ROMFASTSQL/proxmox/lxc171-claude-agent/maria-whatsapp-bridge/README.md

# Punte WhatsApp + RAG pentru Maria (LXC 171)

> **Care chatbot e care?** Exista trei lucruri numite „Maria", doi boti pe Discord si
> doua punti WhatsApp legate la acelasi numar. Inainte de a depana, citeste
> [`docs/chatboti-si-punti.md`](../../../docs/chatboti-si-punti.md) — spune care instanta raspunde de fapt.

Bot de suport ROA pe WhatsApp: puntea WhatsApp (Baileys) primeste mesajele,
consumer-ul RAG raspunde folosind DOAR informatiile dintr-un depozit de
documente indexat cu embeddings (Ollama). Controlul (start/stop/restart,
documente, reindexare, sincronizare Google Drive) se face din **dashboard-ul
puntii Discord** (`../discord-bridge/dashboard/`), sectiunea "Maria — WhatsApp
+ RAG" — un singur panou comun pentru ambele punti de pe acest container, nu
un dashboard separat per serviciu.

Continua prototipul descris in
`claude-agent/docs/maria-whatsapp-rag-prototype.md` (construit initial in
`/tmp/maria-bridge/`) — aici e mutat in git, ca serviciu persistent.

Nu confunda cu:
- **Maria pe Flowise** (`vfp_roaauto/COMUN/utile/chatbot/`) — chatbot web separat.
- **Echo / `echo-whatsapp-bridge.service`** (LXC 110 moltbot) — alt bot, alta punte.
- **Punte Discord -> Claude Code** (`discord-bridge/`, acelasi container) — alt
  proiect, alt scop (comanda Claude Code de pe Discord, nu suport RAG).

## ATENTIE: a existat o a doua instalare, pe LXC 104

Prototipul din care a plecat acest proiect a fost lasat sa ruleze pe **LXC 104
(Flowise)**, in `/root/maria-whatsapp-bridge/` — in afara git-ului, cu propriul
`consumer.py`, propriul `rag_index.json` si propriul `auth/` de WhatsApp.

Pana pe 2026-08-31, **aceea era Maria care raspundea de fapt pe WhatsApp**, iar cea
din git (LXC 171) nu fusese niciodata asociata. In acea zi rolul a trecut aici:
LXC 171 a fost asociat la acelasi numar, iar pe 104 serviciile
`maria-whatsapp-bridge` si `maria-whatsapp-consumer` au fost oprite si dezactivate.
`llama-qwen35.service` (LLM-ul de raspuns) si `flowise.service` raman pornite acolo. Indexul prototipului avea 24 de
chunk-uri dintr-un singur fisier (`roaauto_instructiuni.txt`), deci raspundea
inventand la orice intrebare din afara acelui subiect — inclusiv e-Factura.

Confuzia a costat timp de diagnostic: pe LXC 171 totul parea rupt (niciun LLM pe
8091, WhatsApp neasociat, `rag.log` fara activitate) desi utilizatorul primea
raspunsuri. Explicatia era ca ne uitam la containerul gresit.

**Daca depanezi Maria, verifica intai pe ce container ruleaza instanta conectata:**

```bash
# aici (LXC 171)
curl -s http://127.0.0.1:8099/status
# pe LXC 104, daca mai exista
ssh root@10.0.20.201 "pct exec 104 -- curl -s http://127.0.0.1:8099/status"
```

LLM-ul de raspuns (`llama.cpp` cu `Qwen3.5-2B-Q4_K_M`, port 8091) ruleaza tot pe
LXC 104 si e folosit prin retea: `LLM_URL=http://10.0.20.161:8091`. Pe LXC 171 nu
exista niciun model de chat — Ollama de aici are doar `nomic-embed-text`, pentru
embeddings.

