mindnet/tests/test_smart_chunking_integration.py

# tests/test_smart_chunking_integration.py

import asyncio
import unittest
import os
import sys
from pathlib import Path
from typing import List, Dict

# Pfad-Anpassung, falls nötig
sys.path.insert(0, str(Path(__file__).parent.parent.parent))

# 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.


# 1. Definieren der Test-Datei (Muss im Vault existieren, wenn es ein echter Integrationstest ist)
TEST_NOTE_ID = "20251211-journal-sem-test"
TEST_NOTE_TYPE = "journal"

TEST_MARKDOWN = """
---
id: 20251211-journal-sem-test
title: Tägliches Log - Semantischer Test
type: journal
status: active
created: 2025-12-11
tags: [test, daily-log]
---
# Log-Eintrag 2025-12-11

Heute war ein guter Tag. Zuerst habe ich mit der R1 Meditation begonnen, um meinen Nordstern Fokus zu klären. Das Ritual [[leitbild-rituale-system]] hat mir geholfen, ruhig in den Tag zu starten. Ich habe gespürt, wie wichtig meine [[leitbild-werte#Integrität]] für meine Entscheidungen ist. Das ist das Fundament.

Am Nachmittag gab es einen Konflikt bei der Karate-Trainer-Ausbildung. Ein Schüler war uneinsichtig. Ich habe die Situation nach [[leitbild-prinzipien#P4 Gerechtigkeit & Fairness]] behandelt und beide Seiten gehört (Steelman). Das war anstrengend, aber ich habe meine [[leitbild-rollen#Karate-Trainer]] Mission erfüllt. Die Konsequenz war klar und ruhig.

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.
"""

class TestSemanticChunking(unittest.TestCase):
    
    def setUp(self):
        # Setzt die Konfiguration auf den Typ 'journal'
        self.config = chunker.get_chunk_config(TEST_NOTE_TYPE)
        
    def test_a_strategy_selection(self):
        """Prüft, ob die Strategie 'semantic_llm' für den Typ 'journal' gewählt wird."""
        self.assertEqual(self.config['strategy'], 'semantic_llm', 
                         "Fehler: 'journal' sollte die Strategie 'semantic_llm' nutzen.")

    def test_b_llm_chunking_and_injection(self):
        """
        Prüft den gesamten End-to-End-Flow:
        1. LLM-Chunking
        2. Kanten-Injektion (als [[rel:...]])
        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, 
            note_type=TEST_NOTE_TYPE
        ))
        
        print(f"\n--- LLM Chunker Output: {len(chunks)} Chunks ---")
        self.assertTrue(len(chunks) > 1, 
                        "Erwartung: Das LLM sollte den Text in mehrere semantische Chunks zerlegen.")
        
        # --- 2. Injektion prüfen (Der Chunk-Text muss die Links enthalten) ---
        chunk_1_text = chunks[0].text
        print(f"Chunk 1 Text (Anfang): {chunk_1_text[:100]}...")
        self.assertIn("[[rel:", chunk_1_text, 
                      "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
        )
        
        print(f"--- Edge Derivation Output: {len(edges)} Kanten ---")
        
        # 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')
        ]
        
        print(f"Gefundene LLM-Kanten (inline:rel): {len(llm_generated_edges)}")
        self.assertTrue(len(llm_generated_edges) >= 3, 
                        "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
            for e in llm_generated_edges
        )
        self.assertTrue(has_ritual_kante, 
                        "Fehler: Der LLM-Chunker hat die Kante zu 'leitbild-rituale-system' nicht korrekt an Chunk 1 gebunden.")
        
        # 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']
            for e in llm_generated_edges
        )
        self.assertTrue(has_matrix_kante, 
                        "Fehler: Die Matrix-Logik wurde nicht aktiv oder das LLM hat die Werte-Kante nicht erkannt.")

        print("\n✅ Integrationstest für Semantic Chunking erfolgreich.")
        
    def test_c_draft_status_prevention(self):
        """Prüft, ob 'draft' Status semantic_llm auf by_heading überschreibt."""
        
        DRAFT_MARKDOWN = TEST_MARKDOWN.replace("status: active", "status: draft")
        
        # 1. Chunking mit Draft Status
        chunks = asyncio.run(chunker.assemble_chunks(
            note_id=TEST_NOTE_ID, 
            md_text=DRAFT_MARKDOWN, 
            note_type=TEST_NOTE_TYPE
        ))
        
        # 2. Prüfen der Chunker-IDs
        # 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.")
        
        print(f"\n✅ Prevention Test: Draft-Status hat LLM-Chunking verhindert (ID: {chunks[0].id}).")
        

if __name__ == '__main__':
    # Startet den Test nach einer kurzen Wartezeit, um Ollama Zeit zu geben.
    print("Starte den Semantic Chunking Integrationstest. Stelle sicher, dass Ollama läuft...")
    # Da dies ein echter LLM-Aufruf ist, kann es kurz dauern.
    unittest.main()