neues testscript für smart chunker

tests/test_smart_chunking_integration.py

@@ -7,16 +7,21 @@ import sys
 from pathlib import Path
 from typing import List, Dict
 
-# Pfad-Anpassung, falls nötig
+# --- PFAD-KORREKTUR ---
-sys.path.insert(0, str(Path(__file__).parent.parent.parent))
+# Fügt das Root-Verzeichnis zum Python-Pfad hinzu (wie zuvor besprochen)
+ROOT_DIR = Path(__file__).resolve().parent.parent
+sys.path.insert(0, str(ROOT_DIR))
+# ----------------------
 
 # Import der Kernkomponenten
 from app.core import chunker 
 from app.core import derive_edges 
-from app.core.note_payload import extract_frontmatter_from_text 
-# Dummy-Mocking des Qdrant-Clients für Unit-Tests wäre hier besser, 
-# aber für den Integrationstest nutzen wir die echte Logik.
 
+# WICHTIG: Wir importieren extract_frontmatter_from_text NICHT mehr aus 
+# note_payload.py, sondern entfernen den Import, da er für den Test nicht direkt nötig ist.
+
+# ANNAHME: Der Test kann die Logik des Parsings und der Edge-Derivation nutzen, 
+# ohne note_payload direkt zu importieren.
 
 # 1. Definieren der Test-Datei (Muss im Vault existieren, wenn es ein echter Integrationstest ist)
 TEST_NOTE_ID = "20251211-journal-sem-test"
@@ -59,7 +64,6 @@ class TestSemanticChunking(unittest.TestCase):
         3. Kanten-Erkennung durch derive_edges.py
         """
         # --- 1. Chunking (Asynchron) ---
-        # Wir müssen den Async-Teil synchron ausführen (Standard-Python-Pattern für Async-Tests)
         chunks = asyncio.run(chunker.assemble_chunks(
             note_id=TEST_NOTE_ID, 
             md_text=TEST_MARKDOWN, 
@@ -77,7 +81,6 @@ class TestSemanticChunking(unittest.TestCase):
                       "Fehler: Der Chunk-Text muss die injizierte [[rel: Kante enthalten.]")
         
         # --- 3. Kanten-Derivation (Synchron) ---
-        # derive_edges.py muss die injizierten Links finden und umwandeln.
         edges = derive_edges.build_edges_for_note(
             note_id=TEST_NOTE_ID, 
             chunks=[c.__dict__ for c in chunks] # Chunker-Objekte in Dicts konvertieren
@@ -87,7 +90,6 @@ class TestSemanticChunking(unittest.TestCase):
         
         # 4. Assertions: Prüfen auf Existenz spezifischer, vom LLM generierter Kanten
         
-        # Erwartet: next/prev, belongs_to, und die LLM-generierten (inline:rel)
         llm_generated_edges = [
             e for e in edges 
             if e.get('rule_id') == 'inline:rel' and e.get('source_id').startswith(TEST_NOTE_ID + '#sem')
@@ -98,10 +100,9 @@ class TestSemanticChunking(unittest.TestCase):
                         "Erwartung: Mindestens 3 LLM-generierte Kanten (eine pro semantischem Abschnitt).")
         
         # Check für die spezifische Kante 'uses' (oder 'based_on'/'derived_from' von der Matrix)
-        # Wir prüfen auf 'leitbild-rituale-system'
         has_ritual_kante = any(
             e['target_id'] == 'leitbild-rituale-system' 
-            and e['source_id'].startswith(TEST_NOTE_ID + '#sem00') # Sollte im ersten Chunk sein
+            and e['source_id'].startswith(TEST_NOTE_ID + '#sem00')
             for e in llm_generated_edges
         )
         self.assertTrue(has_ritual_kante, 
@@ -109,7 +110,7 @@ class TestSemanticChunking(unittest.TestCase):
         
         # Check für die Matrix-Logik (z.B. 'derived_from' zu 'leitbild-werte')
         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', 'references']
             for e in llm_generated_edges
         )
         self.assertTrue(has_matrix_kante, 
@@ -133,16 +134,13 @@ class TestSemanticChunking(unittest.TestCase):
         # Wenn LLM genutzt wird, ist die ID 'sem'. Wenn by_heading genutzt wird, 
         # ist die ID standardmäßig 'c' und die Logik ist anders.
         
-        # by_heading/sliding_window generiert 'c', LLM generiert 'sem'
-        
         self.assertFalse(chunks[0].id.startswith(TEST_NOTE_ID + '#sem'),
-                         "Fehler: LLM-Chunking wurde für den Status 'draft' nicht verhindert.")
+                         "Fehler: LLM-Chunking wurde für den Status 'draft' nicht verhindert (ID startet mit #sem).")
-        
-        print(f"\n✅ Prevention Test: Draft-Status hat LLM-Chunking verhindert (ID: {chunks[0].id}).")
         
+        # Da 'by_heading' der Fallback ist, sollte die ID mit '#c' starten
+        self.assertTrue(chunks[0].id.startswith(TEST_NOTE_ID + '#c'),
+                         "Fehler: Fallback-Strategie 'by_heading' wurde nicht korrekt ausgeführt.")
 
-if __name__ == '__main__':
+        print(f"\n✅ Prevention Test: Draft-Status hat LLM-Chunking verhindert (Fallback ID: {chunks[0].id}).")
-    # Startet den Test nach einer kurzen Wartezeit, um Ollama Zeit zu geben.
+        
-    print("Starte den Semantic Chunking Integrationstest. Stelle sicher, dass Ollama läuft...")
+# --- Ende des Test-Skripts ---
-    # Da dies ein echter LLM-Aufruf ist, kann es kurz dauern.
-    unittest.main()