feat(mapare-llm): pivot PRD 5.14 + tooling etichetare OpenRouter

PRD 5.14 rescris cu pivotul arhitectural: LLM doar etichetator OFFLINE,
runtime = clasificator local fara API (fuzzy + embeddings), baza de
cunostinte GOLD partajata cross-account (validarea unui service ajuta
toate). Decizia 8 (corpus per-cont) SUPERSEDED.

Tooling nou OpenRouter (free, familia NVIDIA Nemotron): or_common.py
(client + corpus pe frecventa, cheie din .env) + or_modeltest.py
(comparatie modele, acord ensemble vs Groq). Masurat: super-120b +
nano-9b fiabile, 3/3 unanim pe 87% volum; ultra-550b aruncat.

Corpus real (4 CSV service, coloana NR=frecventa) + etichete Groq
bootstrap incluse ca date de masurare.

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

docs/prd/prd-5.14-mapare-llm-distilata.md

@@ -0,0 +1,224 @@
+<!-- plan sub /autoplan -->
+# PRD 5.14 — Mapare automata operatii service prin distilare LLM
+
+## Problema
+
+La ingestie (canal API si import web), o prestatie poate veni cu `cod_op_service`
++ `denumire` in loc de `cod_prestatie` RAR. Daca nu exista mapare, submission-ul
+intra in `needs_mapping` si asteapta confirmare umana. Service-urile reale au
+**volume mari de denumiri particulare** (masurat: 17.435 denumiri DISTINCTE in 4
+CSV-uri de clienti reali — `automotive` 13.170, `sigma` 3.743, `clever` 1.668,
+`south` 875). Maparea manuala a acestora, prin editorul `needs_mapping`, e
+prohibitiva: zeci de mii de operatii × confirmare umana.
+
+Nomenclatorul RAR are doar **18 coduri** foarte largi (REPARATIE, INTRETINERE,
+REVIZIE PERIODICA, etc. — `nomenclator_seed.py`). Deci problema nu e potrivire de
+sinonime, ci **clasificare** a mii de operatii granulare in 18 categorii abstracte
++ detectare de „gunoi" (linii care nu sunt operatii: `ITP CT 12 ABC`, `DISCOUNT
+MATERIALE 5%`, `MANOPERA`, nr. inmatriculare).
+
+## Viziune (pivot 2026-06-28)
+
+LLM-ul **NU ruleaza la runtime**. Rol unic: **etichetator offline** care
+construieste un set de date (denumire -> cod). La runtime ruleaza un **clasificator
+local mic, fara API** (similaritate / fuzzy / embeddings), „distilat" din etichetele
+LLM + maparile validate de oameni. Trei straturi:
+
+1. **Etichetare offline (LLM, periodic):** acopera denumirile cu cele mai multe
+   aparitii (frecventa) si grupeaza denumirile asemanatoare ca sa eticheteze ieftin.
+2. **Clasificator runtime (fara AI):** exact -> fuzzy/substring -> similaritate
+   semantica (embeddings) peste baza de cunostinte. Zero cost per cerere, ruleaza pe
+   LXC.
+3. **Baza de cunostinte PARTAJATA:** maparile validate de oameni din TOATE conturile
+   de service contribuie la clasificare (strat „gold" comun), peste etichetele LLM
+   („silver" bootstrap). Munca de validare a unui service ajuta toate service-urile.
+
+Viitor (nu acum): un LLM generativ local pe LXC. Pasul curent foloseste un model de
+**embedding** (nu generativ): mic, CPU, milisecunde/text.
+
+## Premise
+
+1. **Volumul de denumiri distincte e finit si se schimba lent.** Odata etichetate,
+   90%+ din traficul viitor sunt repetari ale acelorasi denumiri (service-ul
+   refoloseste propriul vocabular). Lege Zipf: top 100 denumiri = 43.6% volum,
+   top 500 = 67.7%, top 1000 = 76.2% (din 155.195 operatii totale).
+2. **RAR accepta NUMAI coduri din nomenclator.** Un cod necunoscut -> HTTP 500
+   (`ORA-12899`) + record PARTIAL FINALIZATA (terminal). Deci orice cod propus de
+   un sistem automat TREBUIE validat fata de nomenclator inainte de enqueue
+   (invariant existent in `resolve_prestatii(..., valid_codes)`).
+3. **Maparea gresita are cost asimetric:** un cod gresit trimis = FINALIZATA
+   ireversibil la RAR. Deci pragul de auto-trimitere ramane conservator; incertul
+   ramane `needs_mapping` cu om in bucla. Etichetele LLM NEVALIDATE = sugestie, nu
+   auto-trimitere (vezi scara de incredere).