## Arhitectura

```
WhatsApp (self-chat, sau numarul legat)
   |
   v
whatsapp/index.js (Baileys)  -- API HTTP :8099 (/status /send /messages /react /qr /pair /groups)
   |                             descarca imaginile primite in ~/.maria-bridge/media/
   |
   v
rag/consumer.py  -- polling la /messages, RAG stateless (FARA memorie intre mesaje)
   |                  vezi docs/maria-whatsapp-rag-prototype.md pentru motiv
   v
rag/ocr.py       -- capturile de ecran -> text (tesseract), inainte de RAG
   |
   v
rag/rank.py      -- ordonare hibrida (embeddings + BM25) si decizia
   |                "avem raspunsul in documente?"; daca nu, mesajul pleaca la suport
   v
rag/store.py     -- depozit documente (.txt/.md) in ~/.maria-bridge/documents/
rag/indexer.py   -- chunking + embeddings Ollama -> rag_index.json
rag/sync.py      -- rclone pull din Google Drive + reindexare conditionata

../discord-bridge/dashboard/api.py -- panou comun; sectiunea Maria controleaza
                    maria-whatsapp.service + maria-rag.service, gestioneaza
                    documentele si declanseaza sincronizare/reindexare
```

Servicii `systemctl --user` (vezi `ops/`):

| Unitate | Ce face |
|---|---|
| `maria-whatsapp.service` | Puntea Baileys (Node), port 8099 |
| `maria-rag.service` | Consumer RAG (Python), polling + raspunsuri |
| `maria-sync.service` + `.timer` | Sincronizare Drive + reindexare, la 10 min |

## Instalare

```bash
cd maria-whatsapp-bridge
./ops/install.sh            # creeaza ~/.maria-bridge/, venv, npm install, symlink-uri unit
```

Completeaza manual `~/.maria-bridge/env` (copiat din `ops/env.example` la prima
rulare): cel putin `LLM_URL` (backend-ul de chat) si, daca vrei sincronizare
automata cu Drive, `DRIVE_REMOTE`.

`OLLAMA_URL` (implicit `http://127.0.0.1:11434`, folosit pentru embeddings la
indexare) presupune un Ollama instalat local pe container — nu exista alt
Ollama documentat in infrastructura. Instalare (facuta deja pe LXC 171,
2026-08-31):
```bash
sudo apt-get install -y zstd   # dependinta a instalatorului Ollama
curl -fsSL https://ollama.com/install.sh | sh
ollama pull nomic-embed-text   # ~274 MB, CPU-only pe acest container
```

Pentru citirea capturilor de ecran primite (vezi „Imagini cu erori" mai jos):
```bash
sudo apt-get install -y tesseract-ocr tesseract-ocr-ron
```

Bridge-ul WhatsApp NU porneste automat la instalare — cere asocierea cu telefonul
(actiune manuala, o singura data):

```bash
./ops/install.sh --start
# apoi deschide dashboard-ul puntii Discord, sectiunea "Maria — WhatsApp + RAG"
# -> cardul "Conectare WhatsApp", si alege una din cele doua metode (mai jos)
```

## Asocierea cu telefonul: QR sau cod

Ambele duc la acelasi rezultat — puntea devine un *dispozitiv conectat* al contului.
Alegerea e practica, nu tehnica:

| | Cand se foloseste |
|---|---|
| **Cod QR** | Ai dashboard-ul deschis pe un ecran pe care telefonul il poate fotografia. |
| **Cod de asociere** (8 caractere) | Esti pe telefon, sau ecranul cu QR-ul e la distanta: scrii numarul in dashboard, primesti un cod si il tastezi pe telefon. |

Pentru codul de asociere, in dashboard: scrie numarul **in format international,
fara `+` si fara `00`** (ex. `40723197939`), apasa „Cere cod de asociere", apoi pe
telefon: WhatsApp -> Dispozitive conectate -> Conecteaza un dispozitiv ->
**Conecteaza cu numar de telefon** -> tastezi codul.

Codul e valabil **~3 minute**; dupa ce expira, dashboard-ul il marcheaza ca expirat
si trebuie cerut altul. Dupa introducerea corecta, WhatsApp inchide conexiunea cu
codul `restartRequired` (515) — puntea se reconecteaza singura, imediat; nu e o
eroare si nu consuma din bugetul de reincercari.

Din linia de comanda, aceleasi lucruri:
```bash
curl -s -X POST -H 'Content-Type: application/json' \
     -d '{"phone":"40723197939"}' http://127.0.0.1:8099/pair
curl -s http://127.0.0.1:8099/status | python3 -m json.tool   # cod + secunde ramase
```

Codul se poate cere doar cat timp sesiunea NU e inregistrata. Daca puntea raspunde
„sesiunea e deja inregistrata", opreste-o, sterge `~/.maria-bridge/whatsapp-auth/`
si porneste-o din nou — dar atentie, asta desface asocierea existenta.

