Leo
16ad1cb208
ingest 全管線（採取優先、extract fallback、跨庫織網、POST envelope）： - T0.5 骨架：Hono + zod-openapi，無 D1/Vectorize/AI 綁定（不碰儲存鐵律） - T1 SourceAdapter：GitHub runtime API 拉 + per-file sha256 content-hash + /refresh 受理端 - T2 採取（路徑 A 優先）：harvest template 1.8.0+ 卡（gloss/實體/typed-edge） - T3 extract（路徑 B fallback）：LlmCaller 可選模型 + JSON-fail 升級閘 + 端點對齊硬自檢護欄；第一版不 embed（只打標） - T4 跨庫織網（主職）：匯總多 repo → 偵測跨庫橋/異見，不算 bridge_score（graph 領域） - T5 輸出：buildEnvelope strict + 顯式禁送欄位自檢；graph-client 純 POST（cherry-pick _kbdb_client.py 改不碰 base）；薄 ops CLI（不帶查詢 MCP） envelope 對齊 full contract（embed/id/aliases/predicate_embed）；同步 contract 向量化欄位升格。 gate：vitest 28 passed / tsc clean / wrangler dry-run 乾淨（只 env-var 綁定）。 端到端 ingest→graph：graph receiver 已補對齊 → 待 ingest 部署 + GRAPH_BASE_URL → 待部署驗，未假綠。 Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
59 lines
2.2 KiB
TypeScript
59 lines
2.2 KiB
TypeScript
import { describe, it, expect } from 'vitest';
|
||
import { extract, parseExtractJson, type LlmCaller } from '../src/lib/extract';
|
||
|
||
const GOOD_JSON = JSON.stringify({
|
||
nodes: [
|
||
{ name: '原子筆記', gloss: '一個不可再分論點的記錄單元' },
|
||
{ name: '傳統筆記', gloss: '多主題混雜的記錄' },
|
||
],
|
||
triplets: [{ subject: '原子筆記', predicate: '對立於', object: '傳統筆記', confidence: 0.9 }],
|
||
});
|
||
|
||
function caller(model: string, out: string | (() => Promise<string>)): LlmCaller {
|
||
return { model, call: typeof out === 'string' ? async () => out : out };
|
||
}
|
||
|
||
describe('parseExtractJson', () => {
|
||
it('解析 fenced JSON + 打標 embed/predicate_embed', () => {
|
||
const g = parseExtractJson('```json\n' + GOOD_JSON + '\n```');
|
||
expect(g.triplets[0].predicate_embed).toBe(true);
|
||
expect(g.nodes[0].embed).toBe(true);
|
||
expect(g.triplets[0].confidence).toBe(0.9);
|
||
});
|
||
|
||
it('無 triplets → throw', () => {
|
||
expect(() => parseExtractJson(JSON.stringify({ nodes: [], triplets: [] }))).toThrow();
|
||
});
|
||
});
|
||
|
||
describe('extract', () => {
|
||
it('淺萃成功不升級', async () => {
|
||
const r = await extract('原文', caller('haiku', GOOD_JSON));
|
||
expect(r.tier).toBe('shallow');
|
||
expect(r.escalated).toBe(false);
|
||
expect(r.model).toBe('haiku');
|
||
});
|
||
|
||
it('淺萃 JSON-fail → 升 deep（升級閘）', async () => {
|
||
const r = await extract('原文', caller('haiku', 'not json at all'), caller('claude', GOOD_JSON));
|
||
expect(r.escalated).toBe(true);
|
||
expect(r.tier).toBe('deep');
|
||
expect(r.model).toBe('claude');
|
||
expect(r.triplets.length).toBe(1);
|
||
});
|
||
|
||
it('淺萃失敗且無 deep caller → throw', async () => {
|
||
await expect(extract('原文', caller('haiku', 'garbage'))).rejects.toThrow();
|
||
});
|
||
|
||
it('端點對齊護欄：模型吐對不齊端點 → 自動補進 nodes', async () => {
|
||
const skewed = JSON.stringify({
|
||
nodes: [{ name: 'A' }],
|
||
triplets: [{ subject: 'A', predicate: '連到', object: 'B（沒在 nodes）' }],
|
||
});
|
||
const r = await extract('原文', caller('haiku', skewed));
|
||
// B 被自動補成 node → 端點全對齊
|
||
expect(r.nodes.some((n) => n.name === 'B（沒在 nodes）')).toBe(true);
|
||
});
|
||
});
|