app/core/chunking/chunking_propagation.py

@@ -1,9 +1,7 @@
 """
 FILE: app/core/chunking/chunking_propagation.py
 DESCRIPTION: Injiziert Sektions-Kanten physisch in den Text (Embedding-Enrichment).
-             Stellt die "Gold-Standard"-Qualität von v3.1.0 wieder her.
-VERSION: 3.3.1
-STATUS: Active
+             Fix v3.3.5: Erkennt Wikilink-Targets, um Dopplungen zu verhindern.
 """
 from typing import List, Dict, Set
 from .chunking_models import Chunk
@@ -12,7 +10,7 @@ from .chunking_parser import parse_edges_robust
 def propagate_section_edges(chunks: List[Chunk]) -> List[Chunk]:
     """
     Sammelt Kanten pro Sektion und schreibt sie hart in den Text und das Window.
-    Dies ist essenziell für die Vektorisierung der Beziehungen.
+    Verhindert Dopplungen, wenn Kanten bereits via [!edge] Callout vorhanden sind.
     """
     # 1. Sammeln: Alle expliziten Kanten pro Sektions-Pfad aggregieren
     section_map: Dict[str, Set[str]] = {} # path -> set(kind:target)
@@ -39,18 +37,21 @@ def propagate_section_edges(chunks: List[Chunk]) -> List[Chunk]:
             injections = []
             for e_str in edges_to_add:
                 kind, target = e_str.split(':', 1)
-                # Nur injizieren, wenn die Kante nicht bereits im Text steht
-                token = f"[[rel:{kind}|{target}]]"
-                if token not in ch.text:
-                    injections.append(token)
+                
+                # DER FIX: Wir prüfen, ob das Ziel (target) bereits im Text vorkommt.
+                # Wir suchen nach [[target]] (Callout-Stil) oder |target]] (Rel-Stil).
+                if f"[[{target}]]" in ch.text or f"|{target}]]" in ch.text:
+                    continue
+                
+                injections.append(f"[[rel:{kind}|{target}]]")
             
             if injections:
-                # Physische Anreicherung (Der v3.1.0 Qualitäts-Fix)
+                # Physische Anreicherung
                 # Triple-Newline für saubere Trennung im Embedding-Fenster
                 block = "\n\n\n" + " ".join(injections)
                 ch.text += block
                 
-                # ENTSCHEIDEND: Auch ins Window schreiben, da Qdrant hier sucht!
+                # Auch ins Window schreiben, da Qdrant hier sucht!
                 if ch.window:
                     ch.window += block
                 else:

app/core/ingestion/ingestion_note_payload.py

@@ -3,9 +3,8 @@ FILE: app/core/ingestion/ingestion_note_payload.py
 DESCRIPTION: Baut das JSON-Objekt für mindnet_notes. 
 FEATURES: 
   - Multi-Hash (body/full) für flexible Change Detection.
-  - Fix v2.4.4: Integration der zentralen Registry (WP-14) für konsistente Defaults.
-VERSION: 2.4.4
-STATUS: Active
+  - Fix v2.4.5: Präzise Hash-Logik für Profil-Änderungen.
+  - Integration der zentralen Registry (WP-14).
 """
 from __future__ import annotations
 from typing import Any, Dict, Tuple, Optional
@@ -45,14 +44,22 @@ def _compute_hash(content: str) -> str:
     return hashlib.sha256(content.encode("utf-8")).hexdigest()
 