## Imagini cu erori

Utilizatorii trimit aproape intotdeauna o captura cu fereastra de eroare, nu textul
ei. Puntea descarca imaginea in `~/.maria-bridge/media/`, iar consumer-ul o trece
prin **tesseract** (`ron+eng`) inainte de RAG. Modelul de raspuns (Qwen3.5-2B pe
LXC 104) e strict text, deci OCR-ul e singura cale — nu e o optiune de calitate.

Doua detalii care nu se vad din cod la prima citire:

- **Cautarea in index nu foloseste toata captura.** Un ecran intreg de meniuri,
  coloane si totaluri dilueaza embedding-ul si scoate chunk-uri fara legatura. Se
  cauta doar dupa liniile care arata a eroare (`ORA-…`, „eroare", „nu exista", …);
  modelul primeste totusi fereastra intreaga, marcata explicit ca text OCR, ca sa nu
  trateze greselile de recunoastere ca date exacte. Vezi `rag/ocr.py`.
- **Capturile se sterg imediat dupa citire.** Pot contine date de client si nu exista
  niciun motiv sa ramana pe disc. Ce ramane dupa un restart in mijlocul procesarii se
  curata la pornirea puntii (dupa 24h).

Legenda imaginii, daca exista, conteaza: intra si in intrebare si in cautare. Daca
OCR-ul nu gaseste nimic lizibil si nu exista legenda, Maria cere textul erorii in
loc sa inventeze un raspuns.

Limite: `MAX_MEDIA_MB` (implicit 8) pentru imaginea bruta, `OCR_MAX_CHARS`
(implicit 1500) pentru textul trimis modelului, `OCR_TIMEOUT_S` (60).
Videoclipurile, audio si documentele non-imagine sunt in continuare ignorate.

## Dashboard (comun cu puntea Discord)

Nu exista un dashboard separat pentru Maria. Controlul se face din dashboard-ul
puntii Discord — vezi `../discord-bridge/README.md` pentru URL si autentificare
(`DASHBOARD_TOKEN` din `~/.claude-discord/env`, tunel SSH sau Tailscale la
`/claude`). Acolo, sectiunea "Maria — WhatsApp + RAG":
- start/stop/restart pentru puntea WhatsApp si consumer-ul RAG
- starea conexiunii WhatsApp si asocierea (cod QR sau cod de 8 caractere), cand nu e conectat
- ultimele intrebari trimise la suport, cu textul citit din captura si motivul
- listare, adaugare si stergere documente din depozitul RAG
- reconstruire index manual, sau sincronizare Drive imediata
- ultimele linii din logurile fiecarui serviciu Maria (`whatsapp.log`/`rag.log`)

## Depozitul de documente

Fisiere `.txt`/`.md`/`.xml` (lista exacta: `store.DOC_EXTENSIONS`), in **doua
directoare care formeaza un singur spatiu de nume**:

| Director | Ce e acolo |
|---|---|
| `~/.maria-bridge/documents/` | **oglinda Google Drive.** `rclone sync` sterge de aici tot ce nu exista in Drive — nu pune nimic de mana. |
| `~/.maria-bridge/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;
copia locala ar putea fi o versiune veche uitata acolo). In dashboard, documentele
locale sunt marcate „local".

Directorul local exista fiindca altfel **tot ce se adauga din dashboard traia pana
la urmatorul tur de sincronizare** — maximum 10 minute. Acum adaugarea din dashboard
scrie direct acolo.

## Sincronizare cu Google Drive

Sursa: dosarul `document_store` din Drive-ul contului `mmarius28@gmail.com`
(pe Windows apare ca `D:\GoogleDrive\romfast\document_store`, prin Google Drive
Desktop). ID-ul dosarului: `1C4e75zgH1_7ZK-_oBP5ZZBvUPh3iEo1O`.

Containerul e headless (fara browser pentru OAuth), deci autorizarea se face pe o
masina cu browser si se muta aici ca token — **fara cont de serviciu si fara consola
Google Cloud**. rclone e deja instalat pe LXC 171 (`rclone v1.60.1`).

Pasi (o singura data):

1. **Pe Windows**, ia `rclone.exe` de la <https://rclone.org/downloads/> (arhiva
   portabila, nu cere instalare) si ruleaza in acel dosar:
   ```
   rclone.exe authorize "drive" --drive-scope=drive.readonly
   ```
   Se deschide browserul; autentifica-te cu `mmarius28@gmail.com` si accepta.
   In consola apare un token JSON intre `--->` si `<---`. Copiaza-l intreg.
2. **Pe container**, da tokenul scriptului de configurare:
   ```
   ops/setup-drive.sh '<TOKEN_JSON>'
   ```
   Face restul singur: creeaza remote-ul `gdrive`, verifica accesul la dosar,
   scrie `DRIVE_REMOTE` in `~/.maria-bridge/env` (cu backup) si ruleaza prima
   sincronizare cu reindexare. E idempotent — se poate rula din nou oricand.

