O captura cu ORA-06550 / PLS-00906 primea raspunsul despre ORA-12541 (TNS no
listener) si nu pleca la suport. Cauza: doua erori Oracle diferite se scriu
aproape la fel ("[Oracle][ODBC][Ora]ORA-..."), asa ca chunk-ul gresit a iesit la
cosinus 0,736 — peste RANK_STRONG_COSINE, care scurtcircuita orice alta dovada.
Chunk-ul corect din dictionar exista, dar statea pe pozitia 4, in afara TOP_K:
OCR-ul unei ferestre intregi aduce zeci de tokeni de zgomot, iar BM25 ineca tocmai
codul.
- `rank.codes()` scoate codurile de oriunde din text, nu doar ca token intreg —
OCR-ul le lipeste de ce e langa ("OraJORA-06550").
- `rank.by_codes()` e un al treilea clasament in fuziune: chunk-ul care poarta
codul cerut urca peste cele care doar seamana. Acum iese primul.
- `rank.assess()`: cand intrebarea are coduri, decid doar ele. Niciun cod gasit =
escaladare la suport, oricat de mare ar fi cosinusul.
- `consumer.search()` judeca acoperirea pe cosinusul chunk-urilor date chiar
modelului, nu pe cel mai bun din tot indexul.
Calibrare 21/21 (cele 19 cazuri + captura reala + ORA-00600, cod care nu e in
documente si trebuie sa plece la suport). Teste: 79 pass.
Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01Q4uzvgm7AyJch5WH8QHRhY
168 lines
5.9 KiB
Python
168 lines
5.9 KiB
Python
"""Ordonarea hibrida si decizia de escaladare.
|
|
|
|
Fara retea: embeddings-urile sunt inlocuite cu scoruri cosinus date direct, ca sa
|
|
se testeze fuziunea si pragurile, nu Ollama.
|
|
"""
|
|
|
|
from __future__ import annotations
|
|
|
|
import rank
|
|
|
|
|
|
DOCS = [
|
|
"mesaj eroare: ORA-01722 invalid number. rezolvare: verifica formatul coloanei numerice",
|
|
"mesaj eroare: token efactura expirat. rezolvare: reautorizeaza aplicatia in SPV",
|
|
"cum se trimite declaratia D406 SAF-T catre ANAF din meniul Rapoarte",
|
|
"instructiuni pentru inregistrarea unei facturi de achizitie in modulul Facturare",
|
|
]
|
|
|
|
|
|
def test_tokenize_pastreaza_codurile_intregi():
|
|
assert "ora-01722" in rank.tokenize("Imi da ORA-01722 la salvare")
|
|
# diacriticele nu trebuie sa rupa potrivirea
|
|
assert rank.tokenize("factură") == rank.tokenize("factura")
|
|
|
|
|
|
def test_tokenize_scoate_cuvintele_de_umplutura():
|
|
assert rank.tokenize("cum se salveaza si de ce nu") == ["salveaza"]
|
|
|
|
|
|
def test_bm25_gaseste_codul_de_eroare():
|
|
bm = rank.Bm25(DOCS)
|
|
scoruri = bm.scores("ORA-01722")
|
|
assert scoruri[0] > 0
|
|
assert max(scoruri) == scoruri[0]
|
|
|
|
|
|
def test_bm25_zero_cand_nu_exista_niciun_token_comun():
|
|
bm = rank.Bm25(DOCS)
|
|
assert all(s == 0 for s in bm.scores("uleiul de motor al masinii"))
|
|
|
|
|
|
def test_rare_terms_prinde_codurile_si_ignora_cuvintele_comune():
|
|
bm = rank.Bm25(DOCS)
|
|
rare = bm.rare_terms("ORA-01722 la factura")
|
|
assert "ora-01722" in rare
|
|
|
|
|
|
def test_rank_urca_chunkul_confirmat_de_ambele_metode():
|
|
# cosinusul favorizeaza documentul 3, dar lexical se potriveste documentul 0;
|
|
# documentul 0 e sustinut de amandoua (cosinus decent + BM25 mare) si iese primul
|
|
cos = [0.62, 0.30, 0.31, 0.64]
|
|
bm = [8.0, 0.0, 0.0, 0.0]
|
|
assert rank.rank(cos, bm)[0] == 0
|
|
|
|
|
|
def test_rank_fara_potrivire_lexicala_ramane_ordinea_semantica():
|
|
cos = [0.30, 0.40, 0.80, 0.20]
|
|
assert rank.rank(cos, [0.0, 0.0, 0.0, 0.0])[0] == 2
|
|
|
|
|
|
def test_assess_cosinus_mare_raspunde():
|
|
bm = rank.Bm25(DOCS)
|
|
covered, motiv = rank.assess("token efactura expirat", 0.77, DOCS[1:2], bm)
|
|
assert covered
|
|
assert "0.770" in motiv or "0.77" in motiv
|
|
|
|
|
|
def test_assess_cosinus_mic_escaladeaza():
|
|
bm = rank.Bm25(DOCS)
|
|
covered, motiv = rank.assess("cum schimb uleiul la masina", 0.53, DOCS[:1], bm)
|
|
assert not covered
|
|
assert "0.53" in motiv
|
|
|
|
|
|
def test_assess_zona_de_mijloc_salvata_de_codul_de_eroare():
