+    - надеюсь, у тебя всё отлично
+    - что скажешь о своём настроении
+    - как твои дела сегодня
+    - нормально себя чувствуешь
+    - система в хорошем состоянии
+    - как проходит работа
+    - ты сегодня бодр
+    - всё в порядке у тебя
+    - давно не общались, как поживает бот
+    - как обстановка в твоём цифровом мире
+    - каково состояние твоих систем сегодня
+    - расскажи, как проходит твоя работа сегодня
+    - в каком ты сейчас настроении
+    - как себя ведёт помощник в этот день
+    - всё спокойно у виртуального собеседника
+    - каково твоё самочувствие, бот
+    - есть ли у тебя новости о себе
+    - готов ли ты сегодня общаться
+
+- intent: smalltalk_joke
+  examples: |
+    - расскажи шутку
+    - пошути
+    - знаешь анекдот
+    - скажи что-нибудь смешное
+    - развесели меня
+    - хочу услышать шутку
+    - подними мне настроение юмором
+    - можешь рассказать анекдот
+    - выдай забавную фразу
+    - давай немного юмора
+    - рассмеши меня
+    - расскажи смешную историю
+    - есть хорошая шутка
+    - скажи забавный ответ
+    - хочу посмеяться
+    - поделись коротким анекдотом
+    - придумай что-нибудь весёлое
+    - время для шутки
+    - добавь юмора в разговор
+    - расскажи что-то забавное
+    - можешь меня развеселить
+    - пошути про программистов
+    - нужен смешной комментарий
+    - произнеси весёлую фразу
+    - есть повод улыбнуться
+    - удиви остроумным ответом
+    - устрой короткую минуту юмора
+    - скажи реплику, от которой можно улыбнуться
+    - добавь в беседу что-нибудь комичное
+    - хочу немного повеселиться
+    - придумай забавный комментарий
+    - развесели короткой историей
+    - поделись чем-нибудь остроумным
+    - сделай разговор веселее
+    - выдай порцию хорошего юмора
+
+- intent: out_of_scope
+  examples: |
+    - приготовь рецепт плова
+    - какой сегодня курс доллара
+    - назови столицу Японии
+    - переведи это предложение на английский
+    - реши квадратное уравнение
+    - посоветуй фильм на вечер
+    - закажи мне такси
+    - найди расписание поездов
+    - поставь медицинский диагноз
+    - кто победил в футбольном матче
+    - составь гороскоп для овна
+    - напиши стихотворение о море
+    - какую книгу почитать
+    - дай совет по отношениям
+    - сколько стоит новый ноутбук
+    - кто сейчас президент Франции
+    - нарисуй изображение кота
+    - отправь письмо преподавателю
+    - установи будильник на семь утра
+    - проложи маршрут до аэропорта
+    - стоит ли покупать акции
+    - объясни прогноз цены биткоина
+    - проверь мой юридический договор
+    - включи любимую музыку
+    - сколько калорий в пирожном
+    - подбери гостиницу в Самарканде
+    - расскажи новости за сегодня
+    - придумай пароль для аккаунта
+    - вызови мастера по ремонту
+    - найди ближайшую аптеку
+    - кто написал роман Война и мир
+    - вычисли интеграл функции
+    - помоги выбрать стиральную машину
+    - забронируй столик в ресторане
+    - какая команда выиграла чемпионат
+    - проверь орфографию моего сочинения
+    - расскажи о лечении простуды
+    - напомни купить продукты вечером
+    - узнай статус посылки
+    - составь план тренировок в спортзале
+    - сколько лететь до Москвы
+    - найди работу программистом
+    - определи песню по мелодии
+    - подскажи номер телефона банка
+    - рассчитай ежемесячный платёж по кредиту
+    - выбери подарок на день рождения
+    - покажи расписание кинотеатра
+    - закажи доставку еды
+    - расскажи правила игры в шахматы
+    - включи свет в комнате
+    - помоги починить домашний маршрутизатор
+    - расскажи биографию Николы Теслы
+    - составь экскурсию по музеям Испании
+    - напиши программу на Python для магазина
+    - создай слайды о Древнем Риме
+    - как запустить стиральную машину Bosch
+    - какое имя дать домашнему коту
+    - сколько времени варить картофель
+    - когда состоятся следующие выборы
+    - сообщи дату выхода нового смартфона
+    - объясни лечение аллергии у ребёнка
+    - найди прогноз погоды для Бухары
+    - помоги настроить Wi-Fi на телефоне
+    - расскажи о языке программирования Java
+    - кто является автором картины Мона Лиза
+    - создай новый аккаунт в Telegram
+    - предложи структуру курсовой по экономике
+    - обучи меня играть на фортепиано
+    - назови текущее население Германии
+    - придумай шутку про политического деятеля
diff --git a/data/rules.yml b/data/rules.yml
new file mode 100644
index 0000000..73062d8
--- /dev/null
+++ b/data/rules.yml
@@ -0,0 +1,113 @@
+version: "3.1"
+
+rules:
+- rule: Приветствие
+  steps:
+  - intent: greet
+  - action: utter_greet
+
+- rule: Прощание
+  steps:
+  - intent: goodbye
+  - action: utter_goodbye
+
+- rule: Ответ на благодарность
+  steps:
+  - intent: thanks
+  - action: utter_you_are_welcome
+
+- rule: Показ возможностей
+  steps:
+  - intent: help
+  - action: action_show_capabilities
+
+- rule: Имя ассистента
+  steps:
+  - intent: ask_name
+  - action: utter_name
+
+- rule: Автор ассистента
+  steps:
+  - intent: ask_creator
+  - action: utter_creator
+
+- rule: Описание проекта
+  steps:
+  - intent: ask_project
+  - action: utter_project
+
+- rule: Сохранение имени пользователя
+  steps:
+  - intent: inform_name
+  - action: action_remember_name
+
+- rule: Перезапуск разговора
+  steps:
+  - intent: ask_restart
+  - action: utter_restart
+  - action: action_restart
+
+- rule: Объяснение Rasa
+  steps:
+  - intent: ask_rasa
+  - action: utter_rasa
+
+- rule: Объяснение NLU
+  steps:
+  - intent: ask_nlu
+  - action: utter_nlu
+
+- rule: Объяснение обучения
+  steps:
+  - intent: ask_training
+  - action: utter_training
+
+- rule: Объяснение запуска
+  steps:
+  - intent: ask_run
+  - action: utter_run
+
+- rule: Объяснение структуры проекта
+  steps:
+  - intent: ask_project_structure
+  - action: utter_project_structure
+
+- rule: Объяснение Docker
+  steps:
+  - intent: ask_docker
+  - action: utter_docker
+
+- rule: Отрицательная обратная связь
+  steps:
+  - intent: feedback_bad
+  - action: utter_feedback_bad
+
+- rule: Текущее время
+  steps:
+  - intent: ask_time
+  - action: action_show_time
+
+- rule: Текущая дата
+  steps:
+  - intent: ask_date
+  - action: action_show_date
+
+- rule: Ответ на вопрос о состоянии
+  steps:
+  - intent: smalltalk_howareyou
+  - action: utter_howareyou
+
+- rule: Небольшая шутка
+  steps:
+  - intent: smalltalk_joke
+  - action: utter_joke
+
+- rule: Известная неподдерживаемая тема
+  steps:
+  - intent: out_of_scope
+  - action: utter_out_of_scope
+
+- rule: Низкая уверенность NLU
+  steps:
+  - intent: nlu_fallback
+  - action: utter_default
diff --git a/data/stories.yml b/data/stories.yml
new file mode 100644
index 0000000..71a06bd
--- /dev/null
+++ b/data/stories.yml
@@ -0,0 +1,93 @@
+version: "3.1"
+
+stories:
+- story: Знакомство и обзор проекта
+  steps:
+  - intent: greet
+  - action: utter_greet
+  - intent: inform_name
+    entities:
+    - person_name: Хуршид
+  - action: action_remember_name
+  - intent: help
+  - action: action_show_capabilities
+  - intent: ask_project
+  - action: utter_project
+
+- story: Ассистент и его автор
+  steps:
+  - intent: ask_name
+  - action: utter_name
+  - intent: ask_creator
+  - action: utter_creator
+  - intent: thanks
+  - action: utter_you_are_welcome
+
+- story: От NLU к обучению
+  steps:
+  - intent: ask_rasa
+  - action: utter_rasa
+  - intent: ask_nlu
+  - action: utter_nlu
+  - intent: ask_training
+  - action: utter_training
+
+- story: Структура и запуск проекта
+  steps:
+  - intent: ask_project_structure
+  - action: utter_project_structure
+  - intent: ask_docker
+  - action: utter_docker
+  - intent: ask_run
+  - action: utter_run
+
+- story: Время и дата
+  steps:
+  - intent: ask_time
+  - action: action_show_time
+  - intent: ask_date
+  - action: action_show_date
+  - intent: thanks
+  - action: utter_you_are_welcome
+
+- story: Короткий разговор
+  steps:
+  - intent: smalltalk_howareyou
+  - action: utter_howareyou
+  - intent: smalltalk_joke
+  - action: utter_joke
+  - intent: goodbye
+  - action: utter_goodbye
+
+- story: Помощь после неудачного ответа
+  steps:
+  - intent: feedback_bad
+  - action: utter_feedback_bad
+  - intent: help
+  - action: action_show_capabilities
+  - intent: ask_nlu
+  - action: utter_nlu
+
+- story: Возврат из неподдерживаемой темы
+  steps:
+  - intent: out_of_scope
+  - action: utter_out_of_scope
+  - intent: ask_rasa
+  - action: utter_rasa
+
+- story: Восстановление после непонятного сообщения
+  steps:
+  - intent: nlu_fallback
+  - action: utter_default
+  - intent: help
+  - action: action_show_capabilities
+
+- story: Перезапуск именованного диалога
+  steps:
+  - intent: inform_name
+    entities:
+    - person_name: Анна
+  - action: action_remember_name
+  - intent: ask_restart
+  - action: utter_restart
+  - action: action_restart
diff --git a/docker-compose.yml b/docker-compose.yml
new file mode 100644
index 0000000..ff078f5
--- /dev/null
+++ b/docker-compose.yml
@@ -0,0 +1,44 @@
+# Проверка: docker compose run --rm --no-deps rasa data validate --fail-on-warnings
+# Обучение: docker compose run --rm --no-deps rasa train
+# CLI: docker compose run --rm rasa
+services:
+  rasa:
+    image: rasa/rasa:3.6.21
+    working_dir: /app
+    volumes:
+      - ./:/app
+    command:
+      - shell
+      - --endpoints
+      - endpoints.docker.yml
+    stdin_open: true
+    tty: true
+    depends_on:
+      action_server:
+        condition: service_healthy
+    environment:
+      RASA_TELEMETRY_ENABLED: "false"
+
+  action_server:
+    image: rasa/rasa-sdk:3.6.2
+    working_dir: /app
+    volumes:
+      - ./actions:/app/actions:ro
+    command:
+      - start
+      - --actions
+      - actions.actions
+    expose:
+      - "5055"
+    healthcheck:
+      test:
+        - CMD
+        - python
+        - -c
+        - import urllib.request; urllib.request.urlopen('http://localhost:5055/health', timeout=2)
+      interval: 5s
+      timeout: 3s
+      retries: 10
+      start_period: 5s
+    environment:
+      RASA_TELEMETRY_ENABLED: "false"
diff --git a/domain.yml b/domain.yml
new file mode 100644
index 0000000..97384f3
--- /dev/null
+++ b/domain.yml
@@ -0,0 +1,104 @@
+version: "3.1"
+
+intents:
+  - greet
+  - goodbye
+  - thanks
+  - help
+  - ask_name
+  - ask_creator
+  - ask_project
+  - inform_name
+  - ask_restart
+  - ask_rasa
+  - ask_nlu
+  - ask_training
+  - ask_run
+  - ask_project_structure
+  - ask_docker
+  - feedback_bad
+  - ask_time
+  - ask_date
+  - smalltalk_howareyou
+  - smalltalk_joke
+  - out_of_scope
+  - nlu_fallback
+
+entities:
+  - person_name
+
+slots:
+  user_name:
+    type: text
+    influence_conversation: false
+    mappings:
+      - type: from_entity
+        entity: person_name
+
+responses:
+  utter_greet:
+    - text: "Здравствуйте! Я учебный русскоязычный помощник на Rasa. Могу рассказать о проекте, его ML-компонентах и запуске."
+    - text: "Привет! Спросите меня о проекте, Rasa, NLU, Docker, обучении модели или структуре репозитория."
+
+  utter_goodbye:
+    - text: "До свидания! Спасибо за разговор."
+    - text: "До встречи! Буду рад снова ответить на вопросы о проекте."
+
+  utter_you_are_welcome:
+    - text: "Пожалуйста! Рад быть полезным."
+    - text: "Не за что. Можем разобрать ещё один вопрос."
+
+  utter_name:
+    - text: "Меня можно называть Rasa-помощником. Я демонстрирую распознавание русскоязычных намерений, извлечение сущностей и управление диалогом."
+
+  utter_creator:
+    - text: "Меня создал Хуршид Мухаммадиев в рамках дипломного проекта о разработке диалоговой системы и виртуального помощника."
+
+  utter_project:
+    - text: "Это учебный проект русскоязычного виртуального помощника. DIETClassifier определяет намерение и извлекает имя пользователя, а правила и диалоговые политики выбирают подготовленный ответ или действие."
+
+  utter_restart:
+    - text: "Хорошо, начинаем заново. Состояние текущего диалога, включая сохранённое имя, будет очищено."
+
+  utter_rasa:
+    - text: "Rasa Open Source — платформа для создания диалоговых систем. В этом проекте она объединяет NLU-модель, состояние диалога, правила, истории и пользовательские действия."
+
+  utter_nlu:
+    - text: "NLU преобразует сообщение в структурированные данные. Intent описывает цель сообщения, а entity выделяет значимое значение: например, в фразе «Меня зовут Анна» intent — inform_name, а Анна — person_name."
+
+  utter_training:
+    - text: "Сначала данные проверяются командой «rasa data validate», затем «rasa train» обучает NLU и диалоговые политики и сохраняет модель в каталоге models. Качество оценивается только на отдельных тестовых примерах."
+
+  utter_run:
+    - text: "Для локального CLI запустите action server командой «rasa run actions», а в другом терминале — «rasa shell --endpoints endpoints.yml». В Docker используйте «docker compose run --rm --no-deps rasa train», затем запустите action_server и откройте shell с endpoints.docker.yml."
+
+  utter_project_structure:
+    - text: "config.yml задаёт NLU-конвейер и политики; domain.yml — intents, entities, slots, ответы и actions; каталог data — обучающие примеры, rules и stories; actions содержит Python-код, а tests — независимые NLU-данные и Core-сценарии."
+
+  utter_docker:
+    - text: "Docker фиксирует совместимые версии Rasa и Rasa SDK. Docker Compose создаёт общую сеть, в которой CLI-контейнер обращается к action server по имени сервиса."
+
+  utter_feedback_bad:
+    - text: "Спасибо за замечание. Попробуйте переформулировать запрос или спросите, какие темы я поддерживаю."
+
+  utter_howareyou:
+    - text: "Спасибо, всё работает штатно. Я готов отвечать на вопросы о проекте."
+
+  utter_joke:
+    - text: "Почему разработчик доверяет логам больше догадок? Потому что у логов всегда есть запись разговора."
+
+  utter_out_of_scope:
+    - text: "Я понял запрос, но эта тема находится за пределами моих возможностей. Я отвечаю на вопросы о проекте, Rasa, NLU, Docker, обучении и запуске."
+
+  utter_default:
+    - text: "Я не уверен, что правильно понял сообщение. Переформулируйте вопрос или спросите о моих возможностях."
+
+actions:
+  - action_remember_name
+  - action_show_capabilities
+  - action_show_time
+  - action_show_date
+
+session_config:
+  session_expiration_time: 60
+  carry_over_slots_to_new_session: false
diff --git a/endpoints.docker.yml b/endpoints.docker.yml
new file mode 100644
index 0000000..493872b
--- /dev/null
+++ b/endpoints.docker.yml
@@ -0,0 +1,2 @@
+action_endpoint:
+  url: "http://action_server:5055/webhook"
diff --git a/endpoints.yml b/endpoints.yml
new file mode 100644
index 0000000..858a463
--- /dev/null
+++ b/endpoints.yml
@@ -0,0 +1,2 @@
+action_endpoint:
+  url: "http://127.0.0.1:5055/webhook"
diff --git a/requirements-dev.txt b/requirements-dev.txt
new file mode 100644
index 0000000..ee8c21e
--- /dev/null
+++ b/requirements-dev.txt
@@ -0,0 +1,2 @@
+-r requirements.txt
+pytest==7.4.4
diff --git a/requirements.txt b/requirements.txt
new file mode 100644
index 0000000..5caa52d
--- /dev/null
+++ b/requirements.txt
@@ -0,0 +1,2 @@
+rasa==3.6.21
+rasa-sdk==3.6.2
diff --git a/results/README.md b/results/README.md
new file mode 100644
index 0000000..9d4a07f
--- /dev/null
+++ b/results/README.md
@@ -0,0 +1,54 @@
+# Evaluation results
+
+All committed metrics in this directory come from actual runs of the pinned
+Rasa environment. Generated model archives are deliberately excluded from Git.
+The current v2 procedure can be repeated from the tracked code, data,
+configuration, and pinned direct dependencies; bit-for-bit model identity is
+not claimed without a complete transitive lock file.
+
+## Baseline and final runs
+
+The v1 numbers in `experiments.md` are a historical baseline: its 565-example
+corpus snapshot and raw JSON reports were not preserved, so that run is not
+reproducible from this repository. Later diagnostic runs may be compared there
+while improving only the training data or model configuration. A dataset that
+has already been inspected during that process is diagnostic data, not an
+untouched estimate of generalisation.
+
+`final/` contains the selected model's evaluation against the designated NLU
+test file. The test split was held out from training, and neither train nor the
+model configuration changed after the selected final result. If the test is
+later used to guide another iteration, the next result must be described as
+diagnostic rather than untouched. The summary also states that the manually
+curated/synthetic corpus does not replace evaluation on messages from real
+users.