   Tinta scrisa in env e `gdrive,root_folder_id=<ID>:` — sintaxa „connection
   string" a rclone, care fixeaza dosarul dupa ID, fara sa depinda de structura
   de nume din My Drive.
3. Verifica in dashboard: sectiunea Maria trebuie sa arate „Drive: …" in loc de
   „Sincronizare Drive dezactivata".

Tokenul se reimprospateaza singur (refresh token) cat timp aplicatia ramane
autorizata in contul Google. Daca expira, dashboard-ul arata sincronizarea ca
esuata — reia pasii 1-2.

### Ce se sincronizeaza

`rclone sync` aduce doar `*.txt`, `*.md` si `*.xml` (vezi `store.DOC_EXTENSIONS`).
Restul din dosar — chatflow-uri Flowise `.json`, scripturi `.ps1`, `.docx` — sunt
ignorate deliberat: nu sunt cunostinte de suport.

**`sync` sterge local ce nu mai exista in Drive**, deci `documents/` e o oglinda a
dosarului din Drive, nu o colectie care creste. De aceea exista `documents-local/`:
ce e adaugat de mana sau din dashboard sta acolo si nu e atins de sincronizare.

### Dictionarul de erori Oracle

`knowledge/oracle-erori-uzuale.xml` — 29 de erori Oracle uzuale (ORA-00001,
ORA-01722, ORA-12154, ORA-28040, ORA-12954 …), fiecare cu ce inseamna, ce poate
incerca utilizatorul singur si cand sa sune la suport. A fost scris fiindca
utilizatorii trimit capturi cu erori Oracle, iar restul documentelor sunt despre
e-Factura si SAF-T: modelul raspundea „ceva despre Oracle", dar nu despre eroarea
din captura.

Doua lucruri de stiut:

- **Fisierul din git nu ajunge singur in index.** Copia care ruleaza acum sta in
  `~/.maria-bridge/documents-local/`, in afara oglinzii Drive. Asa supravietuieste
  sincronizarilor, dar **exista doar pe acest container**. Locul lui pe termen lung
  e `document_store` din Drive (pe Windows: `D:\GoogleDrive\romfast\document_store`),
  unde il vede si restul echipei si de unde se poate edita fara acces la server.
  Cand ajunge in Drive, sterge copia locala — altfel raman doua versiuni si castiga
  tacut cea din Drive.
- **E scris pentru clienti, nu pentru administratori.** Nicio rezolvare nu contine
  nume de servere, IP-uri, porturi sau pasi de administrare — la erorile care chiar
  se rezolva doar tehnic (ORA-01652 spatiu plin, ORA-28000 cont blocat) textul spune
  explicit „suna la suport", nu explica ce sa faca pe server. Cand adaugi erori noi,
  pastreaza regula.

### Acelasi document in doua formate

Cand exista `X.xml` si `X.md`, **in index intra doar `.xml`** (ordinea de
preferinta: `.xml` > `.md` > `.txt`, in `rag/store.py`). Sursele `.xml` sunt
structurate pe probleme si de regula mai noi decat exporturile `.md` — la
`d406_saft_knowledge`, `.xml` era cu trei luni mai nou si cu 50% mai mare.
Fisierul umbrit ramane pe disc si apare in dashboard marcat „umbrit de …", ca sa
se vada de ce nu e indexat; daca ar fi indexate ambele, acelasi raspuns ar aparea
de doua ori in rezultatele RAG.

### Cum se taie XML-ul in chunk-uri

Un chunk per element de nivel 1 — adica **o problema = un chunk**, cu mesajul de
eroare si rezolvarea impreuna. Taierea pe linii goale (cea folosita la `.md`) le-ar
separa, iar cautarea ar gasi eroarea si ar returna un chunk fara raspuns.
Etichetele raman ca prefixe lizibile (`mesaj eroare: …`, `rezolvare: …`), fara
paranteze unghiulare. Un XML care nu se poate parsa nu opreste indexarea: cade pe
taierea obisnuita, cu o linie in log. Vezi `rag/indexer.py` si
`tests/test_store_si_chunking.py`.