|
|
# Exact cazul pentru care exista partea lexicala: cosinusul e mediocru, dar
|
|
# codul din intrebare apare textual in chunk.
|
|
bm = rank.Bm25(DOCS)
|
|
covered, motiv = rank.assess("ORA-01722", 0.61, DOCS[:1], bm)
|
|
assert covered
|
|
assert "ora-01722" in motiv
|
|
|
|
|
|
def test_assess_zona_de_mijloc_fara_termeni_in_context_escaladeaza():
|
|
bm = rank.Bm25(DOCS)
|
|
covered, motiv = rank.assess("ORA-99999", 0.61, DOCS[:1], bm)
|
|
assert not covered
|
|
assert "nu apar in documente" in motiv
|
|
|
|
|
|
def test_assess_un_singur_termen_din_multi_nu_e_dovada():
|
|
# Cazul care a scos la iveala nevoia de fractiune: „resetez parola de la Windows"
|
|
# era salvata gresit doar fiindca „parola" apare in documente. Un termen din
|
|
# trei nu inseamna ca intrebarea e acoperita.
|
|
bm = rank.Bm25(DOCS + ["reautorizeaza aplicatia si schimba parola in SPV"])
|
|
covered, motiv = rank.assess("cum resetez parola de la Windows", 0.64,
|
|
["reautorizeaza aplicatia si schimba parola in SPV"], bm)
|
|
assert not covered
|
|
assert "windows" in motiv
|
|
|
|
|
|
def test_assess_motivul_numeste_termenii_lipsa_nu_pe_toti():
|
|
# Fara cod in intrebare: acolo decid termenii rari, nu regula codurilor.
|
|
bm = rank.Bm25(DOCS)
|
|
_, motiv = rank.assess("factura la imprimanta LaserJet", 0.61, DOCS[3:], bm)
|
|
# „factura" chiar apare in context, deci nu are ce cauta in lista lipsurilor
|
|
assert "factura," not in motiv
|
|
assert "imprimanta" in motiv
|
|
|
|
|
|
def test_assess_intrebare_vaga_in_zona_de_mijloc_escaladeaza():
|
|
bm = rank.Bm25(DOCS)
|
|
covered, motiv = rank.assess("nu merge", 0.61, DOCS[:1], bm)
|
|
assert not covered
|
|
assert "distinctivi" in motiv
|
|
|
|
|
|
def test_pragurile_vin_din_env(monkeypatch):
|
|
import config
|
|
bm = rank.Bm25(DOCS)
|
|
monkeypatch.setitem(config._env, "RANK_STRONG_COSINE", "0.50")
|
|
covered, _ = rank.assess("orice", 0.55, DOCS[:1], bm)
|
|
assert covered
|
|
|
|
|
|
# --- coduri de eroare: identificatori exacti, nu cuvinte ---------------------
|
|
|
|
def test_codul_lipit_de_ocr_e_tot_gasit():
|
|
"""OCR-ul da „[Oracle][ODBC][OraJORA-06550"; codul nu are voie sa se piarda."""
|
|
import rank
|
|
assert rank.codes("[Oracle][ODBC][OraJORA-06550: line 1, column 7") == ["ora-06550"]
|
|
assert rank.codes("PLS-00906: object X is invalid") == ["pls-00906"]
|
|
assert rank.codes("cum trimit D406") == ["d406"]
|
|
assert rank.codes("nu merge nimic") == []
|
|
|
|
|
|
def test_chunkul_cu_codul_cerut_urca_in_clasament():
|
|
import rank
|
|
texts = [
|
|
"ORA-12541 TNS no listener, serverul nu raspunde",
|
|
"ORA-03113 end-of-file on communication channel",
|
|
"ORA-06550 eroare de compilare, procedura lipseste",
|
|
]
|
|
assert rank.by_codes("imi da ORA-06550 la salvare", texts) == [2]
|
|
assert rank.by_codes("intrebare fara coduri", texts) == []
|
|
|
|
|
|
def test_cosinus_mare_nu_acopera_alt_cod(monkeypatch):
|
|
"""Doua erori Oracle diferite se scriu la fel; cosinusul nu le deosebeste.
|
|
|
|
Cazul real din 2026-08-31: captura cu ORA-06550 primea raspunsul despre
|
|
ORA-12541, cu cosinus 0,736 — peste pragul „sigur".
|
|
"""
|
|
import rank
|
|
bm = rank.Bm25(["ORA-12541 TNS no listener"])
|
|
ok, motiv = rank.assess("ORA-06550 PLS-00906 la salvare", 0.736,
|
|
["ORA-12541 TNS no listener"], bm)
|
|
assert ok is False
|
|
assert "ora-06550" in motiv
|
|
|
|
|
|
def test_codul_gasit_acopera_si_la_cosinus_mic():
|
|
import rank
|
|
bm = rank.Bm25(["ORA-06550 eroare de compilare"])
|
|
ok, motiv = rank.assess("ORA-06550", 0.42, ["ORA-06550 eroare de compilare"], bm)
|
|
assert ok is True
|
|
assert "ora-06550" in motiv
|