+
+Run the reproducible pipeline from the repository root on Windows:
+
+```powershell
+.\scripts\train.ps1
+.\scripts\evaluate.ps1
+```
+
+`evaluate.ps1` defaults to `tests/nlu_test.yml` and `results/final/`; both paths
+can be overridden with `-TestData` and `-OutputDirectory`. It runs the raw Rasa
+NLU evaluation, measures the full pipeline with `FallbackClassifier`, evaluates
+Core on gold intents using the same model, and then regenerates `summary.md`
+from the JSON reports.
+
+The committed final artifacts are the real outputs used for review:
+
+- `intent_report.json` and `DIETClassifier_report.json` contain per-class and
+  aggregate metrics produced by Rasa;
+- `intent_errors.json` and `DIETClassifier_errors.json` contain misclassified
+  examples used for error analysis;
+- `*_confusion_matrix.png` and `*_histogram.png` are Rasa's diagnostic plots;
+- `summary.md` is generated by `scripts/summarize_results.py` from those JSON
+  files;
+- `runtime_report.json` stores aggregate coverage, fallback rate and selective
+  accuracy for the complete runtime pipeline without copying message texts.
+- `story_report.json` is the Core-only report for ten dialogue scenarios with
+  gold intents; it is not an end-to-end NLU result.
+
+Successful-example dumps are intentionally not generated or committed. Never
+replace generated metrics with estimates or manually invented values.
diff --git a/results/experiments.md b/results/experiments.md
new file mode 100644
index 0000000..c832386
--- /dev/null
+++ b/results/experiments.md
@@ -0,0 +1,62 @@
+# Журнал экспериментов
+
+Все значения ниже получены реальными запусками Rasa 3.6.21 на Python 3.10.11.
+Для DIETClassifier и TEDPolicy задан `random_seed: 42`. Архивы моделей не
+хранятся в Git. Текущую v2 и финальную процедуру можно повторить из сохранённых
+данных, конфигурации и закреплённых прямых зависимостей; без полного
+транзитивного lock-файла побитовая идентичность модели не гарантируется.
+
+Диагностический набор использовался для анализа ошибок между итерациями,
+поэтому его результаты не являются финальной слепой оценкой. Он сохранён в
+`tests/nlu_dev.yml`; итоговый отложенный набор — в `tests/nlu_test.yml`.
+
+| Итерация | Train | Diagnostic | Accuracy | Macro-F1 | Weighted-F1 | `person_name` token/tag F1 |
+|---|---:|---:|---:|---:|---:|---:|
+| v1: исходный очищенный корпус | 565 | 235 | 74,47% | 74,08% | 74,23% | 87,80% |
+| v2: контрастное расширение данных | 795 | 235 | 85,11% | 84,96% | 84,85% | 87,80% |
+
+## Что изменилось в v2
+
+- добавлено 230 новых обучающих примеров без точных пересечений с
+  диагностическим набором;
+- усилены границы `ask_project` / `ask_creator`, `ask_training` / `ask_run`,
+  `ask_time` / `ask_date` и `ask_name` / `inform_name`;
+- добавлены сложные отрицательные примеры для `out_of_scope`;
+- расширены контексты извлечения неизвестного `person_name` и отрицательные
+  контексты с именами собственными;
+- по сохранённому журналу конфигурация модели между v1 и v2 не менялась.
+
+В сохранённом историческом сравнении Macro-F1 вырос на **10,88 процентного
+пункта**. Snapshot корпуса из 565 примеров и первичные JSON v1 не сохранились,
+поэтому v1 служит исторической точкой отсчёта, но не считается воспроизводимым
+артефактом этого репозитория. Наблюдаемый прирост согласуется с влиянием
+расширения данных, но заново проверить это объяснение без snapshot v1 нельзя.
+
+Финальный test split был отложен от обучения. После результатов выбранного
+финального прогона train и конфигурация модели не изменялись. Его артефакты
+находятся в `results/final/`.
+
+## Финальная отложенная оценка
+
+- 235 test-сообщений;
+- Raw intent accuracy: **89,36%**;
+- Macro-F1 intent: **90,23%**;
+- Weighted-F1 intent: **89,26%**;
+- token/tag F1 `person_name`: **87,80%**;
+- полный pipeline с fallback: **88,94% строгой accuracy**, **97,02% coverage**
+  принятых intent и **91,67% selective accuracy**.
+
+Fallback отклонил семь сообщений: шесть с ошибочным raw intent и одно с верным.
+Он повысил точность среди принятых сообщений, но снизил строгую общую accuracy
+на 0,43 процентного пункта и coverage на 2,98 процентного пункта.
+
+Статический валидатор подтверждает отсутствие точных пересечений между
+train/dev/test, совпадающих train/test entity-шаблонов и повторно использованных
+имён. По выбранной текстовой эвристике между train/test и dev/test нет пар
+одного intent со score `>= 0,850`. Эта граница чувствительна к метрике и не
+исключает семантически близкие формулировки; это техническая проверка, а не
+доказательство статистической независимости корпуса.
+
+> Оба набора подготовлены вручную/синтетически. Эти метрики показывают качество
+> на заданном корпусе и не заменяют тестирование на сообщениях реальных
+> пользователей.
diff --git a/results/final/DIETClassifier_confusion_matrix.png b/results/final/DIETClassifier_confusion_matrix.png
new file mode 100644
index 0000000..857b6db
Binary files /dev/null and b/results/final/DIETClassifier_confusion_matrix.png differ
diff --git a/results/final/DIETClassifier_errors.json b/results/final/DIETClassifier_errors.json
new file mode 100644
index 0000000..1179b2b
--- /dev/null
+++ b/results/final/DIETClassifier_errors.json
@@ -0,0 +1,64 @@
+[
+  {
+    "text": "На обращение Темур-Бек я откликнусь",
+    "entities": [
+      {
+        "start": 13,
+        "end": 22,
+        "value": "Темур-Бек",
+        "entity": "person_name"
+      }
+    ],
+    "predicted_entities": []
+  },
+  {
+    "text": "Найди дешёвые билеты в Алматы",
+    "entities": [],
+    "predicted_entities": [
+      {
+        "entity": "person_name",
+        "start": 23,
+        "end": 29,
+        "confidence_entity": 0.745909571647644,
+        "value": "Алматы",
+        "extractor": "DIETClassifier"
+      }
+    ]
+  },
+  {
+    "text": "Как устроена файловая система Windows?",
+    "entities": [],
+    "predicted_entities": [
+      {
+        "entity": "person_name",
+        "start": 30,
+        "end": 37,
+        "confidence_entity": 0.5979303121566772,
+        "value": "Windows",
+        "extractor": "DIETClassifier"
+      }
+    ]
+  },
+  {
+    "text": "Какова дата рождения Александра Пушкина?",
+    "entities": [],
+    "predicted_entities": [
+      {
+        "entity": "person_name",
+        "start": 21,
+        "end": 31,
+        "confidence_entity": 0.9825685024261475,
+        "value": "Александра",
+        "extractor": "DIETClassifier"
+      },
+      {
+        "entity": "person_name",
+        "start": 32,
+        "end": 39,
+        "confidence_entity": 0.6506542563438416,
+        "value": "Пушкина",
+        "extractor": "DIETClassifier"
+      }
+    ]
+  }
+]
\ No newline at end of file
diff --git a/results/final/DIETClassifier_histogram.png b/results/final/DIETClassifier_histogram.png
new file mode 100644
index 0000000..364ef05
Binary files /dev/null and b/results/final/DIETClassifier_histogram.png differ
diff --git a/results/final/DIETClassifier_report.json b/results/final/DIETClassifier_report.json
new file mode 100644
index 0000000..cde46e4
--- /dev/null
+++ b/results/final/DIETClassifier_report.json
@@ -0,0 +1,28 @@
+{
+  "person_name": {
+    "precision": 0.8181818181818182,
+    "recall": 0.9473684210526315,
+    "f1-score": 0.8780487804878049,
+    "support": 19,
+    "confused_with": {}
+  },
+  "micro avg": {
+    "precision": 0.8181818181818182,
+    "recall": 0.9473684210526315,
+    "f1-score": 0.8780487804878049,
+    "support": 19
+  },
+  "macro avg": {
+    "precision": 0.8181818181818182,
+    "recall": 0.9473684210526315,
+    "f1-score": 0.8780487804878049,
+    "support": 19
+  },
+  "weighted avg": {
+    "precision": 0.8181818181818182,
+    "recall": 0.9473684210526315,
+    "f1-score": 0.8780487804878049,
+    "support": 19
+  },
+  "accuracy": 0.9954421148587056
+}
\ No newline at end of file
diff --git a/results/final/intent_confusion_matrix.png b/results/final/intent_confusion_matrix.png
new file mode 100644
index 0000000..1f55972
Binary files /dev/null and b/results/final/intent_confusion_matrix.png differ
diff --git a/results/final/intent_errors.json b/results/final/intent_errors.json
new file mode 100644
index 0000000..9636dc0
--- /dev/null
+++ b/results/final/intent_errors.json
@@ -0,0 +1,202 @@
+[
+  {
+    "text": "Приятно встретиться с тобой этим утром",
+    "intent": "greet",
+    "intent_prediction": {
+      "name": "help",
+      "confidence": 0.9932712912559509
+    }
+  },
+  {
+    "text": "Я ценю оказанную поддержку",
+    "intent": "thanks",
+    "intent_prediction": {
+      "name": "help",
+      "confidence": 0.5510782599449158
+    }
+  },
+  {
+    "text": "Представься, пожалуйста",
+    "intent": "ask_name",
+    "intent_prediction": {
+      "name": "inform_name",
+      "confidence": 0.935112714767456
+    }
+  },
+  {
+    "text": "Чьей работой стало твоё появление?",
+    "intent": "ask_creator",
+    "intent_prediction": {
+      "name": "thanks",
+      "confidence": 0.5638586282730103
+    }
+  },
+  {
+    "text": "Можно ли проверить модель без повторного обучения?",
+    "intent": "ask_run",
+    "intent_prediction": {
+      "name": "ask_training",
+      "confidence": 0.9996166229248047
+    }
+  },
+  {
+    "text": "Какие каталоги есть у Rasa-проекта?",
+    "intent": "ask_project_structure",
+    "intent_prediction": {
+      "name": "ask_rasa",
+      "confidence": 0.500762403011322
+    }
+  },
+  {
+    "text": "Ты мне не помог",
+    "intent": "feedback_bad",
+    "intent_prediction": {
+      "name": "thanks",
+      "confidence": 0.795018196105957
+    }
+  },
+  {
+    "text": "В сообщённых сведениях есть ошибка",
+    "intent": "feedback_bad",
+    "intent_prediction": {
+      "name": "ask_date",
+      "confidence": 0.7298399209976196
+    }
+  },
+  {
+    "text": "Уже поздно или ещё рано?",
+    "intent": "ask_time",
+    "intent_prediction": {
+      "name": "greet",
+      "confidence": 0.5094811320304871
+    }
+  },
+  {
+    "text": "Определи, сейчас утро, день, вечер или ночь",
+    "intent": "ask_time",
+    "intent_prediction": {
+      "name": "greet",
+      "confidence": 0.5425835251808167
+    }
+  },
+  {
+    "text": "С тобой нынче всё ладно?",
+    "intent": "smalltalk_howareyou",
+    "intent_prediction": {
+      "name": "help",
+      "confidence": 0.9866999387741089
+    }
+  },
+  {
+    "text": "Ты как?",
+    "intent": "smalltalk_howareyou",
+    "intent_prediction": {
+      "name": "ask_name",
+      "confidence": 0.7040160298347473
+    }
+  },
+  {
+    "text": "В каком ты сегодня расположении духа?",
+    "intent": "smalltalk_howareyou",
+    "intent_prediction": {
+      "name": "ask_project_structure",
+      "confidence": 0.6958075761795044
+    }
+  },
+  {
+    "text": "Пошути, пожалуйста",
+    "intent": "smalltalk_joke",
+    "intent_prediction": {
+      "name": "inform_name",
+      "confidence": 0.4979470372200012
+    }
+  },
+  {
+    "text": "Разряди обстановку хорошей шуткой",
+    "intent": "smalltalk_joke",
+    "intent_prediction": {
+      "name": "smalltalk_howareyou",
+      "confidence": 0.5853334069252014
+    }
+  },
+  {
+    "text": "Сколько будет 347 умножить на 29?",
+    "intent": "out_of_scope",
+    "intent_prediction": {
+      "name": "inform_name",
+      "confidence": 0.9305649995803833
+    }
+  },
+  {
+    "text": "Напиши поздравление с годовщиной свадьбы",
+    "intent": "out_of_scope",
+    "intent_prediction": {
+      "name": "greet",
+      "confidence": 0.3742619454860687
+    }
+  },
+  {
+    "text": "Как вылечить сильную боль в спине?",
+    "intent": "out_of_scope",
+    "intent_prediction": {
+      "name": "ask_run",
+      "confidence": 0.46617835760116577
+    }
+  },
+  {
+    "text": "Объясни квантовую запутанность простыми словами",
+    "intent": "out_of_scope",
+    "intent_prediction": {
+      "name": "help",
+      "confidence": 0.635073721408844
+    }
+  },
+  {
+    "text": "Как завести автомобиль после морозной ночи?",
+    "intent": "out_of_scope",
+    "intent_prediction": {
+      "name": "ask_run",
+      "confidence": 0.7760034799575806
+    }
+  },
+  {
+    "text": "Подскажи схему вязания тёплого шарфа спицами",
+    "intent": "out_of_scope",
+    "intent_prediction": {
+      "name": "help",
+      "confidence": 0.6222909688949585
+    }
+  },
+  {
+    "text": "Как устроена файловая система Windows?",
+    "intent": "out_of_scope",
+    "intent_prediction": {
+      "name": "ask_project_structure",
+      "confidence": 0.9755270481109619
+    }
+  },
+  {
+    "text": "Что означает слово «раса» в биологии?",
+    "intent": "out_of_scope",
+    "intent_prediction": {
+      "name": "ask_nlu",
+      "confidence": 0.9174363017082214
+    }
+  },
+  {
+    "text": "Как меня зовут?",
+    "intent": "out_of_scope",
+    "intent_prediction": {
+      "name": "inform_name",
+      "confidence": 0.9968974590301514
+    }
+  },
+  {
+    "text": "Какова дата рождения Александра Пушкина?",
+    "intent": "out_of_scope",
+    "intent_prediction": {
+      "name": "inform_name",
+      "confidence": 0.7035830616950989
+    }
+  }
+]
\ No newline at end of file
diff --git a/results/final/intent_histogram.png b/results/final/intent_histogram.png
new file mode 100644
index 0000000..6f06de8
Binary files /dev/null and b/results/final/intent_histogram.png differ
diff --git a/results/final/intent_report.json b/results/final/intent_report.json
new file mode 100644
index 0000000..6ccecef
--- /dev/null
+++ b/results/final/intent_report.json
@@ -0,0 +1,194 @@
+{
+  "ask_project": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 10,
+    "confused_with": {}
+  },
+  "ask_date": {
+    "precision": 0.9090909090909091,
+    "recall": 1.0,
+    "f1-score": 0.9523809523809523,
+    "support": 10,
+    "confused_with": {}
+  },
+  "goodbye": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 10,
+    "confused_with": {}
+  },
+  "ask_time": {
+    "precision": 1.0,
+    "recall": 0.8,
+    "f1-score": 0.888888888888889,
+    "support": 10,
+    "confused_with": {
+      "greet": 2
+    }
+  },
+  "inform_name": {
+    "precision": 0.75,
+    "recall": 1.0,
+    "f1-score": 0.8571428571428571,
+    "support": 15,
+    "confused_with": {}
+  },
+  "ask_project_structure": {
+    "precision": 0.8181818181818182,
+    "recall": 0.9,
+    "f1-score": 0.8571428571428572,
+    "support": 10,
+    "confused_with": {
+      "ask_rasa": 1
+    }
+  },
+  "ask_nlu": {
+    "precision": 0.9090909090909091,
+    "recall": 1.0,
+    "f1-score": 0.9523809523809523,
+    "support": 10,
+    "confused_with": {}
+  },
+  "ask_creator": {
+    "precision": 1.0,
+    "recall": 0.9,
+    "f1-score": 0.9473684210526316,
+    "support": 10,
+    "confused_with": {
+      "thanks": 1
+    }
+  },
+  "ask_restart": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 10,
+    "confused_with": {}
+  },
+  "thanks": {
+    "precision": 0.8181818181818182,
+    "recall": 0.9,
+    "f1-score": 0.8571428571428572,
+    "support": 10,
+    "confused_with": {
+      "help": 1
+    }
+  },
+  "ask_training": {
+    "precision": 0.9090909090909091,
+    "recall": 1.0,
+    "f1-score": 0.9523809523809523,
+    "support": 10,
+    "confused_with": {}
+  },
+  "smalltalk_joke": {
+    "precision": 1.0,
+    "recall": 0.8,
+    "f1-score": 0.888888888888889,
+    "support": 10,
+    "confused_with": {
+      "smalltalk_howareyou": 1,
+      "inform_name": 1
+    }
+  },
+  "ask_rasa": {
+    "precision": 0.9090909090909091,
+    "recall": 1.0,
+    "f1-score": 0.9523809523809523,
+    "support": 10,
+    "confused_with": {}
+  },
+  "smalltalk_howareyou": {
+    "precision": 0.875,
+    "recall": 0.7,
+    "f1-score": 0.7777777777777777,
+    "support": 10,
+    "confused_with": {
+      "help": 1,
+      "ask_name": 1
+    }
+  },
+  "ask_name": {
+    "precision": 0.9,
+    "recall": 0.9,
+    "f1-score": 0.9,
+    "support": 10,
+    "confused_with": {
+      "inform_name": 1
+    }
+  },
+  "ask_docker": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 10,
+    "confused_with": {}
+  },
+  "greet": {
+    "precision": 0.75,
+    "recall": 0.9,
+    "f1-score": 0.8181818181818182,
+    "support": 10,
+    "confused_with": {
+      "help": 1
+    }