Dupa configurare, `maria-sync.timer` trage la fiecare 10 minute; reindexarea
ruleaza DOAR daca s-a schimbat efectiv ceva in depozit (amprenta pe nume +
mtime + marime, vezi `rag/sync.py`), ca sa nu reface embeddings degeaba.

Iar cand chiar reindexeaza, **refoloseste vectorii chunk-urilor nemodificate** din
indexul precedent (`rag/indexer.py:_vectori_existenti`). Un embedding costa ~7
secunde pe CPU: fara refolosire, adaugarea unui singur document la 170 de chunk-uri
insemna 20 de minute de reconstruit tot. Cheia e chiar textul chunk-ului — daca nu
s-a schimbat niciun caracter, vectorul e acelasi — dar numai pentru **acelasi
`EMBED_MODEL`**: fiecare intrare din index poarta modelul cu care a fost calculata,
iar la schimbarea modelului indexul se reface intreg. Altfel ar ramane un amestec de
vectori din doua modele, iar cautarea ar da rezultate aiurea fara nici o eroare.
Logul spune de fiecare data cate au fost calculate si cate refolosite.

## Teste

```bash
cd /workspace/romfastsql/proxmox/lxc171-claude-agent/maria-whatsapp-bridge
python3 -m pytest      # format, taierea XML, OCR, mesajele cu imagine, ordonarea
                       # hibrida si escaladarea — fara retea, fara Ollama, fara tesseract
```

## Cum se ordoneaza rezultatele (rank)

Cautarea are doua etape. Intai **recall**: primele `RANK_RECALL_N` chunk-uri dupa
cosinus (semantic) si primele dupa BM25 (lexical). Apoi **fuziune**: cele doua
clasamente se combina prin Reciprocal Rank Fusion — un chunk urcat de ambele metode
iese primul, unul urcat doar de una ramane in cursa.

De ce nu doar embeddings. Masurat pe indexul viu:

| Intrebare | Cel mai bun cosinus |
|---|---|
| „Nu exista nici un CIF pentru care sa aveti drept in SPV" (in documente) | 0,816 |
| „cum trimit declaratia D406 SAF-T" (in documente) | 0,689 |
| „imi da eroare la imprimanta HP LaserJet" (strain) | 0,641 |
| „cum schimb uleiul la masina" (strain) | 0,534 |

Marginea dintre o intrebare buna si una straina e de cateva sutimi. Ce lipseste din
cosinus e exact ce conteaza la suport: **codurile**. `ORA-01722`, `D406`, `CIF` sunt
tokeni exacti — cautarea lexicala ii prinde, cea semantica ii topeste in „ceva despre
facturi". La „bilant contabil" (cosinus 0,600) si „import de date" (0,635) partea
lexicala e singura care le tine in joc.

Fuziunea da mereu un clasament, si la o intrebare complet straina. De aceea decizia
**„avem sau nu acoperire"** se ia separat, pe dovezi:

0. **intrebarea contine un cod de eroare** (`ORA-…`, `PLS-…`, `D406`) → decide
   doar prezenta lui in chunk-uri, indiferent de cosinus;
1. cosinus < `RANK_WEAK_COSINE` → escaladam direct;
2. peste → raspundem doar daca cel putin `RANK_MIN_RARE_RATIO` din termenii
   distinctivi ai intrebarii (coduri, cuvinte rare in corpus) apar chiar in
   chunk-urile gasite.

Fractiunea din pasul 2 nu e cosmetica: cu un singur termen gasit, „cum imi resetez
parola de la Windows" trecea drept acoperita fiindca „parola" apare in documente.

**Nu exista prag „cosinus destul de mare ca sa nu mai verificam".** A existat
(`RANK_STRONG_COSINE`, 0,70) si a lasat sa treaca doua raspunsuri inventate
(2026-09-01, grupul „Maria Test"): „am o factura pe luna august cu eroare in SPV"
(0,768 — nu spune ce eroare e) si o captura cu `errorMessage="CUI cumparator
incorect"` (0,778 — eroarea nu exista in documente). Toate chunk-urile eFactura
seamana intre ele, deci pe 0,7x cosinusul nu mai distinge „e in documente" de „e
despre eFactura".