+4. **Hardware LLM local generativ e prea lent acum** (masurat: Ollama LXC 104
+   generativ 180-320s/op). Embeddings locale insa sunt rapide pe CPU si suficiente
+   pentru similaritate la runtime.
+5. **Datele nu sunt sensibile** (confirmat utilizator): denumirile de operatii pot
+   merge la API-uri cloud pentru etichetare. PII incidental (nr. inmatriculare/VIN)
+   se face scrub inainte de trimitere (F3).
+
+## Masuratori
+
+### Bootstrap (anterior, Groq)
+- Groq `llama-3.3-70b`: 28ms/op, acord 94% cu heuristica pe cazuri clare, detectare
+  gunoi excelenta (`NUL`). Abandonat ca furnizor: cap zilnic free atins + cheie expusa.
+
+### OpenRouter free — NVIDIA Nemotron (masurat 2026-06-28)
+Furnizor nou pentru etichetare: cheie utilizator, modele GRATUITE, date ne-sensibile.
+
+- **Capcane de cont (rezolvate):** modelele free dau initial `404 No allowed
+  providers` din cauza unui allowlist de provideri pe cont (venice/together/fireworks/
+  atlas-cloud) — `open-inference`/`google-ai-studio`/`nvidia` erau excluse. Fix:
+  eliminat restrictia in Settings -> Preferences + activat toggle-ul de privacy
+  „free endpoints may publish/train". WAF: User-Agent `Mozilla/5.0` obligatoriu.
+- **Set fiabil = familia NVIDIA Nemotron.** Restul modelelor sunt 429 (rate-limited
+  upstream, partajat global: llama-3.3-70b, qwen3-next, gemma, hermes, dolphin) sau
+  404 (gpt-oss). Cap free tier ~50 cereri/zi fara credit.
+- **Test ensemble pe top 120 dupa frecventa (46.4% din volum), 2026-06-28:**
+
+  | Model | ms/op | parse-fail | acord vs Groq (overlap) |
+  |---|---|---|---|
+  | nemotron-3-super-120b | 1463 | 0 | 100% |
+  | nemotron-nano-9b-v2 | 1248 | 0 | 100% |
+  | nemotron-3-ultra-550b | 6450 | 0 | 100% |
+
+  Acord ensemble ponderat pe volum: **3/3 unanim = 87% volum**, 2/3 = 13%, dezacord
+  total = **0%**. Din unanim: 7 NUL (gunoi), 100 coduri reale.
+- **Decizie model:** pastram `super-120b` + `nano-9b`; **aruncam `ultra-550b`**
+  (4-5x mai lent, zero castig de acuratete). Caveat: ensemble din aceeasi familie
+  NVIDIA -> acordul supraestimeaza increderea fata de un ensemble cross-family.
+- **Dezacordurile (13%) sunt cazuri de granita taxonomica reala**, nu zgomot:
+  `REGLAT DIRECTIE/FARURI` (OE-2 intretinere vs OE-4 reglare), `MANOPERA
+  TINICHIGERIE` (NUL vs OE-1), `DEZECHIPAT usa/bara` (pas de demontare), `INLOCUIT
+  FILTRU AER` (OE-1 vs OE-3). Astea trebuie sa cada in `needs_mapping`.
+
+## Solutia
+
+### Stratul 1 — Etichetare offline (LLM, fara cod runtime)
+
+Tool CLI (`tools/mapare-llm/`, stil `tools/apikey`). Etichetatorul OpenRouter
+(`or_common.py` + `or_label.py`) clasifica denumirile in cele 18 coduri RAR + `NUL`:
+
+1. **Prioritizare pe FRECVENTA (NR), nu alfabetic.** Etichetam intai denumirile cu
+   cele mai multe aparitii (acopera cel mai mult volum per apel).
+2. **Grupare pe similaritate inainte de etichetare.** Denumirile aproape identice
+   (`REGLAT DIRECTIE` / `REGLAT DIRECTIA` / `REGLARE DIRECTIE`) se grupeaza; LLM
+   eticheteaza doar **reprezentantul grupului**, codul se propaga la tot grupul.
+   Maximizeaza acoperirea per apel LLM (critic pe cap free de ~50 cereri/zi).
+3. **Ensemble NVIDIA** (`super-120b` + `nano-9b`): acord -> incredere mai mare;
+   dezacord -> ramane pentru `needs_mapping`. Vot pe coduri, nu self-confidence.
+4. **Scrub PII** (regex nr. inmatriculare/VIN) inainte de trimitere (F3, exista).
+5. Output: dataset etichetat cu `denumire, cod, sursa, confidence` (provenienta).
+   `NUL` marcat separat (ancore negative + supresie), NU se promoveaza la cod RAR.