+  },
+  "out_of_scope": {
+    "precision": 1.0,
+    "recall": 0.6666666666666666,
+    "f1-score": 0.8,
+    "support": 30,
+    "confused_with": {
+      "inform_name": 3,
+      "help": 2
+    }
+  },
+  "feedback_bad": {
+    "precision": 1.0,
+    "recall": 0.8,
+    "f1-score": 0.888888888888889,
+    "support": 10,
+    "confused_with": {
+      "thanks": 1,
+      "ask_date": 1
+    }
+  },
+  "help": {
+    "precision": 0.6666666666666666,
+    "recall": 1.0,
+    "f1-score": 0.8,
+    "support": 10,
+    "confused_with": {}
+  },
+  "ask_run": {
+    "precision": 0.8181818181818182,
+    "recall": 0.9,
+    "f1-score": 0.8571428571428572,
+    "support": 10,
+    "confused_with": {
+      "ask_training": 1
+    }
+  },
+  "accuracy": 0.8936170212765957,
+  "macro avg": {
+    "precision": 0.9063131313131313,
+    "recall": 0.9126984126984128,
+    "f1-score": 0.9022899962749588,
+    "support": 235
+  },
+  "weighted avg": {
+    "precision": 0.9109606705351387,
+    "recall": 0.8936170212765957,
+    "f1-score": 0.8926238872487474,
+    "support": 235
+  },
+  "micro avg": {
+    "precision": 0.8936170212765957,
+    "recall": 0.8936170212765957,
+    "f1-score": 0.8936170212765957,
+    "support": 235
+  }
+}
\ No newline at end of file
diff --git a/results/final/runtime_report.json b/results/final/runtime_report.json
new file mode 100644
index 0000000..f11e9ea
--- /dev/null
+++ b/results/final/runtime_report.json
@@ -0,0 +1,111 @@
+{
+  "total": 235,
+  "correct": 209,
+  "accuracy": 0.8893617021276595,
+  "raw_correct": 210,
+  "raw_accuracy": 0.8936170212765957,
+  "fallback_count": 7,
+  "fallback_raw_correct_count": 1,
+  "fallback_raw_incorrect_count": 6,
+  "fallback_rate": 0.029787234042553193,
+  "accepted_count": 228,
+  "coverage": 0.9702127659574468,
+  "accepted_correct": 209,
+  "selective_accuracy": 0.9166666666666666,
+  "fallback_expected_distribution": {
+    "ask_time": 2,
+    "out_of_scope": 2,
+    "ask_nlu": 1,
+    "ask_project_structure": 1,
+    "smalltalk_joke": 1
+  },
+  "top_confusions": [
+    {
+      "expected": "out_of_scope",
+      "predicted": "inform_name",
+      "count": 3
+    },
+    {
+      "expected": "ask_time",
+      "predicted": "nlu_fallback",
+      "count": 2
+    },
+    {
+      "expected": "out_of_scope",
+      "predicted": "help",
+      "count": 2
+    },
+    {
+      "expected": "out_of_scope",
+      "predicted": "nlu_fallback",
+      "count": 2
+    },
+    {
+      "expected": "ask_creator",
+      "predicted": "thanks",
+      "count": 1
+    },
+    {
+      "expected": "ask_name",
+      "predicted": "inform_name",
+      "count": 1
+    },
+    {
+      "expected": "ask_nlu",
+      "predicted": "nlu_fallback",
+      "count": 1
+    },
+    {
+      "expected": "ask_project_structure",
+      "predicted": "nlu_fallback",
+      "count": 1
+    },
+    {
+      "expected": "ask_run",
+      "predicted": "ask_training",
+      "count": 1
+    },
+    {
+      "expected": "feedback_bad",
+      "predicted": "ask_date",
+      "count": 1
+    },
+    {
+      "expected": "feedback_bad",
+      "predicted": "thanks",
+      "count": 1
+    },
+    {
+      "expected": "greet",
+      "predicted": "help",
+      "count": 1
+    },
+    {
+      "expected": "out_of_scope",
+      "predicted": "ask_nlu",
+      "count": 1
+    },
+    {
+      "expected": "out_of_scope",
+      "predicted": "ask_project_structure",
+      "count": 1
+    },
+    {
+      "expected": "out_of_scope",
+      "predicted": "ask_run",
+      "count": 1
+    }
+  ],
+  "metadata": {
+    "model_file": "models/russian-assistant-v2.tar.gz",
+    "model_sha256": "1b99ab0a48dfcc4f33b55d46dac2be9272ef53fe45d4923eede76e806ab4309d",
+    "nlu_file": "tests/nlu_test.yml",
+    "nlu_sha256": "dc21a5e70c9c47a01fa9cb07586923be2454e4f248c7b75dd352b40e773c117a",
+    "config_file": "config.yml",
+    "config_sha256": "119b7931dc61ca5c44638a9bf9b8f2f1618f094e86444c02c75028735e7d4481",
+    "python_version": "3.10.11",
+    "rasa_version": "3.6.21",
+    "rasa_sdk_version": "3.6.2",
+    "generated_at_utc": "2026-07-22T09:55:17Z"
+  }
+}
diff --git a/results/final/story_report.json b/results/final/story_report.json
new file mode 100644
index 0000000..f526ab5
--- /dev/null
+++ b/results/final/story_report.json
@@ -0,0 +1,171 @@
+{
+  "utter_joke": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 1
+  },
+  "utter_name": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 1
+  },
+  "utter_creator": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 1
+  },
+  "utter_docker": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 1
+  },
+  "action_show_time": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 1
+  },
+  "utter_out_of_scope": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 1
+  },
+  "action_restart": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 1
+  },
+  "utter_feedback_bad": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 1
+  },
+  "utter_restart": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 1
+  },
+  "utter_project_structure": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 1
+  },
+  "action_show_date": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 1
+  },
+  "utter_training": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 1
+  },
+  "utter_greet": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 1
+  },
+  "utter_rasa": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 1
+  },
+  "action_show_capabilities": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 2
+  },
+  "utter_howareyou": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 1
+  },
+  "utter_default": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 1
+  },
+  "action_listen": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 23
+  },
+  "utter_project": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 1
+  },
+  "utter_you_are_welcome": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 1
+  },
+  "utter_run": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 1
+  },
+  "action_remember_name": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 1
+  },
+  "utter_goodbye": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 1
+  },
+  "utter_nlu": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 1
+  },
+  "accuracy": 1.0,
+  "macro avg": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 47
+  },
+  "weighted avg": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 47
+  },
+  "micro avg": {
+    "precision": 1.0,
+    "recall": 1.0,
+    "f1-score": 1.0,
+    "support": 47
+  },
+  "conversation_accuracy": {
+    "accuracy": 1.0,
+    "correct": 10,
+    "with_warnings": 0,
+    "total": 10
+  }
+}
\ No newline at end of file
diff --git a/results/final/summary.md b/results/final/summary.md
new file mode 100644
index 0000000..1071d30
--- /dev/null
+++ b/results/final/summary.md
@@ -0,0 +1,82 @@
+# Итоги NLU-оценки
+
+- Дата запуска (UTC): **2026-07-22**
+- Окружение: **Python 3.10.11, Rasa 3.6.21, Rasa SDK 3.6.2**
+- Данные: **795 train / 235 test сообщений**
+- Конфигурация: **DIETClassifier/TEDPolicy, 100 эпох, seed 42**
+- Оценено сообщений: **235**
+- Accuracy: **89.36%**
+- Macro-F1: **90.23%**
+- Weighted-F1: **89.26%**
+- Ошибок intent: **25**
+- F1 `person_name` на уровне токенов/тегов: **87.80%**
+- Сообщений с ошибкой entity: **4**
+
+> `rasa test nlu` запускает NLU-конвейер, но перед подсчётом intent-метрик восстанавливает исходный top-intent из ranking, если сработал FallbackClassifier. Поэтому итоговое fallback-решение отдельно измеряется полным runtime-конвейером.
+
+## Поведение полного pipeline
+
+- Raw accuracy до fallback: **89.36%**
+- Строгая intent accuracy после fallback: **88.94%**
+- Coverage — доля сообщений с принятым intent (не `nlu_fallback`): **97.02%**
+- Selective accuracy среди принятых intent: **91.67%**
+- Доля fallback: **2.98%**
+- Fallback отклонил **7** сообщений: **1** с верным raw intent и **6** с ошибочным raw intent.
+
+> Это компромисс abstention: fallback может повысить точность среди принятых intent, одновременно снижая coverage и, если он отклоняет верный raw intent, строгую общую accuracy.
+
+## Rasa Core
+
+- Диалоговые истории: **10/10**
+- Действия: **47/47**
+- Action accuracy: **100.00%**
+
+> Это Core-only тесты с заранее заданными gold intents; NLU здесь не проверяется. Шаги `action_listen` составляют **23/47** всех проверенных действий.
+
+## Метрики по intent
+
+| Intent | Precision | Recall | F1 | Support |
+|---|---:|---:|---:|---:|
+| `smalltalk_howareyou` | 0.875 | 0.700 | 0.778 | 10 |
+| `help` | 0.667 | 1.000 | 0.800 | 10 |
+| `out_of_scope` | 1.000 | 0.667 | 0.800 | 30 |
+| `greet` | 0.750 | 0.900 | 0.818 | 10 |
+| `inform_name` | 0.750 | 1.000 | 0.857 | 15 |
+| `ask_project_structure` | 0.818 | 0.900 | 0.857 | 10 |
+| `ask_run` | 0.818 | 0.900 | 0.857 | 10 |
+| `thanks` | 0.818 | 0.900 | 0.857 | 10 |
+| `ask_time` | 1.000 | 0.800 | 0.889 | 10 |
+| `feedback_bad` | 1.000 | 0.800 | 0.889 | 10 |
+| `smalltalk_joke` | 1.000 | 0.800 | 0.889 | 10 |
+| `ask_name` | 0.900 | 0.900 | 0.900 | 10 |
+| `ask_creator` | 1.000 | 0.900 | 0.947 | 10 |
+| `ask_date` | 0.909 | 1.000 | 0.952 | 10 |
+| `ask_nlu` | 0.909 | 1.000 | 0.952 | 10 |
+| `ask_rasa` | 0.909 | 1.000 | 0.952 | 10 |
+| `ask_training` | 0.909 | 1.000 | 0.952 | 10 |
+| `ask_docker` | 1.000 | 1.000 | 1.000 | 10 |
+| `ask_project` | 1.000 | 1.000 | 1.000 | 10 |
+| `ask_restart` | 1.000 | 1.000 | 1.000 | 10 |
+| `goodbye` | 1.000 | 1.000 | 1.000 | 10 |
+
+## Частые смешения
+
+| Истинный intent | Предсказанный intent | Число |
+|---|---|---:|
+| `out_of_scope` | `inform_name` | 3 |
+| `ask_time` | `greet` | 2 |
+| `out_of_scope` | `ask_run` | 2 |
+| `out_of_scope` | `help` | 2 |
+| `greet` | `help` | 1 |
+| `thanks` | `help` | 1 |
+| `ask_name` | `inform_name` | 1 |
+| `ask_creator` | `thanks` | 1 |
+| `ask_run` | `ask_training` | 1 |
+| `ask_project_structure` | `ask_rasa` | 1 |
+| `feedback_bad` | `thanks` | 1 |
+| `feedback_bad` | `ask_date` | 1 |
+| `smalltalk_howareyou` | `help` | 1 |
+| `smalltalk_howareyou` | `ask_name` | 1 |
+| `smalltalk_howareyou` | `ask_project_structure` | 1 |
+
+> Финальный test-набор подготовлен отдельно и не использовался при обучении. Он остаётся вручную/синтетически составленным, поэтому результат не заменяет проверку на сообщениях реальных пользователей.
diff --git a/scripts/chat.ps1 b/scripts/chat.ps1
new file mode 100644
index 0000000..c35fec7
--- /dev/null
+++ b/scripts/chat.ps1
@@ -0,0 +1,105 @@
+[CmdletBinding()]
+param(
+    [string]$Model
+)
+
+Set-StrictMode -Version Latest
+$ErrorActionPreference = "Stop"
+
+$env:PYTHONUTF8 = "1"
+$env:PYTHONIOENCODING = "utf-8"
+$env:RASA_TELEMETRY_ENABLED = "false"
+
+$ProjectRoot = (Resolve-Path -LiteralPath (Join-Path $PSScriptRoot "..")).Path
+$Python = Join-Path $ProjectRoot ".venv-rasa\Scripts\python.exe"
+
+if (-not (Test-Path -LiteralPath $Python -PathType Leaf)) {
+    throw @"
+Rasa environment was not found at .venv-rasa.
+Create it with Python 3.10 and install the pinned dependencies:
+  py -3.10 -m venv .venv-rasa
+  .\.venv-rasa\Scripts\python.exe -m pip install -r requirements.txt
+"@
+}
+
+Set-Location -LiteralPath $ProjectRoot
+
+$EndpointsPath = Join-Path $ProjectRoot "endpoints.yml"
+if (-not (Test-Path -LiteralPath $EndpointsPath -PathType Leaf)) {
+    throw "Required project file is missing: endpoints.yml"
+}
+
+if ([string]::IsNullOrWhiteSpace($Model)) {
+    $ModelsDirectory = Join-Path $ProjectRoot "models"
+    if (-not (Test-Path -LiteralPath $ModelsDirectory -PathType Container)) {
+        throw "No models directory was found. Run scripts/train.ps1 first."
+    }
+
+    $ModelFile = Get-ChildItem -LiteralPath $ModelsDirectory -Filter "*.tar.gz" -File |
+        Sort-Object LastWriteTimeUtc -Descending |
+        Select-Object -First 1
+
+    if ($null -eq $ModelFile) {
+        throw "No trained model was found in models/. Run scripts/train.ps1 first."
+    }
+
+    $ModelPath = $ModelFile.FullName
+}
+else {
+    $ModelPath = (Resolve-Path -LiteralPath $Model).Path
+}
+
+$ActionProcess = $null
+
+try {
+    Write-Host "Starting local Rasa action server on http://127.0.0.1:5055 ..."
+    $ActionProcess = Start-Process `
+        -FilePath $Python `
+        -ArgumentList @("-m", "rasa_sdk", "--actions", "actions.actions", "--port", "5055", "--quiet") `
+        -WorkingDirectory $ProjectRoot `
+        -PassThru `
+        -WindowStyle Hidden
+
+    $ActionServerReady = $false
+    for ($Attempt = 1; $Attempt -le 30; $Attempt++) {
+        if ($ActionProcess.HasExited) {
+            throw "The Rasa action server exited before becoming ready."
+        }
+
+        try {
+            $HealthResponse = Invoke-WebRequest `
+                -Uri "http://127.0.0.1:5055/health" `
+                -UseBasicParsing `
+                -TimeoutSec 1
+            if ($HealthResponse.StatusCode -eq 200) {
+                $ActionServerReady = $true
+                break
+            }
+        }
+        catch {
+            Start-Sleep -Seconds 1
+        }
+    }
+
+    if (-not $ActionServerReady) {
+        throw "The Rasa action server did not become ready within 30 seconds."
+    }
+
+    $RasaArguments = @(
+        "shell",
+        "--model", $ModelPath,
+        "--endpoints", $EndpointsPath
+    )
+
+    Write-Host "Running: rasa shell --model <latest model> --endpoints <local endpoints>"
+    & $Python -m rasa @RasaArguments
+    if ($LASTEXITCODE -ne 0) {
+        throw "Rasa shell failed with exit code $LASTEXITCODE."
+    }
+}
+finally {
+    if (($null -ne $ActionProcess) -and (-not $ActionProcess.HasExited)) {
+        Stop-Process -Id $ActionProcess.Id -Force -ErrorAction SilentlyContinue
+        $ActionProcess.WaitForExit()
+    }
+}
diff --git a/scripts/evaluate.ps1 b/scripts/evaluate.ps1
new file mode 100644
index 0000000..9177022
--- /dev/null
+++ b/scripts/evaluate.ps1
@@ -0,0 +1,174 @@
+[CmdletBinding()]
+param(
+    [string]$Model,
+    [string]$TestData = "tests/nlu_test.yml",
+    [string]$OutputDirectory = "results/final"
+)
+
+Set-StrictMode -Version Latest
+$ErrorActionPreference = "Stop"
+
+$env:PYTHONUTF8 = "1"
+$env:PYTHONIOENCODING = "utf-8"
+$env:RASA_TELEMETRY_ENABLED = "false"
+
+$ProjectRoot = (Resolve-Path -LiteralPath (Join-Path $PSScriptRoot "..")).Path
+$Python = Join-Path $ProjectRoot ".venv-rasa\Scripts\python.exe"
+
+if (-not (Test-Path -LiteralPath $Python -PathType Leaf)) {
+    throw @"
+Rasa environment was not found at .venv-rasa.
+Create it with Python 3.10 and install the pinned development dependencies:
+  py -3.10 -m venv .venv-rasa
+  .\.venv-rasa\Scripts\python.exe -m pip install -r requirements-dev.txt
+"@
+}
+
+Set-Location -LiteralPath $ProjectRoot
+
+$RequiredFiles = @(
+    "config.yml",
+    "domain.yml",
+    "data/nlu.yml",
+    "scripts/summarize_results.py",
+    "scripts/evaluate_runtime_nlu.py",
+    "tests/test_stories.yml"
+)
+foreach ($RequiredFile in $RequiredFiles) {
+    if (-not (Test-Path -LiteralPath (Join-Path $ProjectRoot $RequiredFile) -PathType Leaf)) {
+        throw "Required project file is missing: $RequiredFile"
+    }
+}
+
+if ([string]::IsNullOrWhiteSpace($Model)) {
+    $ModelsDirectory = Join-Path $ProjectRoot "models"
+    if (-not (Test-Path -LiteralPath $ModelsDirectory -PathType Container)) {
+        throw "No models directory was found. Run scripts/train.ps1 first."
+    }
+
+    $ModelFile = Get-ChildItem -LiteralPath $ModelsDirectory -Filter "*.tar.gz" -File |
+        Sort-Object LastWriteTimeUtc -Descending |
+        Select-Object -First 1
+
+    if ($null -eq $ModelFile) {
+        throw "No trained model was found in models/. Run scripts/train.ps1 first."
+    }
+
+    $ModelPath = $ModelFile.FullName
+}
+else {
+    $ModelCandidate = if ([System.IO.Path]::IsPathRooted($Model)) {
+        $Model
+    }
+    else {
+        Join-Path $ProjectRoot $Model
+    }
+
+    if (-not (Test-Path -LiteralPath $ModelCandidate -PathType Leaf)) {
+        throw "Model file was not found: $Model"
+    }
+
+    $ModelPath = (Resolve-Path -LiteralPath $ModelCandidate).Path
+}
+
+if ([string]::IsNullOrWhiteSpace($TestData)) {
+    throw "TestData must point to a Rasa NLU YAML file."
