diff --git a/family/documents/kids-activities.md b/family/documents/kids-activities.md
index 2a26e130..51f79d02 100644
--- a/family/documents/kids-activities.md
+++ b/family/documents/kids-activities.md
@@ -156,4 +156,4 @@ updated: 2026-05-16
 
 ## 📅 Ближайшие даты
 
-- **23 мая** — День рождения Лизы 🎂 (8 лет). Напоминание по крону 22 мая: набрать Happy Birthday на музыкальной шкатулке Lego
+- **23 мая** — День рождения Лизы 🎂 (7 лет). Напоминание по крону 22 мая: набрать Happy Birthday на музыкальной шкатулке Lego
diff --git a/family/projects/media-toolbox-kraken.md b/family/projects/media-toolbox-kraken.md
index 12bd6b13..2b1e21ad 100644
--- a/family/projects/media-toolbox-kraken.md
+++ b/family/projects/media-toolbox-kraken.md
@@ -460,6 +460,106 @@ docker run --rm \
 
 ---
 
+## Архитектура: Agentic Flow (agent subcommand)
+
+> Записано 2026-05-16. Это главная спека `media-pipeline agent` subcommand.
+
+### Входные данные агента (для каждого unresolved item)
+
+Агент получает **всё что можно извлечь без баз**:
+
+1. **Файловые метаданные** — имя папки/файла, набор файлов в папке (для TV show), длительность, формат, битрейт, разрешение (через `ffprobe` или `AVFoundation`)
+2. **Транскрипция речи** — `ffmpeg` вырезает первые 60–120 сек аудио → **Whisper API** → текст (речь дикторов, диалоги, announcer voice)
+3. **OCR титров** — `ffmpeg` захватывает 5–10 кадров из начала → **tesseract** или Vision API → текст с title card, студия, год
+4. **Имена файлов** как уже есть (query names из UnresolvedEntry)
+
+### Инструменты агента (function calling / tool use)
+
+LLM получает инструменты и итеративно их вызывает до 10 шагов:
+
+| Tool | Параметры | Описание |
+|------|-----------|----------|
+| `search_tmdb` | `title, year?, language?` | Поиск в TMDb API |
+| `search_kinopoisk` | `title, year?` | Поиск в KP API |
+| `search_imdb` | `title, year?` | IMDb full-text search |
+| `fetch_page` | `url` | Фетч и возврат текста страницы (IMDb, Wikipedia, BBC, Rutracker, etc.) |
+| `search_web` | `query` | Веб-поиск (DuckDuckGo / SerpAPI) |
+
+### Выходные данные агента — одно из трёх
+
+**Вариант A — DB-bound resolve** (нашёл в базе):
+```json
+{
+  "tmdb_id": 12345,
+  "kp_id": 678,
+  "imdb_id": "tt1234567"
+}
+```
+→ Pipeline пишет NFO стандартно через TMDb/KP fetch
+
+**Вариант B — full metadata без DB binding** (BBC/редкие доки):
+```json
+{
+  "title": "The Frozen Kingdom of the Snow Leopard",
+  "original_title": "...",
+  "year": 2020,
+  "description": "...",
+  "genres": ["Documentary"],
+  "poster_url": "https://...",
+  "source_url": "https://bbc.com/programmes/...",
+  "duration_min": 59
+}
+```
+→ Pipeline пишет custom NFO с этими данными (без tmdb/kp ID). Jellyfin подхватит.
+
+**Вариант C — manual resolve**:
+```json
+{
+  "category": "unrecognized",
+  "reason": "Не удалось идентифицировать после всех источников"
+}
+```
+→ Остаётся в unresolved.json с agent_hint для ручного разбора
+
+### Выход для TV show / папки с несколькими фильмами
+
+Агент возвращает **список результатов**, по одному на файл/эпизод. Структура аналогична тому что делает media sync — те же поля что и NFO.
+
+### Приоритет обработки
+
+1. Сначала `The.Frozen.Kingdom.of.the.Snow.Leopard.(2020)` — самый сложный кейс, нет в TMDb/KP
+2. Остальные BBC/Soviet docs из unresolved.json
+3. Все остальные unresolved
+
+### Реализация
+
+#### Шаг 1: `MediaFileInspector` (новый модуль)
+- `ffprobe` / AVFoundation → duration, format, resolution, audio tracks
+- `ffmpeg` → extract frames → Vision/tesseract OCR → title card text
+- `ffmpeg` → extract 60s audio → Whisper API → speech transcript
+- Все результаты упакованы в `MediaFileContext` struct
+
+#### Шаг 2: `ChatGPTAPI.resolveMedia(context: MediaFileContext)` (новый метод)
+- OpenAI function calling loop (max 10 iterations)
+- Системный промпт включает все данные из `MediaFileContext`
+- LLM итеративно вызывает tools пока не придёт к выводу
+- Возвращает `AgentResolutionResult` (A/B/C)
+
+#### Шаг 3: `Agent.swift` subcommand расширен
+- Запускает `MediaFileInspector` для каждого unresolved item
+- Передаёт `MediaFileContext` в `resolveMedia`
+- По результату: пишет NFO (A/B) или обновляет hint (C)
+
+#### Шаг 4: Tier 6 в sync pipeline (опционально)
+- После Tier 5 (AIAgentStrategy) — запускает VideoAnalysis для застрявших
+- Добавляет найденные variants как новые QueryNameFact → передаёт через Tier 0–4
+
+### Зависимости (Linux/arm64 на Кракене)
+- `ffprobe` / `ffmpeg` — уже установлен на Кракене
+- `whisper-cpp` или OpenAI Whisper API (через ChatGPTAPI)
+- `tesseract` — нужно установить (`apt install tesseract-ocr tesseract-ocr-rus`)
+- Vision API (macOS only) — для Linux использовать tesseract
+
 ## План: CV/Whisper для Tier 6 (для оценки)
 
 > Идея: когда все тиры исчерпаны — использовать сам медиафайл как источник сигнала для идентификации.