 def _get_hash_source_content(n: Dict[str, Any], mode: str) -> str:
-    """Generiert den Hash-Input-String basierend auf Body oder Metadaten."""
-    body = str(n.get("body") or "")
+    """
+    Generiert den Hash-Input-String basierend auf Body oder Metadaten.
+    Fix: Inkludiert nun alle entscheidungsrelevanten Profil-Parameter.
+    """
+    body = str(n.get("body") or "").strip()
     if mode == "body": return body
     if mode == "full":
         fm = n.get("frontmatter") or {}
         meta_parts = []
-        # Sortierte Liste für deterministische Hashes
-        for k in sorted(["title", "type", "status", "tags", "chunking_profile", "chunk_profile", "retriever_weight"]):
+        # Wir inkludieren alle Felder, die das Chunking oder Retrieval beeinflussen
+        keys = [
+            "title", "type", "status", "tags", 
+            "chunking_profile", "chunk_profile", 
+            "retriever_weight", "split_level", "strict_heading_split"
+        ]
+        for k in sorted(keys):
             val = fm.get(k)
             if val is not None: meta_parts.append(f"{k}:{val}")
         return f"{'|'.join(meta_parts)}||{body}"
@@ -79,11 +86,11 @@ def _cfg_defaults(reg: dict) -> dict:
 def make_note_payload(note: Any, *args, **kwargs) -> Dict[str, Any]:
     """
     Baut das Note-Payload inklusive Multi-Hash und Audit-Validierung.
-    WP-14: Nutzt nun die zentrale Registry für alle Fallbacks.
+    WP-14: Nutzt die zentrale Registry für alle Fallbacks.
     """
     n = _as_dict(note)
     
-    # Nutzt übergebene Registry oder lädt sie global
+    # Registry & Context Settings
     reg = kwargs.get("types_cfg") or load_type_registry()
     hash_source = kwargs.get("hash_source", "parsed")
     hash_normalize = kwargs.get("hash_normalize", "canonical")
@@ -96,7 +103,6 @@ def make_note_payload(note: Any, *args, **kwargs) -> Dict[str, Any]:
     ingest_cfg = reg.get("ingestion_settings", {})
 
     # --- retriever_weight Audit ---
-    # Priorität: Frontmatter -> Typ-Config -> globale Config -> Env-Var
     default_rw = float(os.environ.get("MINDNET_DEFAULT_RETRIEVER_WEIGHT", 1.0))
     retriever_weight = fm.get("retriever_weight")
     if retriever_weight is None:
@@ -107,14 +113,13 @@ def make_note_payload(note: Any, *args, **kwargs) -> Dict[str, Any]:
         retriever_weight = default_rw
 
     # --- chunk_profile Audit ---
-    # Nutzt nun primär die ingestion_settings aus der Registry
     chunk_profile = fm.get("chunking_profile") or fm.get("chunk_profile")
     if chunk_profile is None:
         chunk_profile = cfg_type.get("chunking_profile") or cfg_type.get("chunk_profile")
     if chunk_profile is None:
         chunk_profile = ingest_cfg.get("default_chunk_profile", cfg_def.get("chunking_profile", "sliding_standard"))
 
-    # --- edge_defaults ---
+    # --- edge_defaults Audit ---
     edge_defaults = fm.get("edge_defaults")
     if edge_defaults is None:
         edge_defaults = cfg_type.get("edge_defaults", cfg_def.get("edge_defaults", []))
@@ -138,21 +143,23 @@ def make_note_payload(note: Any, *args, **kwargs) -> Dict[str, Any]:
     }
     
     # --- MULTI-HASH ---
-    # Generiert Hashes für Change Detection
     for mode in ["body", "full"]:
         content = _get_hash_source_content(n, mode)
         payload["hashes"][f"{mode}:{hash_source}:{hash_normalize}"] = _compute_hash(content)
 
-    # Metadaten Anreicherung
+    # Metadaten Anreicherung (Tags, Aliases, Zeitstempel)
     tags = fm.get("tags") or fm.get("keywords") or n.get("tags")
     if tags: payload["tags"] = _ensure_list(tags)
-    if fm.get("aliases"): payload["aliases"] = _ensure_list(fm.get("aliases"))
+    
+    aliases = fm.get("aliases")
+    if aliases: payload["aliases"] = _ensure_list(aliases)
     
     for k in ("created", "modified", "date"):
         v = fm.get(k) or n.get(k)
         if v: payload[k] = str(v)
     
-    if n.get("body"): payload["fulltext"] = str(n["body"])
+    if n.get("body"): 
+        payload["fulltext"] = str(n["body"])
 
     # Final JSON Validation Audit
     json.loads(json.dumps(payload, ensure_ascii=False))