+}
+
+$TestDataCandidate = if ([System.IO.Path]::IsPathRooted($TestData)) {
+    $TestData
+}
+else {
+    Join-Path $ProjectRoot $TestData
+}
+
+if (-not (Test-Path -LiteralPath $TestDataCandidate -PathType Leaf)) {
+    throw "NLU test data file was not found: $TestData"
+}
+$TestDataPath = (Resolve-Path -LiteralPath $TestDataCandidate).Path
+
+if ([string]::IsNullOrWhiteSpace($OutputDirectory)) {
+    throw "OutputDirectory must not be empty."
+}
+
+$OutputCandidate = if ([System.IO.Path]::IsPathRooted($OutputDirectory)) {
+    $OutputDirectory
+}
+else {
+    Join-Path $ProjectRoot $OutputDirectory
+}
+$OutputPath = [System.IO.Path]::GetFullPath($OutputCandidate)
+
+if (Test-Path -LiteralPath $OutputPath -PathType Leaf) {
+    throw "OutputDirectory points to a file: $OutputPath"
+}
+New-Item -ItemType Directory -Path $OutputPath -Force | Out-Null
+$OutputPath = (Resolve-Path -LiteralPath $OutputPath).Path
+
+$DomainPath = (Resolve-Path -LiteralPath (Join-Path $ProjectRoot "domain.yml")).Path
+$ConfigPath = (Resolve-Path -LiteralPath (Join-Path $ProjectRoot "config.yml")).Path
+$TrainDataPath = (Resolve-Path -LiteralPath (Join-Path $ProjectRoot "data/nlu.yml")).Path
+$SummarizerPath = (Resolve-Path -LiteralPath (Join-Path $ProjectRoot "scripts/summarize_results.py")).Path
+$RuntimeEvaluatorPath = (Resolve-Path -LiteralPath (Join-Path $ProjectRoot "scripts/evaluate_runtime_nlu.py")).Path
+$CoreStoriesPath = (Resolve-Path -LiteralPath (Join-Path $ProjectRoot "tests/test_stories.yml")).Path
+$SummaryPath = Join-Path $OutputPath "summary.md"
+$RuntimeReportPath = Join-Path $OutputPath "runtime_report.json"
+$CoreOutputPath = Join-Path $OutputPath "core"
+$CoreReportPath = Join-Path $CoreOutputPath "story_report.json"
+$PublishedCoreReportPath = Join-Path $OutputPath "story_report.json"
+
+$RasaArguments = @(
+    "test",
+    "nlu",
+    "--model", $ModelPath,
+    "--nlu", $TestDataPath,
+    "--domain", $DomainPath,
+    "--out", $OutputPath
+)
+
+Write-Host "Running held-out NLU evaluation against $TestDataPath"
+Write-Host "Running: rasa $($RasaArguments -join ' ')"
+& $Python -m rasa @RasaArguments
+if ($LASTEXITCODE -ne 0) {
+    throw "Rasa NLU evaluation failed with exit code $LASTEXITCODE."
+}
+
+Write-Host "Measuring the complete NLU pipeline including FallbackClassifier"
+& $Python $RuntimeEvaluatorPath `
+    $ModelPath `
+    --nlu $TestDataPath `
+    --config $ConfigPath `
+    --output $RuntimeReportPath
+if ($LASTEXITCODE -ne 0) {
+    throw "Runtime NLU evaluation failed with exit code $LASTEXITCODE."
+}
+
+Write-Host "Running Rasa Core evaluation against $CoreStoriesPath"
+$CoreArguments = @(
+    "test",
+    "core",
+    "--model", $ModelPath,
+    "--stories", $CoreStoriesPath,
+    "--out", $CoreOutputPath
+)
+Write-Host "Running: rasa $($CoreArguments -join ' ')"
+& $Python -m rasa @CoreArguments
+if ($LASTEXITCODE -ne 0) {
+    throw "Rasa Core evaluation failed with exit code $LASTEXITCODE."
+}
+if (-not (Test-Path -LiteralPath $CoreReportPath -PathType Leaf)) {
+    throw "Rasa Core evaluation did not produce story_report.json."
+}
+Copy-Item -LiteralPath $CoreReportPath -Destination $PublishedCoreReportPath -Force
+
+Write-Host "Building Markdown summary from the generated reports"
+& $Python $SummarizerPath `
+    $OutputPath `
+    --train-data $TrainDataPath `
+    --test-data $TestDataPath `
+    --output $SummaryPath
+if ($LASTEXITCODE -ne 0) {
+    throw "Evaluation summary generation failed with exit code $LASTEXITCODE."
+}
+
+Write-Host "Evaluation artifacts: $OutputPath"
diff --git a/scripts/evaluate_runtime_nlu.py b/scripts/evaluate_runtime_nlu.py
new file mode 100644
index 0000000..385899f
--- /dev/null
+++ b/scripts/evaluate_runtime_nlu.py
@@ -0,0 +1,374 @@
+"""Evaluate the complete Rasa NLU pipeline, including fallback decisions.
+
+Unlike ``rasa test nlu``, this script sends every held-out example through a
+loaded ``Agent``.  The resulting report therefore reflects the configured
+``FallbackClassifier`` and stores aggregates only, never example texts.
+"""
+
+from __future__ import annotations
+
+import argparse
+import asyncio
+import hashlib
+import importlib.metadata
+import json
+import logging
+import platform
+from collections import Counter
+from collections.abc import Mapping, Sequence
+from datetime import datetime, timezone
+from pathlib import Path
+from typing import Any
+
+import yaml
+
+
+FALLBACK_INTENT = "nlu_fallback"
+TOP_CONFUSIONS_LIMIT = 15
+
+
+class InputValidationError(ValueError):
+    """Raised when the evaluation inputs do not have the expected shape."""
+
+
+def _safe_ratio(numerator: int, denominator: int) -> float:
+    """Return a JSON-friendly ratio, including for an empty denominator."""
+
+    return numerator / denominator if denominator else 0.0
+
+
+def _examples_from_block(value: Any, context: str) -> list[str]:
+    """Extract annotated example strings from a Rasa YAML examples block."""
+
+    if isinstance(value, str):
+        examples: list[str] = []
+        for line_number, line in enumerate(value.splitlines(), start=1):
+            if not line.strip():
+                continue
+            stripped = line.strip()
+            if not stripped.startswith("-"):
+                raise InputValidationError(
+                    f"{context}, line {line_number}: each multiline example must "
+                    "start with '-'."
+                )
+            example = stripped[1:].strip()
+            if not example:
+                raise InputValidationError(
+                    f"{context}, line {line_number}: example text is empty."
+                )
+            examples.append(example)
+        return examples
+
+    if isinstance(value, Sequence) and not isinstance(value, (str, bytes)):
+        examples = []
+        for example_index, item in enumerate(value, start=1):
+            if isinstance(item, str):
+                example = item.strip()
+            elif isinstance(item, Mapping):
+                text = item.get("text")
+                if not isinstance(text, str):
+                    raise InputValidationError(
+                        f"{context}, example {example_index}: list entries must "
+                        "contain a string 'text' field."
+                    )
+                example = text.strip()
+            else:
+                raise InputValidationError(
+                    f"{context}, example {example_index}: expected a string or "
+                    "a mapping with a 'text' field."
+                )
+
+            if not example:
+                raise InputValidationError(
+                    f"{context}, example {example_index}: example text is empty."
+                )
+            examples.append(example)
+        return examples
+
+    raise InputValidationError(
+        f"{context}: 'examples' must be a multiline string or a list."
+    )
+
+
+def load_labeled_examples(nlu_path: Path) -> list[tuple[str, str]]:
+    """Load ``(expected_intent, plain_text)`` pairs from Rasa NLU YAML."""
+
+    from rasa.shared.nlu.training_data.entities_parser import replace_entities
+
+    try:
+        document = yaml.safe_load(nlu_path.read_text(encoding="utf-8"))
+    except UnicodeDecodeError as exc:
+        raise InputValidationError(f"NLU file is not valid UTF-8: {nlu_path}") from exc
+    except yaml.YAMLError as exc:
+        raise InputValidationError(f"Invalid YAML in {nlu_path}: {exc}") from exc
+
+    if not isinstance(document, Mapping):
+        raise InputValidationError("NLU YAML root must be a mapping.")
+
+    version = document.get("version")
+    if not isinstance(version, str) or not version.strip():
+        raise InputValidationError("NLU YAML must contain a non-empty string 'version'.")
+
+    nlu_blocks = document.get("nlu")
+    if not isinstance(nlu_blocks, list):
+        raise InputValidationError("NLU YAML field 'nlu' must be a list.")
+    if not nlu_blocks:
+        raise InputValidationError("NLU YAML field 'nlu' must not be empty.")
+
+    labeled_examples: list[tuple[str, str]] = []
+    for block_index, block in enumerate(nlu_blocks, start=1):
+        context = f"NLU block {block_index}"
+        if not isinstance(block, Mapping):
+            raise InputValidationError(f"{context} must be a mapping.")
+
+        intent = block.get("intent")
+        if not isinstance(intent, str) or not intent.strip():
+            raise InputValidationError(
+                f"{context} must contain a non-empty string 'intent'."
+            )
+        intent = intent.strip()
+        if intent == FALLBACK_INTENT:
+            raise InputValidationError(
+                f"{context} uses reserved runtime intent '{FALLBACK_INTENT}' as "
+                "a gold label. Label the message with its expected domain intent "
+                "instead."
+            )
+
+        if "examples" not in block:
+            raise InputValidationError(f"{context} is missing 'examples'.")
+        annotated_examples = _examples_from_block(block["examples"], context)
+        if not annotated_examples:
+            raise InputValidationError(f"{context} contains no examples.")
+
+        for annotated_text in annotated_examples:
+            plain_text = replace_entities(annotated_text).strip()
+            if not plain_text:
+                raise InputValidationError(
+                    f"{context} contains an example that is empty after removing "
+                    "entity markup."
+                )
+            labeled_examples.append((intent, plain_text))
+
+    if not labeled_examples:
+        raise InputValidationError("NLU YAML contains no labeled examples.")
+    return labeled_examples
+
+
+def _raw_candidate_name(parsed: Mapping[str, Any], predicted: str) -> str:
+    """Return the pre-fallback top intent for one runtime prediction."""
+
+    if predicted != FALLBACK_INTENT:
+        return predicted
+
+    ranking = parsed.get("intent_ranking")
+    if not isinstance(ranking, Sequence) or isinstance(ranking, (str, bytes)):
+        raise RuntimeError(
+            "Rasa fallback prediction did not contain an intent_ranking sequence."
+        )
+
+    for candidate in ranking:
+        if not isinstance(candidate, Mapping):
+            continue
+        name = candidate.get("name")
+        if isinstance(name, str) and name and name != FALLBACK_INTENT:
+            return name
+
+    raise RuntimeError(
+        "Rasa fallback prediction did not contain a raw non-fallback candidate."
+    )
+
+
+async def evaluate(
+    model_path: Path, labeled_examples: list[tuple[str, str]]
+) -> dict[str, Any]:
+    """Run all examples through one loaded agent and aggregate predictions."""
+
+    from rasa.core.agent import Agent
+
+    agent = Agent.load(str(model_path))
+    if not agent.is_ready():
+        raise RuntimeError(f"Rasa Agent could not load a ready model from {model_path}")
+
+    correct = 0
+    raw_correct = 0
+    fallback_count = 0
+    fallback_raw_correct_count = 0
+    fallback_raw_incorrect_count = 0
+    accepted_correct = 0
+    fallback_expected: Counter[str] = Counter()
+    confusions: Counter[tuple[str, str]] = Counter()
+
+    for expected, text in labeled_examples:
+        parsed = await agent.parse_message(text)
+        intent_data = parsed.get("intent")
+        if not isinstance(intent_data, Mapping):
+            raise RuntimeError("Rasa parser returned no intent mapping.")
+        predicted = intent_data.get("name")
+        if not isinstance(predicted, str) or not predicted:
+            raise RuntimeError("Rasa parser returned an invalid intent name.")
+
+        raw_predicted = _raw_candidate_name(parsed, predicted)
+        is_correct = predicted == expected
+        is_raw_correct = raw_predicted == expected
+        if is_correct:
+            correct += 1
+        if is_raw_correct:
+            raw_correct += 1
+
+        if predicted == FALLBACK_INTENT:
+            fallback_count += 1
+            fallback_expected[expected] += 1
+            if is_raw_correct:
+                fallback_raw_correct_count += 1
+            else:
+                fallback_raw_incorrect_count += 1
+        else:
+            if is_correct:
+                accepted_correct += 1
+
+        if not is_correct:
+            confusions[(expected, predicted)] += 1
+
+    total = len(labeled_examples)
+    accepted_count = total - fallback_count
+    ordered_confusions = sorted(
+        confusions.items(), key=lambda item: (-item[1], item[0][0], item[0][1])
+    )[:TOP_CONFUSIONS_LIMIT]
+    ordered_fallback_distribution = sorted(
+        fallback_expected.items(), key=lambda item: (-item[1], item[0])
+    )
+
+    return {
+        "total": total,
+        "correct": correct,
+        "accuracy": _safe_ratio(correct, total),
+        "raw_correct": raw_correct,
+        "raw_accuracy": _safe_ratio(raw_correct, total),
+        "fallback_count": fallback_count,
+        "fallback_raw_correct_count": fallback_raw_correct_count,
+        "fallback_raw_incorrect_count": fallback_raw_incorrect_count,
+        "fallback_rate": _safe_ratio(fallback_count, total),
+        "accepted_count": accepted_count,
+        "coverage": _safe_ratio(accepted_count, total),
+        "accepted_correct": accepted_correct,
+        "selective_accuracy": _safe_ratio(accepted_correct, accepted_count),
+        "fallback_expected_distribution": {
+            intent: count for intent, count in ordered_fallback_distribution
+        },
+        "top_confusions": [
+            {"expected": expected, "predicted": predicted, "count": count}
+            for (expected, predicted), count in ordered_confusions
+        ],
+    }
+
+
+def _build_parser() -> argparse.ArgumentParser:
+    parser = argparse.ArgumentParser(
+        description=(
+            "Evaluate a full Rasa NLU pipeline, including FallbackClassifier, "
+            "without storing source example texts."
+        )
+    )
+    parser.add_argument("MODEL", type=Path, help="Path to a trained Rasa model")
+    parser.add_argument(
+        "--nlu",
+        type=Path,
+        default=Path("tests/nlu_test.yml"),
+        help="Held-out Rasa NLU YAML (default: tests/nlu_test.yml)",
+    )
+    parser.add_argument(
+        "--config",
+        type=Path,
+        default=Path("config.yml"),
+        help="Rasa configuration file to fingerprint (default: config.yml)",
+    )
+    parser.add_argument(
+        "--output",
+        type=Path,
+        default=Path("results/final/runtime_report.json"),
+        help=(
+            "Aggregate JSON report path "
+            "(default: results/final/runtime_report.json)"
+        ),
+    )
+    return parser
+
+
+def _configure_rasa_logging() -> None:
+    """Keep Rasa from logging evaluated message texts at debug level."""
+
+    from rasa.utils.common import configure_logging_and_warnings
+    from rasa.utils.log_utils import configure_structlog
+
+    configure_logging_and_warnings(log_level=logging.ERROR)
+    configure_structlog(log_level=logging.ERROR)
+
+
+def _portable_path(path: Path) -> str:
+    """Return a repository-relative path without leaking a local home path."""
+
+    resolved = path.resolve()
+    try:
+        return resolved.relative_to(Path.cwd().resolve()).as_posix()
+    except ValueError:
+        return resolved.name
+
+
+def _sha256(path: Path) -> str:
+    """Return the lowercase SHA-256 digest for a file."""
+
+    digest = hashlib.sha256()
+    with path.open("rb") as source:
+        for chunk in iter(lambda: source.read(1024 * 1024), b""):
+            digest.update(chunk)
+    return digest.hexdigest()
+
+
+def main() -> int:
+    parser = _build_parser()
+    args = parser.parse_args()
+
+    model_path: Path = args.MODEL.expanduser()
+    nlu_path: Path = args.nlu.expanduser()
+    config_path: Path = args.config.expanduser()
+    output_path: Path = args.output.expanduser()
+
+    if not model_path.is_file():
+        parser.error(f"model file does not exist: {model_path}")
+    if not nlu_path.is_file():
+        parser.error(f"NLU file does not exist: {nlu_path}")
+    if not config_path.is_file():
+        parser.error(f"config file does not exist: {config_path}")
+
+    try:
+        labeled_examples = load_labeled_examples(nlu_path)
+    except (OSError, InputValidationError) as exc:
+        parser.error(str(exc))
+
+    _configure_rasa_logging()
+    report = asyncio.run(evaluate(model_path, labeled_examples))
+    report["metadata"] = {
+        "model_file": _portable_path(model_path),
+        "model_sha256": _sha256(model_path),
+        "nlu_file": _portable_path(nlu_path),
+        "nlu_sha256": _sha256(nlu_path),
+        "config_file": _portable_path(config_path),
+        "config_sha256": _sha256(config_path),
+        "python_version": platform.python_version(),
+        "rasa_version": importlib.metadata.version("rasa"),
+        "rasa_sdk_version": importlib.metadata.version("rasa-sdk"),
+        "generated_at_utc": datetime.now(timezone.utc)
+        .isoformat(timespec="seconds")
+        .replace("+00:00", "Z"),
+    }
+
+    output_path.parent.mkdir(parents=True, exist_ok=True)
+    output_path.write_text(
+        json.dumps(report, ensure_ascii=False, indent=2) + "\n", encoding="utf-8"
+    )
+    print(f"Wrote aggregate runtime NLU report to {output_path}")
+    return 0
+
+
+if __name__ == "__main__":
+    raise SystemExit(main())
diff --git a/scripts/summarize_results.py b/scripts/summarize_results.py
new file mode 100644
index 0000000..ffc15f8
--- /dev/null
+++ b/scripts/summarize_results.py
@@ -0,0 +1,255 @@
+"""Create a compact Markdown summary from Rasa NLU evaluation artifacts."""