L-am scos, nu urcat, fiindca **cosinusul creste cu lungimea interogarii**: pe un fir
de discutie se cauta dupa ancora plus mesajul nou, deci scorul urca la fiecare
replica fara sa apara vreo dovada in plus. Aceeasi captura: 0,778 singura, 0,836
impreuna cu mesajul de dinainte. Orice prag fix de sus e trecut de o discutie destul
de lunga. `ops/calibrate-rank.py`: 26/26, si niciunul dintre cazurile cu raspuns in
documente nu avea nevoie de scurtatura — toate trec pe dovada lexicala.

Modelul primeste `temperature=0` (`LLM_TEMPERATURE`). Fara ea, llama.cpp raspunde
cu 0,8 — creativitate exact acolo unde vrem sa se rezume la context.

Pasul 0 e mai tare decat cosinusul pentru ca **doua erori Oracle diferite se scriu
aproape la fel**. O captura cu `ORA-06550 / PLS-00906` a primit cosinus 0,736 pe
chunk-ul despre `ORA-12541: TNS no listener` — peste pragul „sigur", deci Maria a
raspuns increzatoare cu alta eroare, fara sa escaladeze. Un cod e un identificator
exact: un document care nu-l pomeneste nu raspunde la el, oricat de bine ar semana
textul din jur. Codurile dau si un **al treilea clasament** (`rank.by_codes`), langa
cosinus si BM25 — la o captura de ecran, OCR-ul aduce zeci de tokeni de zgomot
(numele butoanelor din fereastra), iar BM25 singur ineca tocmai codul.

Codul se cauta oriunde in text, nu ca token intreg: OCR-ul lipeste `[Oracle][ODBC]`
de cod si scoate `OraJORA-06550`.

### Triaj: cine primeste raspuns, cine primeste intrebari

Nu orice mesaj e o intrebare, si nu orice raspuns e util. `rag/triaj.py` ia trei
decizii inaintea modelului:

**Mesaj prea vag.** „Am o eroare" nu spune nimic. Maria cere operatiunea, ecranul si
textul erorii (sau o captura) — nu ghiceste si nu deranjeaza suportul cu atat, fiindca
programatorul ar pune exact aceeasi intrebare.

Decizia se ia **dupa cautare, si numai cand nu exista acoperire in documente**. Inainte
se lua inaintea cautarii, dupa lungime: text scurt (sub 12 cuvinte), fara captura si
fara cod, cu cuvinte de acuza („nu merge", „imi da"). Gardul gresea in ambele sensuri
— „Buna . Am si eu o factura pe luna august cu eroare in spv la trimitere AUTO SULE"
are 14 cuvinte si tot nu zice CE eroare e (a trecut, si a primit un raspuns inventat),
iar „nu pot incarca factura in SPV, imi da eroare de certificat" are 9 si e in
documente (era oprita degeaba). Lungimea nu masoara cat de precis e mesajul;
acoperirea in documente da. Se cere o singura data pe fir: daca nici dupa ce a fost
intrebat omul nu spune mai mult, mesajul pleaca la suport.

**Erori care oricum ajung la programatori.** Dictionarul de erori Oracle are pe fiecare
intrare campul `cand suni suportul`. Noua incep cu „Intotdeauna" sau „Imediat" — nu se
rezolva din aplicatie. Pentru astea raspunsul se compune **direct din campurile
dictionarului, fara model**, iar mesajul (si captura) pleaca automat la suport, cu
referinta.

De ce fara model: avand in context chiar intrarea care spune „nu se rezolva din
aplicatie", modelul a raspuns unui contabil sa *„verifice schema de date din aplicatia
ROA sau sa foloseasca procedura alternativa `MI_pack_parteneri_old`"* — o procedura pe
care a inventat-o. Textul din dictionar e deja scris pentru clienti; parafrazarea lui
nu adauga nimic si poate strica tot. Pentru restul erorilor, unde utilizatorul chiar
are ce incerca, raspunde modelul — cu interdictii explicite de vocabular in
`SYSTEM_PROMPT` (procedura, schema, tabela, PL/SQL, compilare…).

**Cat e de urgent.** Aceeasi eroare poate bloca omul complet sau poate fi ocolita pana
maine, si nu se deduce din text. Maria intreaba, iar raspunsul lui se ataseaza
escaladarii deschise (`completari` in jurnal, plus un mesaj la suport), nu deschide
alta referinta. Fereastra e de 30 de minute (`consumer.PENDING_TTL_S`), tinuta in
`~/.maria-bridge/escalations/pending.json`; un mesaj cu captura sau cu alt cod de
eroare e tratat ca intrebare noua, nu ca raspuns la intrebarea de urgenta.

