Lars/mindnet
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases 21 Wiki Activity

WP15 testscript

Browse Source
This commit is contained in:
Lars 2025-12-12 09:11:01 +01:00
parent f6d8751f23
commit d59bd1885d
1 changed files with 29 additions and 23 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

52
tests/test_smart_chunking_integration.py
View File

@ -1,4 +1,4 @@
# tests/test_smart_chunking_integration.py # tests/test_smart_chunking_integration.py (Final für Stabilität)
import asyncio import asyncio
import unittest import unittest
@ -6,9 +6,9 @@ import os
import sys import sys
from pathlib import Path from pathlib import Path
from typing import List, Dict from typing import List, Dict
import time # Nur für debug/sleep
# --- PFAD-KORREKTUR --- # --- PFAD-KORREKTUR ---
# Fügt das Root-Verzeichnis zum Python-Pfad hinzu
ROOT_DIR = Path(__file__).resolve().parent.parent ROOT_DIR = Path(__file__).resolve().parent.parent
sys.path.insert(0, str(ROOT_DIR)) sys.path.insert(0, str(ROOT_DIR))
# ---------------------- # ----------------------
@ -16,8 +16,8 @@ sys.path.insert(0, str(ROOT_DIR))
# Import der Kernkomponenten # Import der Kernkomponenten
from app.core import chunker from app.core import chunker
from app.core import derive_edges from app.core import derive_edges
from app.services.semantic_analyzer import SemanticAnalyzer # Import der Klasse für die Instanziierung from app.services.semantic_analyzer import SemanticAnalyzer
from app.core.chunker import extract_frontmatter_from_text # Wichtig für Status Check
# 1. Definieren der Test-Note (Simuliert eine journal.md Datei) # 1. Definieren der Test-Note (Simuliert eine journal.md Datei)
TEST_NOTE_ID = "20251211-journal-sem-test" TEST_NOTE_ID = "20251211-journal-sem-test"
@ -41,9 +41,13 @@ Am Nachmittag gab es einen Konflikt bei der Karate-Trainer-Ausbildung. Ein Schü
Abends habe ich den wöchentlichen Load-Check mit meinem Partner gemacht. Das Paar-Ritual [[leitbild-rituale-system#R5]] hilft, das Ziel [[leitbild-ziele-portfolio#Nordstern Partner]] aktiv zu verfolgen. Es ist der operative Rhythmus für uns beide. Abends habe ich den wöchentlichen Load-Check mit meinem Partner gemacht. Das Paar-Ritual [[leitbild-rituale-system#R5]] hilft, das Ziel [[leitbild-ziele-portfolio#Nordstern Partner]] aktiv zu verfolgen. Es ist der operative Rhythmus für uns beide.
""" """
# Helper, um den Client im vorhandenen Loop zu schließen (Muss in der Klasse sein)
async def _async_close_analyzer(analyzer):
await analyzer.close()
class TestSemanticChunking(unittest.TestCase): class TestSemanticChunking(unittest.TestCase):
# 2. Ressourcen-Management (Schließt den httpx.AsyncClient sauber) # 2. Ressourcen-Management
_analyzer_instance = None _analyzer_instance = None
@classmethod @classmethod
@ -51,18 +55,24 @@ class TestSemanticChunking(unittest.TestCase):
"""Initialisiert den SemanticAnalyzer einmalig und asynchron.""" """Initialisiert den SemanticAnalyzer einmalig und asynchron."""
# Da LLMService async ist, nutzen wir die Singleton-Instanz der Klasse # Da LLMService async ist, nutzen wir die Singleton-Instanz der Klasse
cls._analyzer_instance = SemanticAnalyzer() cls._analyzer_instance = SemanticAnalyzer()
# Stellen Sie sicher, dass der Chunker diese Instanz verwenden kann. # Stellt sicher, dass der Chunker diese Instanz verwenden kann.
# Dies ist im chunker.py Code über _get_semantic_analyzer_instance() abgedeckt.
chunker._semantic_analyzer_instance = cls._analyzer_instance chunker._semantic_analyzer_instance = cls._analyzer_instance
@classmethod @classmethod
def tearDownClass(cls): def tearDownClass(cls):
"""Schließt den httpx.AsyncClient nach allen Tests.""" """Schließt den httpx.AsyncClient nach allen Tests (Korrektur des Event Loop Fehlers)."""
if cls._analyzer_instance: if cls._analyzer_instance:
asyncio.run(cls._analyzer_instance.close()) # Wir nutzen run_coroutine_threadsafe, da der Loop geschlossen ist
loop = asyncio.get_event_loop()
if loop.is_running():