+
+from __future__ import annotations
+
+import argparse
+import importlib.metadata
+import json
+import platform
+import sys
+from collections import Counter
+from datetime import datetime, timezone
+from pathlib import Path
+from typing import Any
+
+import yaml
+
+
+def load_json(path: Path) -> Any:
+    return json.loads(path.read_text(encoding="utf-8"))
+
+
+def percent(value: float) -> str:
+    return f"{value * 100:.2f}%"
+
+
+def count_nlu_examples(path: Path) -> int:
+    document = yaml.safe_load(path.read_text(encoding="utf-8"))
+    blocks = document.get("nlu", []) if isinstance(document, dict) else []
+    count = 0
+    for block in blocks:
+        if not isinstance(block, dict) or "intent" not in block:
+            continue
+        examples = block.get("examples", "")
+        if isinstance(examples, str):
+            count += sum(
+                1 for line in examples.splitlines() if line.strip().startswith("-")
+            )
+        elif isinstance(examples, list):
+            count += len(examples)
+    return count
+
+
+def package_version(name: str) -> str:
+    try:
+        return importlib.metadata.version(name)
+    except importlib.metadata.PackageNotFoundError:
+        return "не установлена"
+
+
+def build_summary(
+    results_dir: Path,
+    train_data: Path,
+    test_data: Path,
+) -> str:
+    intent_report = load_json(results_dir / "intent_report.json")
+    intent_errors = load_json(results_dir / "intent_errors.json")
+    entity_report = load_json(results_dir / "DIETClassifier_report.json")
+    entity_errors = load_json(results_dir / "DIETClassifier_errors.json")
+
+    macro = intent_report["macro avg"]
+    weighted = intent_report["weighted avg"]
+    accuracy = intent_report["accuracy"]
+    support = int(macro["support"])
+
+    class_rows = []
+    ignored = {"accuracy", "macro avg", "weighted avg", "micro avg"}
+    for name, metrics in intent_report.items():
+        if name in ignored or not isinstance(metrics, dict):
+            continue
+        class_rows.append(
+            (
+                name,
+                float(metrics["precision"]),
+                float(metrics["recall"]),
+                float(metrics["f1-score"]),
+                int(metrics["support"]),
+            )
+        )
+    class_rows.sort(key=lambda row: (row[3], row[0]))
+
+    confusions = Counter(
+        (error["intent"], error["intent_prediction"]["name"])
+        for error in intent_errors
+    )
+    person_name_metrics = entity_report.get("person_name")
+    if not isinstance(person_name_metrics, dict):
+        # Backward-compatible fallback for older single-entity Rasa reports.
+        person_name_metrics = entity_report["macro avg"]
+    runtime_report_path = results_dir / "runtime_report.json"
+    runtime_report = (
+        load_json(runtime_report_path) if runtime_report_path.is_file() else None
+    )
+    core_report_path = results_dir / "story_report.json"
+    core_report = load_json(core_report_path) if core_report_path.is_file() else None
+    train_count = count_nlu_examples(train_data)
+    test_count = count_nlu_examples(test_data)
+
+    lines = [
+        "# Итоги NLU-оценки",
+        "",
+        f"- Дата запуска (UTC): **{datetime.now(timezone.utc):%Y-%m-%d}**",
+        f"- Окружение: **Python {platform.python_version()}, "
+        f"Rasa {package_version('rasa')}, Rasa SDK {package_version('rasa-sdk')}**",
+        f"- Данные: **{train_count} train / {test_count} test сообщений**",
+        "- Конфигурация: **DIETClassifier/TEDPolicy, 100 эпох, seed 42**",
+        f"- Оценено сообщений: **{support}**",
+        f"- Accuracy: **{percent(accuracy)}**",
+        f"- Macro-F1: **{percent(macro['f1-score'])}**",
+        f"- Weighted-F1: **{percent(weighted['f1-score'])}**",
+        f"- Ошибок intent: **{len(intent_errors)}**",
+        f"- F1 `person_name` на уровне токенов/тегов: "
+        f"**{percent(person_name_metrics['f1-score'])}**",
+        f"- Сообщений с ошибкой entity: **{len(entity_errors)}**",
+        "",
+        "> `rasa test nlu` запускает NLU-конвейер, но перед подсчётом "
+        "intent-метрик восстанавливает исходный top-intent из ranking, если "
+        "сработал FallbackClassifier. Поэтому итоговое fallback-решение отдельно "
+        "измеряется полным runtime-конвейером.",
+        "",
+    ]
+
+    if isinstance(runtime_report, dict):
+        raw_accuracy = float(runtime_report.get("raw_accuracy", accuracy))
+        fallback_count = int(runtime_report.get("fallback_count", 0))
+        fallback_raw_correct = runtime_report.get("fallback_raw_correct_count")
+        fallback_raw_incorrect = runtime_report.get("fallback_raw_incorrect_count")
+        lines.extend(
+            [
+                "## Поведение полного pipeline",
+                "",
+                f"- Raw accuracy до fallback: **{percent(raw_accuracy)}**",
+                f"- Строгая intent accuracy после fallback: "
+                f"**{percent(float(runtime_report['accuracy']))}**",
+                f"- Coverage — доля сообщений с принятым intent "
+                f"(не `nlu_fallback`): "
+                f"**{percent(float(runtime_report['coverage']))}**",
+                f"- Selective accuracy среди принятых intent: "
+                f"**{percent(float(runtime_report['selective_accuracy']))}**",
+                f"- Доля fallback: "
+                f"**{percent(float(runtime_report['fallback_rate']))}**",
+            ]
+        )
+        if fallback_raw_correct is not None and fallback_raw_incorrect is not None:
+            lines.append(
+                f"- Fallback отклонил **{fallback_count}** сообщений: "
+                f"**{int(fallback_raw_correct)}** с верным raw intent и "
+                f"**{int(fallback_raw_incorrect)}** с ошибочным raw intent."
+            )
+        lines.extend(
+            [
+                "",
+                "> Это компромисс abstention: fallback может повысить точность "
+                "среди принятых intent, одновременно снижая coverage и, если он "
+                "отклоняет верный raw intent, строгую общую accuracy.",
+                "",
+            ]
+        )
+
+    if isinstance(core_report, dict):
+        conversation = core_report.get("conversation_accuracy", {})
+        total_actions = int(core_report["macro avg"]["support"])
+        correct_actions = round(float(core_report["accuracy"]) * total_actions)
+        action_listen = core_report.get("action_listen")
+        action_listen_support = (
+            int(action_listen.get("support", 0))
+            if isinstance(action_listen, dict)
+            else None
+        )
+        lines.extend(
+            [
+                "## Rasa Core",
+                "",
+                f"- Диалоговые истории: **{conversation.get('correct', 0)}/"
+                f"{conversation.get('total', 0)}**",
+                f"- Действия: **{correct_actions}/{total_actions}**",
+                f"- Action accuracy: **{percent(float(core_report['accuracy']))}**",
+            ]
+        )
+        core_caveat = (
+            "> Это Core-only тесты с заранее заданными gold intents; NLU здесь "
+            "не проверяется."
+        )
+        if action_listen_support is not None:
+            core_caveat += (
+                f" Шаги `action_listen` составляют "
+                f"**{action_listen_support}/{total_actions}** всех проверенных "
+                "действий."
+            )
+        lines.extend(["", core_caveat, ""])
+
+    lines.extend(
+        [
+        "## Метрики по intent",
+        "",
+        "| Intent | Precision | Recall | F1 | Support |",
+        "|---|---:|---:|---:|---:|",
+        ]
+    )
+    lines.extend(
+        f"| `{name}` | {precision:.3f} | {recall:.3f} | {f1:.3f} | {count} |"
+        for name, precision, recall, f1, count in class_rows
+    )
+
+    lines.extend(
+        [
+            "",
+            "## Частые смешения",
+            "",
+            "| Истинный intent | Предсказанный intent | Число |",
+            "|---|---|---:|",
+        ]
+    )
+    lines.extend(
+        f"| `{expected}` | `{predicted}` | {count} |"
+        for (expected, predicted), count in confusions.most_common(15)
+    )
+
+    lines.extend(
+        [
+            "",
+            "> Финальный test-набор подготовлен отдельно и не использовался "
+            "при обучении. Он остаётся вручную/синтетически составленным, "
+            "поэтому результат не заменяет проверку на сообщениях реальных "
+            "пользователей.",
+            "",
+        ]
+    )
+    return "\n".join(lines)
+
+
+def main() -> int:
+    parser = argparse.ArgumentParser()
+    parser.add_argument("results_dir", nargs="?", default="results/final")
+    parser.add_argument("--output", help="Optional Markdown output path")
+    parser.add_argument("--train-data", default="data/nlu.yml")
+    parser.add_argument("--test-data", default="tests/nlu_test.yml")
+    args = parser.parse_args()
+
+    summary = build_summary(
+        Path(args.results_dir),
+        Path(args.train_data),
+        Path(args.test_data),
+    )
+    if hasattr(sys.stdout, "reconfigure"):
+        sys.stdout.reconfigure(encoding="utf-8")
+    print(summary)
+    if args.output:
+        output = Path(args.output)
+        output.parent.mkdir(parents=True, exist_ok=True)
+        output.write_text(summary, encoding="utf-8")
+    return 0
+
+
+if __name__ == "__main__":
+    raise SystemExit(main())
diff --git a/scripts/train.ps1 b/scripts/train.ps1
new file mode 100644
index 0000000..682c616
--- /dev/null
+++ b/scripts/train.ps1
@@ -0,0 +1,61 @@
+[CmdletBinding()]
+param(
+    [switch]$Force
+)
+
+Set-StrictMode -Version Latest
+$ErrorActionPreference = "Stop"
+
+$env:PYTHONUTF8 = "1"
+$env:PYTHONIOENCODING = "utf-8"
+$env:RASA_TELEMETRY_ENABLED = "false"
+
+$ProjectRoot = (Resolve-Path -LiteralPath (Join-Path $PSScriptRoot "..")).Path
+$Python = Join-Path $ProjectRoot ".venv-rasa\Scripts\python.exe"
+
+if (-not (Test-Path -LiteralPath $Python -PathType Leaf)) {
+    throw @"
+Rasa environment was not found at .venv-rasa.
+Create it with Python 3.10 and install the pinned dependencies:
+  py -3.10 -m venv .venv-rasa
+  .\.venv-rasa\Scripts\python.exe -m pip install -r requirements.txt
+"@
+}
+
+Set-Location -LiteralPath $ProjectRoot
+
+$RequiredFiles = @("config.yml", "domain.yml", "endpoints.yml")
+foreach ($RequiredFile in $RequiredFiles) {
+    if (-not (Test-Path -LiteralPath (Join-Path $ProjectRoot $RequiredFile) -PathType Leaf)) {
+        throw "Required project file is missing: $RequiredFile"
+    }
+}
+
+$RasaArguments = @(
+    "train",
+    "--config", "config.yml",
+    "--domain", "domain.yml",
+    "--data", "data",
+    "--out", "models",
+    "--endpoints", "endpoints.yml"
+)
+
+if ($Force) {
+    $RasaArguments += "--force"
+}
+
+Write-Host "Running: rasa $($RasaArguments -join ' ')"
+& $Python -m rasa @RasaArguments
+if ($LASTEXITCODE -ne 0) {
+    throw "Rasa training failed with exit code $LASTEXITCODE."
+}
+
+$LatestModel = Get-ChildItem -LiteralPath (Join-Path $ProjectRoot "models") -Filter "*.tar.gz" -File |
+    Sort-Object LastWriteTimeUtc -Descending |
+    Select-Object -First 1
+
+if ($null -eq $LatestModel) {
+    throw "Training completed without producing a model in models/."
+}
+
+Write-Host "Model created: $($LatestModel.FullName)"
diff --git a/scripts/validate.ps1 b/scripts/validate.ps1
new file mode 100644
index 0000000..fe21b29
--- /dev/null
+++ b/scripts/validate.ps1
@@ -0,0 +1,53 @@
+[CmdletBinding()]
+param()
+
+Set-StrictMode -Version Latest
+$ErrorActionPreference = "Stop"
+
+$env:PYTHONUTF8 = "1"
+$env:PYTHONIOENCODING = "utf-8"
+$env:RASA_TELEMETRY_ENABLED = "false"
+
+$ProjectRoot = (Resolve-Path -LiteralPath (Join-Path $PSScriptRoot "..")).Path
+$Python = Join-Path $ProjectRoot ".venv-rasa\Scripts\python.exe"
+
+if (-not (Test-Path -LiteralPath $Python -PathType Leaf)) {
+    throw @"
+Rasa environment was not found at .venv-rasa.
+Create it with Python 3.10 and install the pinned development dependencies:
+  py -3.10 -m venv .venv-rasa
+  .\.venv-rasa\Scripts\python.exe -m pip install -r requirements-dev.txt
+"@
+}
+
+Set-Location -LiteralPath $ProjectRoot
+
+$RequiredFiles = @(
+    "config.yml",
+    "domain.yml",
+    "endpoints.yml",
+    "tests/static_validate.py"
+)
+
+foreach ($RequiredFile in $RequiredFiles) {
+    if (-not (Test-Path -LiteralPath (Join-Path $ProjectRoot $RequiredFile) -PathType Leaf)) {
+        throw "Required project file is missing: $RequiredFile"
+    }
+}
+
+Write-Host "Running: rasa data validate --domain domain.yml --data data --fail-on-warnings"
+& $Python -m rasa data validate `
+    --domain "domain.yml" `
+    --data "data" `
+    --fail-on-warnings
+if ($LASTEXITCODE -ne 0) {
+    throw "Rasa data validation failed with exit code $LASTEXITCODE."
+}
+
+Write-Host "Running: python tests/static_validate.py"
+& $Python "tests/static_validate.py"
+if ($LASTEXITCODE -ne 0) {
+    throw "Static project validation failed with exit code $LASTEXITCODE."
+}
+
+Write-Host "Validation completed successfully."
diff --git a/tests/nlu_dev.yml b/tests/nlu_dev.yml
new file mode 100644
index 0000000..786a7a7
--- /dev/null
+++ b/tests/nlu_dev.yml
@@ -0,0 +1,302 @@
+version: "3.1"
+
+# Диагностический набор использовался для анализа ошибок между итерациями.
+# Финальная отложенная оценка находится в tests/nlu_test.yml.
