feat(maria): depozit local, in afara oglinzii Drive

Dictionarul de erori Oracle pus in `documents/` ar fi disparut in 10 minute:
`rclone sync` sterge de acolo tot ce nu exista in Drive. Aceeasi problema o avea
si butonul de adaugare document din dashboard — documentul traia pana la
urmatorul tur de sincronizare, ceea ce README-ul mentiona ca pe o ciudatenie, nu
ca pe un bug.

Acum sunt doua directoare cu un singur spatiu de nume: `documents/` (oglinda
Drive) si `documents-local/` (ce nu vine din Drive). La acelasi nume castiga
Drive-ul — e sursa comuna a echipei, iar copia locala poate fi o versiune veche
uitata acolo. Dashboard-ul scrie in cel local si marcheaza documentele „local".

Recalibrat cu dictionarul indexat (169 chunk-uri): 19/19, cele patru intrebari
Oracle noi ies la 0,73-0,75. Reindexarea a durat cat cele 29 de chunk-uri noi,
nu cat toate 169 — refolosirea vectorilor isi face treaba (log: "29 embeddings
noi, 140 refolosite").

Verificat pe canalul viu: o escaladare cu captura chiar pleaca pe WhatsApp,
imagine + rezumat + referinta, si apare in dashboard.

73 pass.

Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01Q4uzvgm7AyJch5WH8QHRhY

proxmox/lxc171-claude-agent/maria-whatsapp-bridge/rag/config.py

@@ -17,6 +17,10 @@ _DEFAULT_DIR = pathlib.Path.home() / ".maria-bridge"
 
 STATE_DIR: pathlib.Path = pathlib.Path(os.environ.get("MARIA_BRIDGE_DIR") or _DEFAULT_DIR)
 DOCS_DIR: pathlib.Path = STATE_DIR / "documents"
+# Documente care NU vin din Drive. `rclone sync` sterge din DOCS_DIR tot ce nu
+# exista in Drive, deci orice fisier pus acolo de mana dispare la urmatorul tur.
+# Ce sta aici e in afara oglinzii si supravietuieste.
+DOCS_LOCAL_DIR: pathlib.Path = STATE_DIR / "documents-local"
 INDEX_FILE: pathlib.Path = STATE_DIR / "rag_index.json"
 LOCK_FILE: pathlib.Path = STATE_DIR / ".rag.lock"
 LOG_DIR: pathlib.Path = STATE_DIR / "logs"
@@ -87,11 +91,12 @@ def parse_env(text: str) -> dict[str, str]:
 
 def reload(base_dir: str | os.PathLike | None = None) -> dict[str, str]:
     """Recalculeaza caile si reciteste env-ul. Returneaza dictionarul incarcat."""
-    global STATE_DIR, DOCS_DIR, INDEX_FILE, LOCK_FILE, LOG_DIR, ENV_FILE, AUTH_DIR, _env
+    global STATE_DIR, DOCS_DIR, DOCS_LOCAL_DIR, INDEX_FILE, LOCK_FILE, LOG_DIR, ENV_FILE, AUTH_DIR, _env
     if base_dir is None:
         base_dir = os.environ.get("MARIA_BRIDGE_DIR") or _DEFAULT_DIR
     STATE_DIR = pathlib.Path(base_dir)
     DOCS_DIR = STATE_DIR / "documents"
+    DOCS_LOCAL_DIR = STATE_DIR / "documents-local"
     INDEX_FILE = STATE_DIR / "rag_index.json"
     LOCK_FILE = STATE_DIR / ".rag.lock"
     LOG_DIR = STATE_DIR / "logs"

proxmox/lxc171-claude-agent/maria-whatsapp-bridge/rag/store.py

@@ -4,6 +4,14 @@ Fisiere text (.txt/.md/.xml) sub STATE_DIR/documents/, un singur nivel (fara
 subdirectoare), ca numele afisat in dashboard sa fie neambiguu si sa poata servi
 direct ca parametru de request fara riscuri de traversare de cale.
 