# Wenn Loop noch läuft, planen wir den Aufruf
asyncio.run_coroutine_threadsafe(cls._analyzer_instance.close(), loop)
else:
# Andernfalls starten wir einen neuen temporären Loop nur zum Schließen
asyncio.run(cls._analyzer_instance.close())
def setUp(self): def setUp(self):
# Lädt die Konfiguration, um die Strategie zu prüfen
self.config = chunker.get_chunk_config(TEST_NOTE_TYPE) self.config = chunker.get_chunk_config(TEST_NOTE_TYPE)
def test_a_strategy_selection(self): def test_a_strategy_selection(self):
@ -72,10 +82,8 @@ class TestSemanticChunking(unittest.TestCase):
def test_b_llm_chunking_and_injection(self): def test_b_llm_chunking_and_injection(self):
""" """
Prüft den gesamten End-to-End-Flow: Prüft den gesamten End-to-End-Flow: 1. LLM-Chunking, 2. Kanten-Injektion, 3. Kanten-Erkennung.
1. LLM-Chunking (muss > 1 Chunk liefern) (Diese Tests setzen voraus, dass das LLM JSON liefert)
2. Kanten-Injektion (als [[rel:...]])
3. Kanten-Erkennung durch derive_edges.py
""" """
# --- 1. Chunking (Asynchron) --- # --- 1. Chunking (Asynchron) ---
@ -87,11 +95,11 @@ class TestSemanticChunking(unittest.TestCase):
print(f"\n--- LLM Chunker Output: {len(chunks)} Chunks ---") print(f"\n--- LLM Chunker Output: {len(chunks)} Chunks ---")
# Assertion B1: Zerlegung (Die Fallback-Logik des LLM liefert bei Fehler 1 Chunk) # Assertion B1: Zerlegung (Das LLM muss mehr als 1 Chunk liefern)
self.assertTrue(len(chunks) > 1, self.assertTrue(len(chunks) > 1,
"Assertion B1 Fehler: Das LLM sollte den Text in mehrere semantische Chunks zerlegen.") "Assertion B1 Fehler: LLM hat nicht zerlegt (Fallback aktiv). Prüfe LLM-Stabilität.")
# --- 2. Injektion prüfen (Der Chunk-Text muss die Links enthalten) --- # --- 2. Injektion prüfen ---
chunk_1_text = chunks[0].text chunk_1_text = chunks[0].text
self.assertIn("[[rel:", chunk_1_text, self.assertIn("[[rel:", chunk_1_text,
"Assertion B2 Fehler: Der Chunk-Text muss die injizierte [[rel: Kante enthalten.") "Assertion B2 Fehler: Der Chunk-Text muss die injizierte [[rel: Kante enthalten.")
@ -104,18 +112,16 @@ class TestSemanticChunking(unittest.TestCase):
print(f"--- Edge Derivation Output: {len(edges)} Kanten ---") print(f"--- Edge Derivation Output: {len(edges)} Kanten ---")
# 4. Assertions: Prüfen auf Existenz spezifischer, vom LLM generierter Kanten # Assertion B3: Mindestens 3 LLM-Kanten (inline:rel)
llm_generated_edges = [ llm_generated_edges = [
e for e in edges e for e in edges
if e.get('rule_id') == 'inline:rel' and e.get('source_id').startswith(TEST_NOTE_ID + '#sem') if e.get('rule_id') == 'inline:rel' and e.get('source_id').startswith(TEST_NOTE_ID + '#sem')
] ]
# Assertion B3: Mindestens 3 LLM-Kanten (eine pro semantischem Abschnitt)
self.assertTrue(len(llm_generated_edges) >= 3, self.assertTrue(len(llm_generated_edges) >= 3,
"Assertion B3 Fehler: Mindestens 3 LLM-generierte Kanten (eine pro semantischem Abschnitt).") "Assertion B3 Fehler: Es wurden weniger als 3 semantische Kanten gefunden.")
# Assertion B4: Check für die Matrix-Logik / Werte-Kante (Chunk 1) # Assertion B4: Check für die Matrix-Logik / Werte-Kante
# Erwartet: derived_from oder based_on zu 'leitbild-werte'
has_matrix_kante = any( has_matrix_kante = any(
e['target_id'].startswith('leitbild-werte') and e['kind'] in ['based_on', 'derived_from'] e['target_id'].startswith('leitbild-werte') and e['kind'] in ['based_on', 'derived_from']
for e in llm_generated_edges for e in llm_generated_edges
@ -149,5 +155,5 @@ class TestSemanticChunking(unittest.TestCase):
print(f"\n✅ Prevention Test: Draft-Status hat LLM-Chunking verhindert (Fallback ID: {chunks[0].id}).") print(f"\n✅ Prevention Test: Draft-Status hat LLM-Chunking verhindert (Fallback ID: {chunks[0].id}).")
if __name__ == '__main__': if __name__ == '__main__':
print("Starte den Semantic Chunking Integrationstest. Stelle sicher, dass Ollama und die Konfiguration korrekt sind.") print("Starte den Semantic Chunking Integrationstest.")
unittest.main() unittest.main()