+nlu:
+- intent: greet
+  examples: |
+    - здравия и успехов
+    - моё почтение
+    - приветствую вас в новом диалоге
+    - начнём со знакомства
+    - здравия желаю
+    - хочу начать с приветствия
+    - приятно встретиться
+    - начинаю разговор с приветствия
+    - алло, помощник, ты здесь
+    - на связи новый пользователь
+
+- intent: goodbye
+  examples: |
+    - благодарю за беседу, я завершаю работу
+    - пора заканчивать нашу встречу
+    - оставим вопросы до другого раза
+    - желаю удачи, до нового разговора
+    - я больше не буду тебя задерживать
+    - можно закрыть беседу
+    - увидимся в следующем сеансе
+    - откланиваюсь
+    - на сегодня закончили
+    - покидаю чат
+
+- intent: thanks
+  examples: |
+    - твоя подсказка пригодилась
+    - я получил нужное объяснение, благодарю
+    - ты здорово меня выручил
+    - теперь всё ясно, моя благодарность
+    - признателен за содержательный разбор
+    - помощь пришлась очень кстати
+    - благодарю, вопрос решён
+    - ценная подсказка, спасибо тебе
+    - ответ оказался полезным, большое спасибо
+    - выражаю признательность за содействие
+
+- intent: help
+  examples: |
+    - сориентируй меня по доступным разделам
+    - не знаю, с чего начать общение
+    - предложи темы для разговора
+    - проведи краткий обзор своих навыков
+    - какие операции доступны пользователю
+    - где посмотреть руководство по боту
+    - объясни правила взаимодействия с системой
+    - что входит в твою компетенцию
+    - покажи меню функций
+    - какие задачи тебе можно поручить
+
+- intent: ask_name
+  examples: |
+    - как подписан мой виртуальный собеседник
+    - сообщи своё обозначение
+    - представь себя пользователю
+    - каково имя системы
+    - хотелось бы знать, с кем ведётся беседа
+    - какое обращение ты предпочитаешь
+    - кем мне считать отвечающего помощника
+    - подскажи название бота
+    - идентифицируй себя
+    - кто находится на другом конце диалога
+
+- intent: ask_creator
+  examples: |
+    - назови человека, выполнившего разработку
+    - чья работа лежит в основе ассистента
+    - укажи создателя программного решения
+    - кем написана эта система
+    - кто подготовил исходный код
+    - хочу узнать исполнителя дипломной работы
+    - сообщи фамилию автора бота
+    - кто стоял за созданием помощника
+    - какой разработчик реализовал проект
+    - назови человека, которому принадлежит эта разработка
+
+- intent: ask_project
+  examples: |
+    - сформулируй основную идею выполненной работы
+    - какой замысел лежит в основе ассистента
+    - опиши предмет дипломного исследования
+    - какую пользу должна показать разработка
+    - что было главной целью автора проекта
+    - дай общее резюме выполненной системы
+    - какие результаты представляет этот диплом
+    - в рамках какой темы создан помощник
+    - раскрой суть проектной работы
+    - какую концепцию диалоговых систем здесь исследуют
+
+- intent: inform_name
+  examples: |
+    - для начала запомни, что собеседника зовут [Максим](person_name)
+    - в карточке пользователя укажи [Ольга](person_name)
+    - подпиши меня как [Сергей Белов](person_name)
+    - я зарегистрирована под именем [Юлия Андреева](person_name)
+    - правильное написание моего имени — [Нур-Мухаммад](person_name)
+    - задай мне обращение [Анастасия](person_name)
+    - имя для этого сеанса: [Вадим](person_name)
+    - пожалуйста, считай моим именем [Гульнара Каримова](person_name)
+    - правильное обращение ко мне — [Пётр Алексеевич](person_name)
+    - мой собеседник может называть меня [Эмиль](person_name)
+    - внеси в память имя [Ксения](person_name)
+    - я отзываюсь на имя [Андрей Соколов](person_name)
+    - пусть в разговоре моим именем будет [Лейла](person_name)
+    - для обращения подойдёт [Степан](person_name)
+    - зафиксируй для беседы имя [Майя-Лин](person_name)
+
+- intent: ask_restart
+  examples: |
+    - создай беседу без предыдущих сообщений
+    - требуется полностью обновить состояние чата
+    - можешь забыть всё сказанное ранее
+    - открой для меня чистый сеанс
+    - хочу сбросить сохранённый ход общения
+    - верни бота в состояние первого запуска
+    - удали накопленный контекст этой переписки
+    - переключи нас на новую беседу
+    - перезапуск нужен без сохранения истории
+    - очистим сведения из текущего разговора
+
+- intent: ask_rasa
+  examples: |
+    - к какому типу программ относится Rasa
+    - расскажи, что представляет собой этот фреймворк
+    - почему для диалогового помощника взяли платформу Rasa
+    - какое место занимает Rasa в общей системе
+    - перечисли ключевые части фреймворка
+    - для каких проектов подходит Rasa Open Source
+    - в чём преимущество Rasa для учебного ассистента
+    - охарактеризуй платформу, на которой построен бот
+    - какие возможности предоставляет сама Rasa
+    - объясни назначение фреймворка без деталей обучения
+
+- intent: ask_nlu
+  examples: |
+    - каким способом фраза получает метку намерения
+    - объясни разницу между целью запроса и извлечённым значением
+    - что делает модуль понимания пользовательской речи
+    - каким образом предложение относят к нужному классу
+    - зачем отмечать имена внутри обучающих фраз
+    - какой этап отвечает за смысловой разбор текста
+    - что возвращает анализатор языка диалоговому менеджеру
+    - как распознаются полезные значения в сообщении
+    - раскрой понятия intent и entity на примере
+    - по какому принципу бот понимает категорию реплики
+
+- intent: ask_training
+  examples: |
+    - опиши, как из размеченного корпуса получается классификатор
+    - что алгоритм делает с примерами во время тренировки
+    - когда требуется заново построить модель
+    - каким должен быть набор данных для качественного обучения
+    - где настраиваются параметры тренировочного процесса
+    - как обучающие фразы используются компонентом DIET
+    - что создаётся после завершения процедуры обучения
+    - почему нельзя оценивать модель на её тренировочных данных
+    - какие шаги проходит подготовка модели к работе
+    - как изменится обучение после добавления нового класса
+
+- intent: ask_run
+  examples: |
+    - как перейти от готового архива модели к разговору
+    - подскажи команду для интерактивной проверки бота
+    - что включить, чтобы принимать сообщения в консоли
+    - каким образом поднять уже подготовленный ассистент
+    - как открыть режим непосредственного общения
+    - опиши запуск компонентов после обучения
+    - где проверить ответы работающей модели
+    - как отдельно стартовать исполнитель custom actions
+    - что необходимо запустить для локальной демонстрации
+    - как проверить систему вручную через shell
+
+- intent: ask_project_structure
+  examples: |
+    - нарисуй карту директорий репозитория
+    - в какой части проекта объявлена сущность имени
+    - откуда Rasa читает примеры пользовательских фраз
+    - найди файл с шаблонами ответов
+    - где располагается реализация действий на Python
+    - какой конфигурационный файл описывает компоненты NLU
+    - поясни распределение кода и данных по каталогам
+    - в каком документе указан адрес сервера actions
+    - где искать правила переходов между репликами
+    - какие основные элементы находятся в корне проекта
+
+- intent: ask_docker
+  examples: |
+    - почему окружение проекта упаковано в образы
+    - какую задачу выполняет Compose при сборке сервисов
+    - поясни разделение приложения на два контейнера
+    - как контейнеризация обеспечивает одинаковый запуск
+    - для чего сервисам внутренняя сеть Docker
+    - что означает зафиксированный тег образа
+    - где описаны зависимости контейнерного окружения
+    - почему actions не находятся в одном процессе с Rasa
+    - какую роль играют проброшенные порты
+    - расскажи, как Compose объединяет части системы
+
+- intent: feedback_bad
+  examples: |
+    - предыдущая реакция не соответствует смыслу фразы
+    - я ожидал совсем другое объяснение
+    - исправь результат, он получился неточным
+    - классификация моего запроса явно ошибочна
+    - приведённые сведения не отвечают на вопрос
+    - такой ответ только запутывает
+    - помощник выбрал неподходящий вариант реакции
+    - качество объяснения меня разочаровало
+    - повтори по-другому, сейчас ничего не ясно
+    - ты неверно определил, чего я хотел
+
+- intent: ask_time
+  examples: |
+    - можно свериться с ташкентскими часами
+    - выведи показание времени для UTC+5
+    - сколько минут после текущего часа
+    - мне нужны часы на данный момент
+    - сообщи временную отметку без календаря
+    - что сейчас показывают часы в городе
+    - нужна временная отметка по местному поясу
+    - подскажи актуальные показания часов
+    - узнай время для ташкентского пояса
+    - какой час наступил прямо сейчас
+
+- intent: ask_date
+  examples: |
+    - какой лист календаря соответствует этому дню
+    - перечисли нынешние число, месяц и год
+    - сообщи календарные данные на данный момент
+    - что за число сегодня по местному календарю
+    - напомни месяц и день сегодняшнего дня
+    - выведи дату для часового пояса Ташкента
+    - какое число следует записать в документе сегодня
+    - назови сегодняшние календарные реквизиты
+    - какой датой отмечен текущий день
+    - мне требуется число этого месяца и год
+
+- intent: smalltalk_howareyou
+  examples: |
+    - как проходит твоя виртуальная жизнь
+    - готов ли помощник сегодня работать
+    - расскажи о своём самочувствии
+    - как складывается твой рабочий день
+    - давно не виделись, как ты там
+    - надеюсь, система чувствует себя прекрасно
+    - какое настроение у моего собеседника
+    - всё ли спокойно в твоём цифровом мире
+    - как ты поживал без меня
+    - бот сегодня в хорошем расположении духа
+
+- intent: smalltalk_joke
+  examples: |
+    - удиви меня остроумной репликой
+    - есть ли у тебя забавный анекдот для беседы
+    - устрой небольшую минуту смеха
+    - хочу проверить твоё чувство юмора
+    - поделись весёлой историей про код
+    - произнеси что-либо, способное рассмешить
+    - разряди обстановку забавным ответом
+    - подкинь хорошую шутейку
+    - пора добавить в диалог немного веселья
+    - умеешь смешно шутить
+
+- intent: out_of_scope
+  examples: |
+    - какая температура будет завтра утром
+    - подбери авиабилеты до Дубая
+    - научи меня играть на гитаре
+    - составь меню на неделю
+    - найди результаты теннисного турнира
+    - сколько белка содержится в курице
+    - объясни правила получения визы
+    - переведи деньги на другую карту
+    - расскажи последние политические события
+    - помоги выбрать университет для поступления
+    - напиши программу сортировки на Java
+    - какая планета ближе всего к Солнцу
+    - отредактируй фотографию для паспорта
+    - найди дешёвый мобильный тариф
+    - составь маршрут путешествия по Италии
+    - когда приедет автобус номер двадцать четыре
+    - подскажи упражнения для больной спины
+    - создай презентацию по истории
+    - сколько будет сто сорок семь умножить на восемь
+    - закажи букет цветов с доставкой
+    - проверь наличие товара в магазине
+    - подбери рецепт без глютена
+    - расскажи биографию Альберта Эйнштейна
+    - найди прогноз землетрясений
+    - помоги настроить домашний роутер
+    - сочини поздравление с юбилеем
+    - определи породу собаки по описанию
+    - узнай результаты анализов в клинике
+    - рассчитай налог с заработной платы
+    - включи кондиционер на двадцать градусов
diff --git a/tests/nlu_test.yml b/tests/nlu_test.yml
new file mode 100644
index 0000000..8226b5c
--- /dev/null
+++ b/tests/nlu_test.yml
@@ -0,0 +1,302 @@
+version: "3.1"
+
+# Отложенный набор не входит в train; его результаты не использовались для
+# настройки финальной модели. Пересечения и пороговые метрики проверяются статически.
+nlu:
+  - intent: greet
+    examples: |
+      - Я заглянул поздороваться — приветствую!
+      - Приятно встретиться с тобой этим утром
+      - Здравствуйте, рад начать беседу
+      - Приветствую тебя
+      - Рад нашей вечерней встрече, помощник
+      - Хей, давай поговорим
+      - Ну здравствуй, цифровой собеседник
+      - Всем доброго дня
+      - Я здесь, начнём?
+      - Здорово, помощник
+
+  - intent: goodbye
+    examples: |
+      - Буду прощаться, счастливо оставаться
+      - Пока, спасибо за беседу
+      - На этом закончим
+      - Мне пора, до встречи
+      - На сегодня всё, хорошего дня
+      - Увидимся в следующий раз
+      - Завершаю разговор
+      - Закрываю чат до нашей следующей беседы
+      - Ладно, я ухожу
+      - Можно прощаться
+
+  - intent: thanks
+    examples: |
+      - Ты выручил, премного благодарен
+      - Большое спасибо за ответ
+      - Прими мою искреннюю благодарность
+      - Я ценю оказанную поддержку
+      - Ты здорово помог
+      - После твоего ответа всё прояснилось, благодарю
+      - Твоя помощь пришлась кстати, спасибо
+      - Большое человеческое спасибо тебе
+      - Признателен за такое понятное объяснение
+      - Ты дал полезную подсказку, огромное спасибо
+
+  - intent: help
+    examples: |
+      - Озвучь круг задач, с которыми к тебе можно прийти
+      - Покажи список возможностей
+      - Как тобой пользоваться?
+      - С какими вопросами можно обращаться?
+      - Подскажи доступные команды
+      - Мне нужна помощь по работе с ботом
+      - С чего начать диалог с тобой?
+      - Расскажи, чем можешь помочь
+      - Какие функции у тебя есть?
+      - Дай краткую инструкцию по общению
+
+  - intent: ask_name
+    examples: |
+      - Какое имя подставить вместо обращения «бот»?
+      - У виртуального собеседника предусмотрено имя?
+      - Представься, пожалуйста
+      - Кто ты такой?
+      - Какое обращение к тебе будет правильным?
+      - Сообщи своё имя как бота
+      - Ты какой бот?
+      - Можно узнать твоё имя?
+      - Каким именем ты представляешься пользователям?
+      - Расскажи о своей идентичности
+
+  - intent: ask_creator
+    examples: |
+      - Кому принадлежит разработка этого помощника?
+      - Кто твой разработчик?
+      - Назови автора этого бота
+      - Чьей работой стало твоё появление?
+      - Кто работал над твоим созданием?
+      - Чей это программный проект?
+      - Кто написал твою логику?
+      - Что можешь сообщить об авторе своей разработки?
+      - Как зовут разработчика системы?
+      - Кто является автором помощника?
+
+  - intent: ask_project
+    examples: |
+      - В чём цель дипломного проекта?
+      - Для чего создан этот дипломный бот?
+      - Каково назначение проекта?
+      - Какую задачу решает эта дипломная работа?
+      - Расскажи об идее проекта
+      - Зачем понадобилась эта система?
+      - Какой результат должен показать диплом?
+      - Какую практическую идею диплома воплощает этот бот?
+      - Какова практическая цель разработки?
+      - О чём этот дипломный проект?
+
+  - intent: inform_name
+    examples: |
+      - Разреши представиться: я [Анна](person_name)
+      - Если понадобится обратиться лично, моё имя — [Мехринисо](person_name)
+      - Для начала представлюсь — [Дилноза](person_name)
+      - Моё имя для общения — [Алексей](person_name)
+      - При знакомстве я представляюсь как [Малика](person_name)
+      - Перед тобой [Евгений](person_name), будем знакомы
+      - В этой беседе моё имя [Светлана](person_name)
+      - Для знакомства, я [Бахтиёр](person_name)
+      - [Анна-Мария](person_name) — так звучит моё имя
+      - Будем знакомы, перед тобой [Али-Акбар](person_name)
+      - По документам я [Саида Каримова](person_name)
+      - Я представлюсь полностью: [Отабек Юсупов](person_name)
+      - Пришло время познакомиться: я [Нодира Усманова](person_name)
+      - На обращение [Темур-Бек](person_name) я откликнусь
+      - Сохрани моё имя: [Александр Сергеев](person_name)
+
+  - intent: ask_restart
+    examples: |
+      - Сбрось текущую беседу и открой новую
+      - Очисти контекст разговора
+      - Давай с чистого листа
+      - Забудь предыдущие сообщения
+      - Перезапусти нашу беседу
+      - Хочу начать новую сессию
+      - Сбрось историю текущего диалога
+      - Верни разговор в начальное состояние
+      - Обнули контекст, пожалуйста
+      - Можно всё начать сначала?
+
+  - intent: ask_rasa
+    examples: |
+      - Объясни, какую технологию называют Rasa
+      - Для чего нужна платформа Rasa?
+      - Какую роль Rasa играет в этом боте?
+      - Объясни назначение Rasa
+      - Rasa — это библиотека или сервис?
+      - Зачем проекту используется Rasa?
+      - Что делает фреймворк Rasa?
+      - Расскажи, как Rasa участвует в обработке сообщений
+      - На чём основана Rasa?
+      - Какие задачи в системе выполняет Rasa?
+
+  - intent: ask_nlu
+    examples: |
+      - Что такое NLU?
+      - Как бот понимает смысл текста?
+      - Объясни разницу между интентом и сущностью
+      - Как определяется намерение пользователя?
+      - Что называют entity в NLU?
+      - Каким образом из сообщения извлекаются сущности?
+      - За что отвечает модуль понимания языка?
+      - Как фраза преобразуется в intent?
+      - Расскажи про распознавание интентов
+      - Что происходит на этапе анализа пользовательского текста?
+
+  - intent: ask_training
+    examples: |
+      - Как обучить модель с нуля?
+      - Какие данные нужны для обучения бота?
+      - Опиши процесс тренировки NLU
+      - Что происходит до получения готовой модели?
+      - Как запустить обучение проекта?
+      - Из каких этапов состоит подготовка модели?
+      - Где берутся примеры для тренировки?
+      - Нужно ли переобучать модель после изменения данных?
+      - Как формируется обученная модель Rasa?
+      - Расскажи о подготовке датасета и обучении
+
+  - intent: ask_run
+    examples: |
+      - Как запустить уже обученную модель?
+      - Чем проверить готового бота?
+      - Какая команда запускает Rasa после обучения?
+      - Как протестировать сохранённую модель?
+      - Что нужно сделать, чтобы поговорить с обученным ботом?
+      - Как поднять проект для локальной проверки?
+      - Где проверить ответы готовой модели?
+      - Как запустить чат с существующей моделью?
+      - Можно ли проверить модель без повторного обучения?
+      - Опиши запуск бота в режиме проверки
+
+  - intent: ask_project_structure
+    examples: |
+      - Как устроена структура проекта?
+      - За что отвечают файлы в репозитории?
+      - Какие каталоги есть у Rasa-проекта?
+      - Где находятся настройки и данные?
+      - Расшифруй роль ключевых файлов проекта
+      - В какой папке лежат модели?
+      - Что обычно хранится в каталоге actions?
+      - Покажи схему файлов проекта
+      - Где искать конфигурацию Rasa?
+      - Расскажи, как организованы директории
+
+  - intent: ask_docker
+    examples: |
+      - Как запустить проект в Docker?
+      - Для чего нужен Docker Compose?
+      - Какие контейнеры используются системой?
+      - Как сервисы общаются внутри docker-сети?
+      - Какие порты нужно открыть для контейнеров?
+      - Где описана конфигурация Compose?
+      - Как собрать Docker-образ бота?
+      - Почему контейнер Rasa не видит action server?
+      - Как проверить запущенные сервисы Docker?
+      - Объясни контейнерную схему проекта
+
+  - intent: feedback_bad
+    examples: |
+      - Это неправильный ответ
+      - Ты мне не помог
+      - Ответ не соответствует вопросу
+      - Нет, это совсем не то
+      - В сообщённых сведениях есть ошибка
+      - Ты неправильно меня понял
+      - Такой ответ бесполезен
+      - Разобраться не получилось: твой ответ увёл в сторону
+      - Исправься, ответ ошибочный
+      - Это не решает мою проблему
+
+  - intent: ask_time
+    examples: |
+      - Что показывают часы в эту минуту?
+      - Сообщи актуальные часы и минуты
+      - Хочу сверить часы — назови время
+      - Какое время на часах?
+      - Можешь назвать точное время?
+      - Уже поздно или ещё рано?
+      - Скажи, который час прямо сейчас
+      - Хочу узнать местное время
+      - Определи, сейчас утро, день, вечер или ночь
+      - Покажи время на данный момент
+
+  - intent: ask_date
+    examples: |
+      - Какой календарный день наступил сегодня?
+      - Заполни сегодняшнюю строку календаря: число, месяц и год
+      - Какой сегодня день?
+      - Подскажи дату на сегодня
+      - Какой сейчас год, месяц и день?
+      - Покажи сегодняшнюю дату
+      - Что у нас сегодня по календарю?
+      - Можешь сказать, какое нынче число?
+      - Какая дата стоит сейчас?
+      - Уточни сегодняшние месяц и число
+
+  - intent: smalltalk_howareyou
+    examples: |
+      - Как у тебя дела?
+      - Как настроение?
+      - Ты сегодня в порядке?
+      - Как жизнь у цифрового помощника?
+      - С тобой нынче всё ладно?
+      - Удачно ли проходит твой день?
+      - Есть ли перемены в твоих делах?
+      - Ты как?
+      - Каково твоё виртуальное самочувствие?
+      - В каком ты сегодня расположении духа?
+
+  - intent: smalltalk_joke
+    examples: |
+      - Расскажи анекдот
+      - Пошути, пожалуйста
+      - Знаешь смешную историю?
+      - Хочу улыбнуться — придумай что-нибудь забавное
+      - Можешь рассказать шутку?
+      - Хочу услышать что-нибудь забавное
+      - Разряди обстановку хорошей шуткой
+      - Есть свежий анекдот?
+      - Брось остроумную реплику
+      - Давай короткую шутку
+
+  - intent: out_of_scope
+    examples: |
+      - Какая погода завтра в Самарканде?
+      - Переведи слово «дружба» на японский
+      - Сколько будет 347 умножить на 29?
+      - Подбери рецепт плова без мяса
+      - Кто выиграл вчерашний футбольный матч?