+
+Prompt cu reguli explicite (avarii grave DOAR la accident; vopsire = reparatie;
+ulei+filtru = revizie; gunoi -> NUL). Batch mare (cap free tier), retry/backoff pe
+429, respecta `Retry-After`.
+
+### Stratul 2 — Clasificator runtime (FARA AI, fara API)
+
+Pentru o denumire din prezentare (canal API sau import), in `app/mapping.py`:
+
+1. **Exact** in baza de cunostinte (`operations_mapping` + strat partajat) -> cod direct.
+2. **Fuzzy/substring** (`operation_text_rules`, `rapidfuzz`) — exista deja.
+3. **Similaritate semantica (embeddings)** — NOU: model multilingv mic (ex.
+   `intfloat/multilingual-e5-small` sau `paraphrase-multilingual-MiniLM`), CPU.
+   Vectorizam baza etichetata o data; la runtime vectorizam denumirea noua si luam
+   cel mai apropiat vecin (sau top-k cu vot). Optional: clasificator `scikit-learn`
+   (regresie logistica / kNN) antrenat pe (embedding -> cod) pentru generalizare
+   dincolo de vecinul exact. „Antrenarea pe datele de test" = acest pas, secunde,
+   ruleaza oriunde.
+4. Cod propus -> validat OBLIGATORIU `valid_codes` (garda ORA-12899). Peste pragul
+   de incredere -> conform scarii; altfel `needs_mapping`.
+
+Decizie de gazduire runtime: ramane deschisa pentru reviziile plan (in-proces in
+gateway vs microserviciu pe LXC/Flowise). Default propus: in-proces (cel mai simplu).
+
+### Stratul 3 — Baza de cunostinte PARTAJATA cross-account
+
+**Schimbare fata de versiunea anterioara** (care izola corpusul per cont):
+
+- **Strat GOLD partajat:** maparile **validate de oameni** (din `needs_mapping`, in
+  ORICE cont) intra intr-un store partajat `denumire_normalizata -> cod`. Astfel
+  validarea facuta de un service ridica increderea pentru toate. Cheia = denumire
+  normalizata (scrub PII, lower, strip), nu textul brut.
+- **Strat SILVER:** etichetele LLM (bootstrap) — sugestii, NU auto-trimitere.
+- **Override per-cont:** daca un cont mapeaza explicit o denumire la alt cod decat
+  cel partajat (conflict legitim de vocabular), override-ul contului castiga pentru
+  acel cont. Conflictele inter-cont se rezolva cu provenienta + (optional) majoritate.
+
+Confirmarile umane curg organic prin folosirea normala a editorului `needs_mapping`
+— FARA sesiune separata de adjudecare manuala (cerinta utilizator).
+
+### Scara de incredere (runtime, per operatie din prezentare)
+
+| Treapta | Sursa | Actiune | Frictiune |
+|---|---|---|---|
+| Certa | exact in stratul GOLD (validat de om, orice cont) sau override cont | auto-trimite | zero |
+| Inalta | embedding NN cu similaritate FOARTE inalta la o mapare GOLD + ensemble LLM unanim | auto-trimite (prag calibrat) | zero |
+| Medie | LLM silver / similaritate medie | `needs_mapping` cu sugestie pre-completata -> 1 click | minima |
+| Joasa | similaritate slaba / coduri apropiate | `needs_mapping` manual | normala |
+| NUL | non-operatie (ITP, discount, nr. inmatriculare) | marcat „nu e operatie", suprimat | — |
+
+**Invariant F1 (pastrat):** o eticheta pur-LLM NEVALIDATA nu auto-trimite singura;
+auto-send cere ori GOLD (validat de om), ori treapta „inalta" calibrata. Tensiunea
+centrala (utilizatorul se bazeaza pe LLM, dar FINALIZATA e ireversibil) = intrebarea
+cheie pentru reviziile plan: unde fix se aseaza bara treptei „inalta".
+
+## Integrare
+
+- Stratul 1: tool CLI offline `tools/mapare-llm/` (exista: `or_common.py`,
+  `or_modeltest.py`; de adaugat `or_label.py` cu grupare + propagare).
+- Stratul 2: `suggest_from_corpus` + similaritate embeddings in `app/mapping.py`,
+  apelata in `pending_unmapped` pentru sugestia din editor. Model embedding incarcat
+  la pornire / serviciu, vectori pre-calculati pe baza.
+- Stratul 3: store partajat (tabela noua `shared_mappings` sau coloana de scope pe
+  `operations_mapping`), seed la confirmare umana; override per-cont.
+- Validare `valid_codes` pe tot lantul (exista).
+
+## Non-obiective
+
+- Nu inlocuim confirmarea umana pentru cazuri incerte.