+DOUA DIRECTOARE, un singur spatiu de nume:
+  documents/        oglinda Google Drive. `rclone sync` STERGE de aici tot ce nu
+                    exista in Drive — nu pune nimic de mana.
+  documents-local/  documente care nu vin din Drive (dictionare proprii, ce se
+                    adauga din dashboard). Sincronizarea nu se atinge de ele.
+Cand acelasi nume apare in ambele, castiga cel din Drive: e sursa comuna a
+echipei, iar copia locala ar putea fi o versiune veche uitata acolo.
+
 Cand acelasi document exista in mai multe formate (`d406_saft_knowledge.xml` si
 `d406_saft_knowledge.md`), la indexare intra UNUL SINGUR, cel cu formatul cel mai
 bogat: .xml > .md > .txt. Sursele .xml sunt structurate pe probleme
@@ -38,13 +46,32 @@ def validate_name(name: str) -> str:
     return name
 
 
+def _all_files() -> list[pathlib.Path]:
+    """Fisierele din ambele directoare. La acelasi nume, cel din Drive castiga."""
+    vazute: dict[str, pathlib.Path] = {}
+    for d in (config.DOCS_LOCAL_DIR, config.DOCS_DIR):  # Drive ultimul = suprascrie
+        if not d.is_dir():
+            continue
+        for f in sorted(d.glob("*")):
+            if f.is_file() and f.suffix in DOC_EXTENSIONS:
+                vazute[f.name] = f
+    return [vazute[n] for n in sorted(vazute)]
+
+
+def path_for(name: str) -> pathlib.Path | None:
+    """Unde e documentul, in oricare din cele doua directoare."""
+    name = validate_name(name)
+    for d in (config.DOCS_DIR, config.DOCS_LOCAL_DIR):
+        p = d / name
+        if p.is_file():
+            return p
+    return None
+
+
 def list_documents() -> list[dict]:
     """Tot ce e in depozit. `shadowed_by` spune de ce un fisier nu ajunge in index."""
     config.DOCS_DIR.mkdir(parents=True, exist_ok=True)
-    files = [
-        f for f in sorted(config.DOCS_DIR.glob("*"))
-        if f.is_file() and f.suffix in DOC_EXTENSIONS
-    ]
+    files = _all_files()
     # castigatorul per nume de baza: formatul cel mai bogat
     winners: dict[str, str] = {}
     for f in files:
@@ -60,6 +87,7 @@ def list_documents() -> list[dict]:
             "name": f.name,
             "size": st.st_size,
             "mtime": st.st_mtime,
+            "local": f.parent == config.DOCS_LOCAL_DIR,
             "shadowed_by": None if winner == f.name else winner,
         })
     return out
@@ -71,20 +99,27 @@ def documents_for_index() -> list[dict]:
 
 
 def read_document(name: str) -> str:
-    name = validate_name(name)
-    return (config.DOCS_DIR / name).read_text(encoding="utf-8")
+    path = path_for(name)
+    if path is None:
+        raise FileNotFoundError(name)
+    return path.read_text(encoding="utf-8")
 
 
 def write_document(name: str, content: str) -> None:
+    """Scrie in documents-local/, NU in oglinda Drive.
+
+    Un document scris in `documents/` dispare la urmatorul `rclone sync` — asta
+    se intampla pana acum cu tot ce se adauga din dashboard.
+    """
     name = validate_name(name)
-    config.DOCS_DIR.mkdir(parents=True, exist_ok=True)
-    (config.DOCS_DIR / name).write_text(content, encoding="utf-8")
+    config.DOCS_LOCAL_DIR.mkdir(parents=True, exist_ok=True)
+    (config.DOCS_LOCAL_DIR / name).write_text(content, encoding="utf-8")
 
 
 def delete_document(name: str) -> bool:
-    name = validate_name(name)
-    path = config.DOCS_DIR / name
-    if not path.exists():
+    """Sterge documentul de unde se afla. Cel din Drive revine la sincronizare."""
+    path = path_for(name)
+    if path is None:
         return False
     path.unlink()
     return True

proxmox/lxc171-claude-agent/maria-whatsapp-bridge/rag/sync.py

@@ -32,10 +32,11 @@ def _fingerprint() -> str:
     doar cand s-a schimbat efectiv ceva, nu la fiecare tur de sincronizare."""
     config.DOCS_DIR.mkdir(parents=True, exist_ok=True)
     h = hashlib.sha256()
-    for f in sorted(config.DOCS_DIR.glob("*")):
-        if f.is_file() and f.suffix in store.DOC_EXTENSIONS:
-            st = f.stat()
-            h.update(f"{f.name}:{st.st_mtime_ns}:{st.st_size}\n".encode())
+    # amandoua directoarele: si un document local adaugat din dashboard trebuie sa
+    # declanseze reindexarea, nu doar ce vine din Drive
+    for f in store._all_files():
+        st = f.stat()
+        h.update(f"{f.name}:{st.st_mtime_ns}:{st.st_size}\n".encode())
     return h.hexdigest()