+      - Закажи мне такси до аэропорта
+      - Найди дешёвые билеты в Алматы
+      - Включи музыку для концентрации
+      - Поставь будильник на шесть утра
+      - Напомни позвонить врачу вечером
+      - Какой сейчас курс доллара к суму?
+      - Расскажи последние мировые новости
+      - Посоветуй сериал на выходные
+      - Напиши поздравление с годовщиной свадьбы
+      - Как вылечить сильную боль в спине?
+      - Можешь составить договор аренды квартиры?
+      - Где ближайшая круглосуточная аптека?
+      - Проверь статус посылки по номеру отслеживания
+      - Проложи маршрут до железнодорожного вокзала
+      - Подбери смартфон дешевле трёх миллионов сумов
+      - Объясни квантовую запутанность простыми словами
+      - Кто написал роман «Преступление и наказание»?
+      - Как завести автомобиль после морозной ночи?
+      - Перезапусти мой ноутбук
+      - Подскажи схему вязания тёплого шарфа спицами
+      - Как устроена файловая система Windows?
+      - Что означает слово «раса» в биологии?
+      - Как меня зовут?
+      - Сколько времени варить рис?
+      - Какова дата рождения Александра Пушкина?
diff --git a/tests/static_validate.py b/tests/static_validate.py
new file mode 100644
index 0000000..fb4b4ba
--- /dev/null
+++ b/tests/static_validate.py
@@ -0,0 +1,806 @@
+"""Static consistency checks for the Russian Rasa assistant.
+
+The validator checks the project schema, the independent train/test NLU
+corpora, dialogue references, custom actions, and pinned container versions.
+It intentionally does not replace ``rasa data validate`` or trained-model
+evaluation.
+"""
+
+from __future__ import annotations
+
+import ast
+import json
+import re
+import sys
+import unicodedata
+from collections import Counter, defaultdict
+from difflib import SequenceMatcher
+from itertools import combinations
+from pathlib import Path
+from typing import Any, Iterable, Mapping, Sequence
+
+try:
+    import yaml
+except ModuleNotFoundError:
+    print("STATIC VALIDATION: FAILED")
+    print("  - PyYAML is not installed; install the dependencies from requirements.txt")
+    raise SystemExit(2)
+
+
+ROOT = Path(__file__).resolve().parents[1]
+
+EXPECTED_INTENTS = {
+    "greet",
+    "goodbye",
+    "thanks",
+    "help",
+    "ask_name",
+    "ask_creator",
+    "ask_project",
+    "inform_name",
+    "ask_restart",
+    "ask_rasa",
+    "ask_nlu",
+    "ask_training",
+    "ask_run",
+    "ask_project_structure",
+    "ask_docker",
+    "feedback_bad",
+    "ask_time",
+    "ask_date",
+    "smalltalk_howareyou",
+    "smalltalk_joke",
+    "out_of_scope",
+}
+
+SYSTEM_INTENTS = {"nlu_fallback"}
+
+REQUIRED_FILES = (
+    "requirements.txt",
+    "config.yml",
+    "domain.yml",
+    "endpoints.yml",
+    "docker-compose.yml",
+    "actions/__init__.py",
+    "actions/actions.py",
+    "data/nlu.yml",
+    "data/rules.yml",
+    "data/stories.yml",
+    "tests/nlu_dev.yml",
+    "tests/nlu_test.yml",
+    "tests/test_stories.yml",
+    "README.md",
+    ".gitignore",
+)
+
+SCHEMA_31_FILES = (
+    "domain.yml",
+    "data/nlu.yml",
+    "data/rules.yml",
+    "data/stories.yml",
+    "tests/nlu_dev.yml",
+    "tests/nlu_test.yml",
+    "tests/test_stories.yml",
+)
+
+BUILT_IN_ACTIONS = {
+    "action_back",
+    "action_deactivate_loop",
+    "action_default_ask_affirmation",
+    "action_default_ask_rephrase",
+    "action_default_fallback",
+    "action_extract_slots",
+    "action_listen",
+    "action_restart",
+    "action_revert_fallback_events",
+    "action_session_start",
+    "action_two_stage_fallback",
+    "action_unlikely_intent",
+}
+
+INLINE_ENTITY_PATTERN = re.compile(
+    r"\[(?P<value>[^\]]+)\]\((?P<entity>[A-Za-z_][A-Za-z0-9_.-]*)\)"
+)
+JSON_ENTITY_PATTERN = re.compile(r"\[(?P<value>[^\]]+)\](?P<meta>\{[^{}]+\})")
+
+
+class ValidationContext:
+    def __init__(self) -> None:
+        self.errors: list[str] = []
+        self.documents: dict[str, Any] = {}
+
+    def error(self, message: str) -> None:
+        self.errors.append(message)
+
+    def load_yaml(self, relative_path: str) -> Any:
+        path = ROOT / relative_path
+        if relative_path in self.documents:
+            return self.documents[relative_path]
+        if not path.is_file():
+            return None
+        try:
+            with path.open("r", encoding="utf-8") as source:
+                document = yaml.safe_load(source)
+        except (OSError, UnicodeError, yaml.YAMLError) as exc:
+            self.error(f"{relative_path}: invalid YAML: {exc}")
+            document = None
+        self.documents[relative_path] = document
+        return document
+
+
+def normalize_text(text: str) -> str:
+    """Normalize examples for duplicate and leakage checks."""
+
+    text = INLINE_ENTITY_PATTERN.sub(lambda match: match.group("value"), text)
+    text = JSON_ENTITY_PATTERN.sub(lambda match: match.group("value"), text)
+    text = unicodedata.normalize("NFKC", text).casefold().replace("ё", "е")
+    return " ".join(re.findall(r"\w+", text, flags=re.UNICODE))
+
+
+def normalize_name(text: str) -> str:
+    return normalize_text(text)
+
+
+def normalize_entity_template(text: str) -> str:
+    """Normalize wording while masking entity values for leakage checks."""
+
+    text = INLINE_ENTITY_PATTERN.sub("__entity__", text)
+    text = JSON_ENTITY_PATTERN.sub("__entity__", text)
+    text = unicodedata.normalize("NFKC", text).casefold().replace("ё", "е")
+    return " ".join(re.findall(r"\w+", text, flags=re.UNICODE))
+
+
+def string_set(values: Any, field: str, context: ValidationContext) -> set[str]:
+    if values is None:
+        return set()
+    if not isinstance(values, list):
+        context.error(f"{field}: expected a list")
+        return set()
+
+    result: set[str] = set()
+    for value in values:
+        if isinstance(value, str):
+            result.add(value)
+        elif isinstance(value, Mapping) and len(value) == 1:
+            key = next(iter(value))
+            if isinstance(key, str):
+                result.add(key)
+            else:
+                context.error(f"{field}: mapping key must be a string: {value!r}")
+        else:
+            context.error(f"{field}: unsupported list item: {value!r}")
+    return result
+
+
+def parse_example_block(
+    raw_examples: Any,
+    location: str,
+    context: ValidationContext,
+) -> list[str]:
+    if isinstance(raw_examples, str):
+        result: list[str] = []
+        for line_number, line in enumerate(raw_examples.splitlines(), start=1):
+            stripped = line.strip()
+            if not stripped:
+                continue
+            if not stripped.startswith("-"):
+                context.error(
+                    f"{location}: example line {line_number} must start with '-': {line!r}"
+                )
+                continue
+            example = stripped[1:].strip()
+            if not example:
+                context.error(f"{location}: empty example on line {line_number}")
+                continue
+            result.append(example)
+        return result
+
+    if isinstance(raw_examples, list):
+        result = []
+        for index, value in enumerate(raw_examples, start=1):
+            if not isinstance(value, str) or not value.strip():
+                context.error(f"{location}: invalid example #{index}: {value!r}")
+                continue
+            result.append(value.strip())
+        return result
+
+    context.error(f"{location}: examples must be a block string or a list")
+    return []
+
+
+def nlu_examples(
+    document: Any,
+    relative_path: str,
+    context: ValidationContext,
+) -> dict[str, list[str]]:
+    if not isinstance(document, Mapping):
+        context.error(f"{relative_path}: top-level YAML value must be a mapping")
+        return {}
+    items = document.get("nlu")
+    if not isinstance(items, list):
+        context.error(f"{relative_path}: top-level 'nlu' must be a list")
+        return {}
+
+    result: dict[str, list[str]] = {}
+    block_counts: Counter[str] = Counter()
+    for index, item in enumerate(items, start=1):
+        if not isinstance(item, Mapping):
+            context.error(f"{relative_path}: nlu item #{index} must be a mapping")
+            continue
+        intent = item.get("intent")
+        if intent is None:
+            # Rasa also allows regex, lookup and synonym entries in this list.
+            continue
+        if not isinstance(intent, str) or not intent:
+            context.error(f"{relative_path}: nlu item #{index} has an invalid intent")
+            continue
+        block_counts[intent] += 1
+        result.setdefault(intent, []).extend(
+            parse_example_block(
+                item.get("examples"),
+                f"{relative_path}:{intent}",
+                context,
+            )
+        )
+
+    repeated = sorted(intent for intent, count in block_counts.items() if count > 1)
+    if repeated:
+        context.error(
+            f"{relative_path}: intents are split across repeated blocks: "
+            + ", ".join(repeated)
+        )
+    return result
+
+
+def duplicate_examples(
+    examples_by_intent: Mapping[str, Sequence[str]],
+) -> dict[str, list[tuple[str, str]]]:
+    grouped: defaultdict[str, list[tuple[str, str]]] = defaultdict(list)
+    for intent, examples in examples_by_intent.items():
+        for example in examples:
+            grouped[normalize_text(example)].append((intent, example))
+    return {
+        normalized: occurrences
+        for normalized, occurrences in grouped.items()
+        if normalized and len(occurrences) > 1
+    }
+
+
+def entity_annotations(text: str, location: str, context: ValidationContext) -> list[tuple[str, str]]:
+    annotations = [
+        (match.group("value"), match.group("entity"))
+        for match in INLINE_ENTITY_PATTERN.finditer(text)
+    ]
+    for match in JSON_ENTITY_PATTERN.finditer(text):
+        try:
+            metadata = json.loads(match.group("meta"))
+        except json.JSONDecodeError as exc:
+            context.error(f"{location}: invalid JSON entity annotation: {exc}")
+            continue
+        entity = metadata.get("entity") if isinstance(metadata, Mapping) else None
+        if not isinstance(entity, str):
+            context.error(f"{location}: JSON entity annotation has no string 'entity'")
+            continue
+        annotations.append((match.group("value"), entity))
+    return annotations
+
+
+def validate_entities(
+    datasets: Mapping[str, Mapping[str, Sequence[str]]],
+    declared_entities: set[str],
+    context: ValidationContext,
+) -> tuple[dict[str, int], dict[str, int]]:
+    names_by_split: dict[str, set[str]] = {
+        split: set() for split in datasets
+    }
+    counts: dict[str, int] = {split: 0 for split in datasets}
+
+    for split, dataset in datasets.items():
+        name_values = names_by_split[split]
+        for intent, examples in dataset.items():
+            for index, example in enumerate(examples, start=1):
+                location = f"{split}:{intent} example #{index}"
+                annotations = entity_annotations(example, location, context)
+                for value, entity in annotations:
+                    if entity not in declared_entities:
+                        context.error(f"{location}: undeclared entity '{entity}'")
+                    if entity == "person_name":
+                        counts[split] += 1
+                        name_values.add(normalize_name(value))
+                        if intent != "inform_name":
+                            context.error(
+                                f"{location}: person_name may only be annotated in inform_name"
+                            )
+
+                person_annotations = [
+                    value for value, entity in annotations if entity == "person_name"
+                ]
+                if intent == "inform_name" and len(person_annotations) != 1:
+                    context.error(
+                        f"{location}: expected exactly one person_name annotation, "
+                        f"found {len(person_annotations)}"
+                    )
+
+    for left, right in combinations(names_by_split, 2):
+        leaked_names = sorted(names_by_split[left] & names_by_split[right])
+        if leaked_names:
+            context.error(
+                f"person_name values overlap between {left} and {right}: "
+                + ", ".join(leaked_names)
+            )
+
+    train_names = names_by_split.get("train", set())
+    unseen_from_train = {
+        split: len(names - train_names)
+        for split, names in names_by_split.items()
+        if split != "train"
+    }
+    return counts, unseen_from_train
+
+
+def maximum_same_intent_similarity(
+    train: Mapping[str, Sequence[str]],
+    test: Mapping[str, Sequence[str]],
+) -> tuple[float, str | None, int | None]:
+    """Return the largest train/test similarity after masking entity values."""
+
+    maximum = 0.0
+    maximum_intent: str | None = None
+    maximum_index: int | None = None
+    for intent, test_examples in test.items():
+        train_templates = [
+            normalize_entity_template(example)
+            for example in train.get(intent, ())
+        ]
+        for index, example in enumerate(test_examples, start=1):
+            template = normalize_entity_template(example)
+            score = max(
+                (
+                    SequenceMatcher(None, template, candidate).ratio()
+                    for candidate in train_templates
+                ),
+                default=0.0,
+            )
+            if score > maximum:
+                maximum = score
+                maximum_intent = intent
+                maximum_index = index
+    return maximum, maximum_intent, maximum_index
+
+
+def walk_key_values(value: Any, key: str) -> Iterable[Any]:
+    if isinstance(value, Mapping):
+        for candidate_key, candidate_value in value.items():
+            if candidate_key == key:
+                yield candidate_value
+            yield from walk_key_values(candidate_value, key)
+    elif isinstance(value, list):
+        for item in value:
+            yield from walk_key_values(item, key)
+
+
+def collect_string_references(value: Any, key: str) -> set[str]:
+    return {
+        reference
+        for reference in walk_key_values(value, key)
+        if isinstance(reference, str)
+    }
+
+
+def action_implementation_details(source: str) -> tuple[set[str], set[str]]:
+    tree = ast.parse(source, filename="actions/actions.py")
+    implemented: set[str] = set()
+    response_references: set[str] = set()
+
+    for class_node in (node for node in tree.body if isinstance(node, ast.ClassDef)):
+        inherits_action = any(
+            isinstance(base, ast.Name) and base.id == "Action"
+            or isinstance(base, ast.Attribute) and base.attr == "Action"
+            for base in class_node.bases
+        )
+        if not inherits_action:
+            continue
+        for function_node in (
+            node
+            for node in class_node.body
+            if isinstance(node, (ast.FunctionDef, ast.AsyncFunctionDef))
+            and node.name == "name"
+        ):
+            for return_node in ast.walk(function_node):
+                if (
+                    isinstance(return_node, ast.Return)
+                    and isinstance(return_node.value, ast.Constant)
+                    and isinstance(return_node.value.value, str)
+                ):
+                    implemented.add(return_node.value.value)
+
+    for call in (node for node in ast.walk(tree) if isinstance(node, ast.Call)):
+        for keyword in call.keywords:
+            if keyword.arg not in {"response", "template"}:
+                continue
+            if isinstance(keyword.value, ast.Constant) and isinstance(
+                keyword.value.value, str
+            ):
+                response_references.add(keyword.value.value)
+
+    return implemented, response_references
+
+
+def schema_version(document: Any) -> str | None:
+    if not isinstance(document, Mapping):
+        return None
+    value = document.get("version")
+    return str(value) if value is not None else None
+
+
+def main() -> int:
+    if hasattr(sys.stdout, "reconfigure"):
+        sys.stdout.reconfigure(encoding="utf-8")
+
+    context = ValidationContext()
+    for relative_path in REQUIRED_FILES:
+        if not (ROOT / relative_path).is_file():
+            context.error(f"missing required file: {relative_path}")
+
+    for relative_path in SCHEMA_31_FILES:
+        document = context.load_yaml(relative_path)
+        if document is not None and schema_version(document) != "3.1":
+            context.error(f"{relative_path}: expected schema version 3.1")
+
+    domain = context.load_yaml("domain.yml")
+    train_document = context.load_yaml("data/nlu.yml")
+    dev_document = context.load_yaml("tests/nlu_dev.yml")
+    test_document = context.load_yaml("tests/nlu_test.yml")
+    rules = context.load_yaml("data/rules.yml")
+    stories = context.load_yaml("data/stories.yml")
+    test_stories = context.load_yaml("tests/test_stories.yml")
+    compose = context.load_yaml("docker-compose.yml")
+
+    train = nlu_examples(train_document, "data/nlu.yml", context)
+    dev = nlu_examples(dev_document, "tests/nlu_dev.yml", context)
+    test = nlu_examples(test_document, "tests/nlu_test.yml", context)
+    train_intents = set(train)
+    dev_intents = set(dev)
+    test_intents = set(test)
+
+    for split, split_intents in (("dev", dev_intents), ("test", test_intents)):
+        if train_intents != split_intents:
+            context.error(
+                f"train/{split} intent sets differ; only in train: "
+                + ", ".join(sorted(train_intents - split_intents))
+                + f"; only in {split}: "
+                + ", ".join(sorted(split_intents - train_intents))
+            )
+    if train_intents != EXPECTED_INTENTS:
+        context.error(
+            "train intent taxonomy differs from the expected 21 intents; missing: "
+            + ", ".join(sorted(EXPECTED_INTENTS - train_intents))
+            + "; unexpected: "
+            + ", ".join(sorted(train_intents - EXPECTED_INTENTS))
+        )
+
+    ordinary_intents = EXPECTED_INTENTS - {"inform_name", "out_of_scope"}
+    expected_train_counts = {
+        intent: 35 for intent in ordinary_intents
+    } | {"inform_name": 60, "out_of_scope": 70}
+    expected_eval_counts = {
+        intent: 10 for intent in ordinary_intents
+    } | {"inform_name": 15, "out_of_scope": 30}
+
+    for intent, expected in sorted(expected_train_counts.items()):
+        actual = len(train.get(intent, ()))
+        if actual != expected:
+            context.error(
+                f"data/nlu.yml:{intent}: expected exactly {expected} train examples, "
+                f"found {actual}"
+            )
+    for split, dataset in (("dev", dev), ("test", test)):
+        for intent, expected in sorted(expected_eval_counts.items()):
+            actual = len(dataset.get(intent, ()))