### Firul de discutie

Pana la `rag/fir.py`, fiecare mesaj pornea de la zero. Dupa o escaladare pentru
ORA-06550, masurat pe indexul viu:

| Ce scrie omul | Ce raspundea Maria |
|---|---|
| „da, ma blocheaza complet" | cum se completeaza un ordin de plata la Trezorerie (0,642) |
| „eram la salvarea unei facturi" | procedura de corectie a unei eFacturi (0,742) |
| „si acum ce fac?" | observatii despre eFacturi primite gresit |

Toate „acoperite", cu cosinus peste prag: patru cuvinte fara context chiar seamana cu
ceva din documente. Firul tine ancora (textul erorii care l-a deschis), codurile ei,
referinta escaladarii si ultimele 6 schimburi, in `~/.maria-bridge/conversations/`.

La o continuare: cautarea se face pe **ancora + mesajul nou**, modelul primeste
istoricul, mesajul se adauga la escaladarea deschisa (`completari`, de cate ori e
nevoie), iar „mesaj prea vag" nu se mai aplica — detaliile au fost deja cerute.

**Ce rupe firul:** un cod de eroare pe care firul nu-l are, sau o captura venita la
mai mult de `FIR_IMAGINE_MIN` (5 min) dupa ultimul mesaj. Schimbarea subiectului in
cuvinte NU rupe firul: e prea usor de confundat cu o continuare, iar greseala aia
produce exact tabelul de mai sus. In rest, firul expira dupa `FIR_TTL_MIN` (120 min).

Orice captura a rupt firul pana pe 2026-09-01, si era gresit exact in cazul cel mai
frecvent: **omul scrie problema si trimite captura imediat dupa** (sau Maria tocmai
i-a cerut-o). WhatsApp le livreaza ca doua mesaje, dar e un singur lucru. Tratate
separat, textul se pierdea si captura se cauta doar pe OCR-ul ei; se deschideau doua
fire, se puteau deschide doua escaladari pentru aceeasi problema, iar suportul primea
doua mesaje fara legatura. Acum captura din fereastra de 5 minute continua firul:
textul citit din ea intra in ancora (cu tot cu codurile lui), cautarea se face pe
mesaj + captura, iar daca firul are deja o escaladare deschisa captura pleaca la
aceeasi referinta — cu imaginea, nu doar cu textul citit din ea.

### Completarile: trei feluri, trei raspunsuri

Cat timp firul are o escaladare deschisa, mesajele urmatoare sunt completari la ea.
Decizia se ia **inaintea cautarii si a confirmarii** „caut informatia": raspunsul vine
instant, deci un „revin imediat" ar fi o promisiune inutila, iar embedding-ul (~1-2s)
s-ar calcula degeaba — asta se si intampla inainte, la fiecare „tot nimic".

| Ce scrie omul | Ce face Maria |
|---|---|
| „este foarte urgent", „ma blocheaza" | marcheaza escaladarea `urgenta`, trimite la suport un mesaj cu **URGENT** in cap |
| „cat mai dureaza?", „nu m-a contactat nimeni" | spune de cat timp e trimisa problema si reaminteste echipei — **cel mult o data la 15 minute** (`REAMINTIRE_MIN`) |
| orice alt detaliu | confirmare scurta, cu formularea rotita |

Peste 30 de minute fara raspuns, Maria n-o mai da cu „echipa vede detaliul cand preia
problema": spune ca nu i-a raspuns nimeni si indruma spre telefon (`SUPPORT_PHONE`,
daca e completat). Omul stie oricum de cat timp asteapta — o formula l-ar enerva.

### Cand preia un om

Daca cineva din echipa scrie in discutie, Maria tace `FIR_TACERE_MIN` minute (60), ca
sa nu vorbeasca peste el. Automat **doar in grupuri cu cel putin
`FIR_PRELUARE_MIN_PARTICIPANTI` (2) participanti**: in self-chat si in grupul de test
tot ce se scrie e `fromMe`, deci regula ar amuti-o la primul mesaj. Oriunde merg si
comenzile explicite: „Maria, stop" / „preiau eu" si „Maria, continua".