+- Nu trimitem automat coduri sub prag / etichete LLM nevalidate.
+- Nu adaugam dependenta cloud la RUNTIME (LLM doar offline pentru etichetare).
+- Nu antrenam un LLM generativ local acum (viitor).
+
+## Riscuri
+
+- Etichete LLM gresite tratate ca adevar daca scapa garda F1 (seed direct in GOLD).
+- Ensemble aceeasi familie (NVIDIA) -> acord corelat-gresit; supraestimare incredere.
+- Strat partajat cross-account: o denumire poate insemna lucruri diferite la
+  service-uri diferite -> conflict; mitigat prin override per-cont + provenienta.
+- Drift: denumiri noi neacoperite; embeddings ajuta dar nu elimina.
+- Free tier OpenRouter flaky (429/404, cap 50/zi) -> etichetarea bulk e lenta;
+  e offline, deci tolerabil, dar nu pe calea critica de productie.
+- Model embedding ales: calitate pe limba romana de verificat empiric.
+
+<!-- AUTONOMOUS DECISION LOG -->
+## Decision Audit Trail
+
+| # | Faza | Decizie | Clasificare | Principiu | Rationament | Respins |
+|---|------|---------|-------------|-----------|-------------|---------|
+| 1 | Eng | Seed-ul NU intra direct in stratul auto-send; etichetele LLM = strat SILVER (sugestii). Auto-send cere GOLD (validat de om) sau treapta inalta calibrata | TASTE (critic) | P1, P5 | `resolve_prestatii`->`queued` direct => seed auto = AUTO-TRIMITERE ghiciri la FINALIZATA ireversibil (Premisa 3) | seed direct in auto-send |
+| 2 | Eng | Seeder = `INSERT OR IGNORE` / refuza overwrite pe randuri validate de om | MECHANICAL | P1 | re-rularea ar clobber-ui maparile umane cu ghiciri LLM | ON CONFLICT UPDATE |
+| 3 | Eng | Scrub regex (nr. inmatriculare/VIN) inainte de trimitere la LLM | TASTE | P1 | gunoiul contine `ITP CT 12 ABC` = nr. inmatriculare = PII | trimitere text brut |
+| 4 | Eng | NUL = ancore negative in corpus + lista supresie | MECHANICAL | P1 | altfel gunoiul recurent reintra mereu in needs_mapping si fuzzy ii da cod gresit | exclude NUL |
+| 5 | Eng | Coloana `source`/`confidence` (provenienta) pe baza de cunostinte | MECHANICAL | P1 | audit + rollback batch model prost + safe re-seed | fara provenienta |
+| 6 | Eng | Runtime = embeddings + clasificator mic (sklearn), NU LLM generativ | TASTE | P3, P5 | LLM generativ local prea lent (Premisa 4); embeddings CPU suficiente + rapide | LLM la runtime |
+| 8 | Eng | **SUPERSEDED:** corpus partajat cross-account (strat GOLD comun), NU per-cont izolat; override per-cont pe conflict | TASTE | P1, P2 | cerinta utilizator: validarea unui service ajuta toate; muncă compusa. Conflictul de vocabular rezolvat prin override + provenienta | (vechi: corpus strict per-cont) |
+| 9 | Eng | Furnizor etichetare = OpenRouter free, ensemble NVIDIA (super-120b + nano-9b); aruncat ultra-550b | MECHANICAL | P3 | masurat 2026-06-28: doar NVIDIA routeaza fiabil; ultra 4-5x lent fara castig | Groq (cap atins) / ultra |
+| 10 | Eng | Etichetare prioritizata pe frecventa + grupare pe similaritate (eticheteaza reprezentant, propaga) | MECHANICAL | P2 | acopera mult mai mult volum per apel; critic pe cap free ~50/zi | etichetare alfabetica |
+
+## Istoric review (pre-pivot)
+
+Versiunea anterioara a trecut prin `/autoplan` (mod SELECTIVE EXPANSION, subagent-only,
+Codex indisponibil). Constatari portante atunci: **F1 CRITIC** (seed=auto-send),
+F2/F3/F4 HIGH (idempotenta seed, scrub PII, ancore NUL), F5/F6/F7/F8 MEDIUM. Acele
+decizii sunt incorporate in Decision Audit Trail de mai sus. Pivotul 2026-06-28
+(LLM offline-only + runtime embeddings + strat partajat cross-account) NECESITA o
+noua rulare de review (CEO / Eng / Design) — de aceea sectiunea GSTACK REVIEW REPORT
+e goala momentan si se completeaza la urmatoarea rulare.
+
+## GSTACK REVIEW REPORT
+
+(de completat la rularea reviziilor pe versiunea pivotata — plan-ceo / plan-eng / plan-design)