+            if actual != expected:
+                context.error(
+                    f"tests/nlu_{split}.yml:{intent}: expected exactly {expected} "
+                    f"examples, found {actual}"
+                )
+
+    train_duplicates = duplicate_examples(train)
+    dev_duplicates = duplicate_examples(dev)
+    test_duplicates = duplicate_examples(test)
+    if train_duplicates:
+        context.error(
+            f"data/nlu.yml: found {len(train_duplicates)} normalized duplicate group(s)"
+        )
+    if dev_duplicates:
+        context.error(
+            f"tests/nlu_dev.yml: found {len(dev_duplicates)} normalized duplicate group(s)"
+        )
+    if test_duplicates:
+        context.error(
+            f"tests/nlu_test.yml: found {len(test_duplicates)} normalized duplicate group(s)"
+        )
+
+    train_texts = {
+        normalize_text(example)
+        for examples in train.values()
+        for example in examples
+    }
+    dev_texts = {
+        normalize_text(example)
+        for examples in dev.values()
+        for example in examples
+    }
+    test_texts = {
+        normalize_text(example)
+        for examples in test.values()
+        for example in examples
+    }
+    leakage_by_pair = {
+        "train/dev": sorted((train_texts & dev_texts) - {""}),
+        "train/test": sorted((train_texts & test_texts) - {""}),
+        "dev/test": sorted((dev_texts & test_texts) - {""}),
+    }
+    for pair, leakage in leakage_by_pair.items():
+        if leakage:
+            context.error(
+                f"{pair} exact leakage: found {len(leakage)} normalized example(s)"
+            )
+
+    train_templates = {
+        normalize_entity_template(example)
+        for examples in train.values()
+        for example in examples
+    }
+    test_templates = [
+        normalize_entity_template(example)
+        for examples in test.values()
+        for example in examples
+    ]
+    repeated_test_templates = len(test_templates) - len(set(test_templates))
+    if repeated_test_templates:
+        context.error(
+            "tests/nlu_test.yml: entity-masked templates contain "
+            f"{repeated_test_templates} duplicate(s)"
+        )
+    template_leakage = (train_templates & set(test_templates)) - {""}
+    if template_leakage:
+        context.error(
+            "train/test entity-template leakage: found "
+            f"{len(template_leakage)} normalized template(s)"
+        )
+
+    maximum_similarity, similar_intent, similar_index = (
+        maximum_same_intent_similarity(train, test)
+    )
+    if maximum_similarity >= 0.85:
+        context.error(
+            "train/test near-copy threshold exceeded: "
+            f"{similar_intent} example #{similar_index} has similarity "
+            f"{maximum_similarity:.3f} (limit < 0.850)"
+        )
+
+    dev_test_maximum_similarity, dev_test_similar_intent, dev_test_similar_index = (
+        maximum_same_intent_similarity(dev, test)
+    )
+    if dev_test_maximum_similarity >= 0.85:
+        context.error(
+            "dev/test near-copy threshold exceeded: "
+            f"{dev_test_similar_intent} example #{dev_test_similar_index} has "
+            f"similarity {dev_test_maximum_similarity:.3f} (limit < 0.850)"
+        )
+
+    domain_mapping = domain if isinstance(domain, Mapping) else {}
+    domain_intents = string_set(domain_mapping.get("intents"), "domain.yml:intents", context)
+    expected_domain_intents = train_intents | SYSTEM_INTENTS
+    if domain_intents != expected_domain_intents:
+        context.error(
+            "domain intents must equal train intents plus nlu_fallback; missing: "
+            + ", ".join(sorted(expected_domain_intents - domain_intents))
+            + "; unexpected: "
+            + ", ".join(sorted(domain_intents - expected_domain_intents))
+        )
+
+    declared_entities = string_set(
+        domain_mapping.get("entities"), "domain.yml:entities", context
+    )
+    if "person_name" not in declared_entities:
+        context.error("domain.yml: entity person_name is not declared")
+
+    slots = domain_mapping.get("slots")
+    user_name = slots.get("user_name") if isinstance(slots, Mapping) else None
+    mappings = user_name.get("mappings") if isinstance(user_name, Mapping) else None
+    if not (
+        isinstance(mappings, list)
+        and any(
+            isinstance(mapping, Mapping)
+            and mapping.get("type") == "from_entity"
+            and mapping.get("entity") == "person_name"
+            for mapping in mappings
+        )
+    ):
+        context.error("domain.yml: slot user_name is not mapped from person_name")
+
+    entity_counts, unseen_names = validate_entities(
+        {"train": train, "dev": dev, "test": test},
+        declared_entities,
+        context,
+    )
+
+    responses_value = domain_mapping.get("responses")
+    responses = set(responses_value) if isinstance(responses_value, Mapping) else set()
+    if not isinstance(responses_value, Mapping):
+        context.error("domain.yml: responses must be a mapping")
+    else:
+        for response_name, variants in responses_value.items():
+            if not isinstance(variants, list) or not variants:
+                context.error(f"domain.yml:{response_name}: response variants are empty")
+
+    declared_actions = string_set(
+        domain_mapping.get("actions"), "domain.yml:actions", context
+    )
+
+    dialogue_documents = {
+        "data/rules.yml": rules,
+        "data/stories.yml": stories,
+        "tests/test_stories.yml": test_stories,
+    }
+    intent_references: set[str] = set()
+    action_references: set[str] = set()
+    response_references: set[str] = set()
+    for relative_path, document in dialogue_documents.items():
+        if not isinstance(document, Mapping):
+            context.error(f"{relative_path}: top-level YAML value must be a mapping")
+            continue
+        file_intents = collect_string_references(document, "intent")
+        file_actions = collect_string_references(document, "action")
+        file_responses = collect_string_references(document, "response")
+        intent_references.update(file_intents)
+        action_references.update(file_actions)
+        response_references.update(file_responses)
+
+        unknown_intents = file_intents - domain_intents
+        if unknown_intents:
+            context.error(
+                f"{relative_path}: unknown intent reference(s): "
+                + ", ".join(sorted(unknown_intents))
+            )
+
+    response_references.update(
+        action for action in action_references if action.startswith("utter_")
+    )
+    missing_responses = response_references - responses
+    if missing_responses:
+        context.error(
+            "dialogue/action response reference(s) missing from domain: "
+            + ", ".join(sorted(missing_responses))
+        )
+
+    custom_action_references = {
+        action
+        for action in action_references
+        if not action.startswith("utter_") and action not in BUILT_IN_ACTIONS
+    }
+    undeclared_action_references = custom_action_references - declared_actions
+    if undeclared_action_references:
+        context.error(
+            "dialogue custom action reference(s) missing from domain: "
+            + ", ".join(sorted(undeclared_action_references))
+        )
+
+    action_source_path = ROOT / "actions/actions.py"
+    implemented_actions: set[str] = set()
+    source_response_references: set[str] = set()
+    if action_source_path.is_file():
+        try:
+            source = action_source_path.read_text(encoding="utf-8")
+            implemented_actions, source_response_references = action_implementation_details(
+                source
+            )
+        except (OSError, UnicodeError, SyntaxError) as exc:
+            context.error(f"actions/actions.py: cannot inspect custom actions: {exc}")
+
+    missing_implementations = declared_actions - implemented_actions
+    undeclared_implementations = implemented_actions - declared_actions
+    if missing_implementations:
+        context.error(
+            "declared custom action(s) without implementation: "
+            + ", ".join(sorted(missing_implementations))
+        )
+    if undeclared_implementations:
+        context.error(
+            "implemented custom action(s) missing from domain: "
+            + ", ".join(sorted(undeclared_implementations))
+        )
+    unused_actions = declared_actions - custom_action_references
+    if unused_actions:
+        context.error(
+            "declared custom action(s) are not referenced by dialogue data: "
+            + ", ".join(sorted(unused_actions))
+        )
+    missing_source_responses = source_response_references - responses
+    if missing_source_responses:
+        context.error(
+            "actions/actions.py references unknown response(s): "
+            + ", ".join(sorted(missing_source_responses))
+        )
+
+    services = compose.get("services") if isinstance(compose, Mapping) else None
+    if not isinstance(services, Mapping):
+        context.error("docker-compose.yml: top-level services mapping is missing")
+    else:
+        rasa_service = services.get("rasa")
+        action_service = services.get("action_server")
+        rasa_image = rasa_service.get("image") if isinstance(rasa_service, Mapping) else None
+        action_image = (
+            action_service.get("image") if isinstance(action_service, Mapping) else None
+        )
+        if rasa_image != "rasa/rasa:3.6.21":
+            context.error(
+                "docker-compose.yml: rasa image must be pinned to rasa/rasa:3.6.21"
+            )
+        if action_image != "rasa/rasa-sdk:3.6.2":
+            context.error(
+                "docker-compose.yml: action server image must be pinned to "
+                "rasa/rasa-sdk:3.6.2"
+            )
+
+    metrics = {
+        "train_intents": len(train_intents),
+        "dev_intents": len(dev_intents),
+        "test_intents": len(test_intents),
+        "train_examples": sum(len(examples) for examples in train.values()),
+        "dev_examples": sum(len(examples) for examples in dev.values()),
+        "test_examples": sum(len(examples) for examples in test.values()),
+        "train_person_name_annotations": entity_counts.get("train", 0),
+        "dev_person_name_annotations": entity_counts.get("dev", 0),
+        "test_person_name_annotations": entity_counts.get("test", 0),
+        "unseen_dev_person_names": unseen_names.get("dev", 0),
+        "unseen_test_person_names": unseen_names.get("test", 0),
+        "normalized_train_duplicates": len(train_duplicates),
+        "normalized_dev_duplicates": len(dev_duplicates),
+        "normalized_test_duplicates": len(test_duplicates),
+        "train_dev_exact_overlap": len(leakage_by_pair["train/dev"]),
+        "train_test_exact_overlap": len(leakage_by_pair["train/test"]),
+        "dev_test_exact_overlap": len(leakage_by_pair["dev/test"]),
+        "train_test_template_overlap": len(template_leakage),
+        "train_test_max_same_intent_similarity": f"{maximum_similarity:.3f}",
+        "dev_test_max_same_intent_similarity": (
+            f"{dev_test_maximum_similarity:.3f}"
+        ),
+        "domain_responses": len(responses),
+        "declared_custom_actions": len(declared_actions),
+        "implemented_custom_actions": len(implemented_actions),
+        "rules": len(rules.get("rules", [])) if isinstance(rules, Mapping) else 0,
+        "stories": len(stories.get("stories", [])) if isinstance(stories, Mapping) else 0,
+        "test_stories": (
+            len(test_stories.get("stories", []))
+            if isinstance(test_stories, Mapping)
+            else 0
+        ),
+    }
+
+    print("Static project metrics:")
+    for key, value in metrics.items():
+        print(f"  {key}: {value}")
+    print("Per-intent train/dev/test examples:")
+    for intent in sorted(train_intents | dev_intents | test_intents):
+        print(
+            f"  {intent}: {len(train.get(intent, ()))} / "
+            f"{len(dev.get(intent, ()))} / {len(test.get(intent, ()))}"
+        )
+
+    if context.errors:
+        print("\nSTATIC VALIDATION: FAILED")
+        for error in context.errors:
+            print(f"  - {error}")
+        return 1
+
+    print("\nSTATIC VALIDATION: OK")
+    print(
+        "Static consistency passed. Run Rasa validation and trained-model tests "
+        "for runtime and quality metrics."
+    )
+    return 0
+
+
+if __name__ == "__main__":
+    raise SystemExit(main())
diff --git a/tests/test_actions.py b/tests/test_actions.py
new file mode 100644
index 0000000..823f6f3
--- /dev/null
+++ b/tests/test_actions.py
@@ -0,0 +1,140 @@
+from datetime import datetime, timedelta
+from typing import Any, Optional
+
+import pytest
+from rasa_sdk import Tracker
+from rasa_sdk.executor import CollectingDispatcher
+
+from actions import actions as actions_module
+from actions.actions import (
+    ActionRememberName,
+    ActionShowCapabilities,
+    ActionShowDate,
+    ActionShowTime,
+)
+
+
+def make_tracker(user_name: Optional[str] = None) -> Tracker:
+    """Build the smallest real Rasa tracker needed by the custom actions."""
+    return Tracker(
+        sender_id="unit-test-user",
+        slots={"user_name": user_name},
+        latest_message={},
+        events=[],
+        paused=False,
+        followup_action=None,
+        active_loop={},
+        latest_action_name=None,
+    )
+
+
+def run_action(action: Any, user_name: Optional[str] = None) -> tuple[list, str]:
+    dispatcher = CollectingDispatcher()
+
+    events = action.run(dispatcher, make_tracker(user_name), {})
+
+    assert len(dispatcher.messages) == 1
+    text = dispatcher.messages[0].get("text")
+    assert isinstance(text, str) and text
+    assert any("а" <= character.lower() <= "я" or character.lower() == "ё" for character in text)
+    assert "Ð" not in text and "Ñ" not in text and "�" not in text
+    return events, text
+
+
+@pytest.mark.parametrize(
+    ("action", "expected_name"),
+    [
+        (ActionRememberName(), "action_remember_name"),
+        (ActionShowCapabilities(), "action_show_capabilities"),
+        (ActionShowTime(), "action_show_time"),
+        (ActionShowDate(), "action_show_date"),
+    ],
+)
+def test_action_names(action: Any, expected_name: str) -> None:
+    assert action.name() == expected_name
+
+
+def test_remember_name_addresses_user_and_returns_no_events() -> None:
+    events, text = run_action(ActionRememberName(), "Анна")
+
+    assert events == []
+    assert text == (
+        "Приятно познакомиться, Анна! "
+        "Я запомню ваше имя в рамках текущего диалога."
+    )
+
+
+@pytest.mark.parametrize("missing_name", [None, ""])
+def test_remember_name_asks_to_repeat_when_slot_is_empty(
+    missing_name: Optional[str],
+) -> None:
+    events, text = run_action(ActionRememberName(), missing_name)
+
+    assert events == []
+    assert text == (
+        "Я не смог выделить имя. "
+        "Напишите, например: «Меня зовут Анна»."
+    )
+
+
+@pytest.mark.parametrize(
+    ("user_name", "expected_prefix"),
+    [(None, "Я могу"), ("Илья", "Илья, я могу")],
+)
+def test_show_capabilities_lists_supported_topics(
+    user_name: Optional[str], expected_prefix: str
+) -> None:
+    events, text = run_action(ActionShowCapabilities(), user_name)
+
+    assert events == []
+    assert text.startswith(expected_prefix)
+    for topic in (
+        "Rasa",
+        "NLU",
+        "Docker",
+        "обучение",
+        "запуск",
+        "структуру файлов",
+        "дату и время",
+    ):
+        assert topic in text
+
+
+@pytest.fixture
+def fixed_datetime(monkeypatch: pytest.MonkeyPatch) -> list:
+    requested_timezones = []
+
+    class FixedDateTime(datetime):
+        @classmethod
+        def now(cls, tz=None):
+            requested_timezones.append(tz)
+            return cls(2026, 7, 22, 9, 5, 0, tzinfo=tz)
+
+    monkeypatch.setattr(actions_module, "datetime", FixedDateTime)
+    return requested_timezones
+
+
+def assert_tashkent_timezone_was_requested(requested_timezones: list) -> None:
+    assert len(requested_timezones) == 1
+    assert requested_timezones[0] is not None
+    assert requested_timezones[0].utcoffset(None) == timedelta(hours=5)
+
+
+def test_show_time_uses_tashkent_timezone_and_zero_padded_format(
+    fixed_datetime: list,
+) -> None:
+    events, text = run_action(ActionShowTime())
+
+    assert events == []
+    assert text == "Сейчас 09:05 по времени Ташкента (UTC+5)."
+    assert_tashkent_timezone_was_requested(fixed_datetime)
+
+
+def test_show_date_uses_russian_month_and_tashkent_timezone(
+    fixed_datetime: list,
+) -> None:
+    events, text = run_action(ActionShowDate())
+
+    assert events == []
+    assert text == "Сегодня 22 июля 2026 года по времени Ташкента."
+    assert_tashkent_timezone_was_requested(fixed_datetime)
diff --git a/tests/test_stories.yml b/tests/test_stories.yml
new file mode 100644
index 0000000..fd3c946
--- /dev/null
+++ b/tests/test_stories.yml
@@ -0,0 +1,83 @@
+version: "3.1"
+
+# Эти сценарии проверяют только предсказание действий Rasa Core.
+# Качество распознавания текста проверяется отдельно на tests/nlu_test.yml.
+stories:
+- story: Core — знакомство и обзор проекта
+  steps:
+  - intent: greet
+  - action: utter_greet
+  - intent: inform_name
+    entities:
+    - person_name: Анна
+  - action: action_remember_name
+  - intent: help
+  - action: action_show_capabilities
+  - intent: ask_project
+  - action: utter_project
+
+- story: Core — имя и автор
+  steps:
+  - intent: ask_name
+  - action: utter_name
+  - intent: ask_creator
+  - action: utter_creator
+  - intent: thanks
+  - action: utter_you_are_welcome
+
+- story: Core — Rasa NLU и обучение
+  steps:
+  - intent: ask_rasa
+  - action: utter_rasa
+  - intent: ask_nlu
+  - action: utter_nlu
+  - intent: ask_training
+  - action: utter_training
+
+- story: Core — структура Docker и запуск
+  steps:
+  - intent: ask_project_structure
+  - action: utter_project_structure
+  - intent: ask_docker
+  - action: utter_docker
+  - intent: ask_run
+  - action: utter_run
+
+- story: Core — дата и время
+  steps:
+  - intent: ask_date
+  - action: action_show_date
+  - intent: ask_time
+  - action: action_show_time
+
+- story: Core — короткий разговор
+  steps:
+  - intent: smalltalk_howareyou
+  - action: utter_howareyou
+  - intent: smalltalk_joke
+  - action: utter_joke
+  - intent: goodbye
+  - action: utter_goodbye
+
+- story: Core — помощь после плохого ответа
+  steps:
+  - intent: feedback_bad
+  - action: utter_feedback_bad
+  - intent: help
+  - action: action_show_capabilities
+
+- story: Core — известная неподдерживаемая тема
+  steps:
+  - intent: out_of_scope
+  - action: utter_out_of_scope
+
+- story: Core — низкая уверенность NLU
+  steps:
+  - intent: nlu_fallback
+  - action: utter_default
+
+- story: Core — перезапуск разговора
+  steps:
+  - intent: ask_restart
+  - action: utter_restart
+  - action: action_restart