### Testarea intr-un grup

`ALLOWED_GROUP_JIDS` (in `env`) listeaza grupurile in care Maria raspunde chiar si cu
`TEST_MODE_SELF_CHAT_ONLY=true`. Filtrul e si in punte, si in consumer. Azi:
`120363409761730101@g.us` — grupul „Maria Test".

> **Nu pune aici `echo-test` (`120363424350922235@g.us`).** E canalul WhatsApp al lui
> Echo (LXC 110), iar puntea lui nu filtreaza `fromMe` in grupuri
> (`if (msg.key.fromMe && !isGroup) continue`). Cei doi boti si-ar raspunde unul
> altuia la nesfarsit, cu Claude pe API la Echo. Vezi `docs/chatboti-si-punti.md`.

### Recalibrarea, cand se schimba documentele

Pragurile sunt masurate, nu alese din burta — si se **muta** cand se schimba
depozitul. Exista un script pentru asta:

```bash
MARIA_BRIDGE_DIR=$HOME/.maria-bridge ~/.maria-bridge/venv/bin/python ops/calibrate-rank.py
MARIA_BRIDGE_DIR=$HOME/.maria-bridge ~/.maria-bridge/venv/bin/python ops/calibrate-rank.py --sweep
```

Primul ruleaza setul de cazuri cu pragurile din `env` si arata ce ar gresi; al doilea
matura o grila si listeaza combinatiile cu cele mai putine greseli. Embeddings-urile
intrebarilor raman in cache (`~/.maria-bridge/calibrare-cache.json`) — pe CPU costa
secunde fiecare. Setul de cazuri e in capul scriptului: **adauga acolo intrebarile
reale la care Maria a gresit**, e singurul mod in care calibrarea ramane onesta.

## Cand nu stie raspunsul: escaladarea la suport

Un raspuns generic e mai rau decat niciun raspuns — utilizatorul pleaca cu impresia
ca a primit ajutor. Cand `rank.assess` spune ca nu avem acoperire, Maria **nu mai
intreaba modelul deloc**: raspunde ca trimite intrebarea la suport, si chiar o
trimite.

Ce pleaca: cine a intrebat, textul (sau textul citit din captura), motivul deciziei
si scorurile. Daca a fost o captura de ecran, **imaginea insasi se retrimite** la
suport, cu rezumatul ca legenda — de aceea captura se sterge abia dupa ce mesajul e
complet tratat, nu imediat dupa OCR.

Destinatia e `SUPPORT_JID` din `env`: `<numar>@s.whatsapp.net` pentru o persoana sau
`<id>@g.us` pentru un grup. **JID-ul unui grup nu se vede nicaieri in WhatsApp**; se
citeste din punte, care le listeaza pe toate cu numele lor:

```bash
curl -s localhost:8099/groups | python3 -m json.tool | grep -B1 'ROMFAST'
```

Grupul trebuie sa contina si numarul Mariei (`40723197939`) — altfel JID-ul nici nu
apare in lista, iar trimiterea ar esua. **Nesetat = nimeni nu e anuntat**, dar escaladarea tot se
inregistreaza in `~/.maria-bridge/escalations/` si apare in dashboard, sectiunea
„Trimise la suport". Jurnalul se scrie intotdeauna, si cand notificarea esueaza:
altfel exact intrebarile fara raspuns ar disparea fara urma.

## Ce a citit Maria dintr-o captura

Textul OCR se logheaza **integral** in `~/.maria-bridge/logs/rag.log`, cu prefix
`|`, urmat de interogarea folosita la cautare si de sursele alese cu scorurile lor:

```
[consumer] OCR (703 caractere):
    | Eroare la salvarea facturii:
    | ORA-01722: invalid number
[consumer] caut dupa: 'Eroare la salvarea facturii:\nORA-01722: invalid number'
[consumer] rank: efactura_knowledge.md(0.771), d406_saft_knowledge.xml(0.62) | cosinus 0.771 >= 0.66
```

Fara asta un raspuns gresit nu se poate explica: nu se stie daca a citit prost
captura sau a cautat prost in documente. Aceleasi linii se vad in dashboard, la
logurile serviciului `rag`.

## Context conversational

`rag/consumer.py` nu retine memorie intre mesaje — fiecare intrebare e o
interogare RAG independenta (system prompt + top-K chunk-uri + intrebare).
Vezi `claude-agent/docs/maria-whatsapp-rag-prototype.md` pentru motiv si
comparatie cu celelalte punti (Discord: context nelimitat + `/new`; Maria pe
Flowise: fereastra fixa de 5 schimburi).