LittleYellow
|
0b4c2bbb15
|
修復中文路徑 preflight 與 BM25 核心詞落空，測資改照現實建
兩個 bug 同源於自檢測資「照能過建、不照現實建」：
- ingest preflight：git status --porcelain 預設會把含中文或空格的路徑加引號
轉義，raw/ 白名單比對因此失效，中文檔名的 convert 產出被誤判為 raw/ 以外的
未提交變更而中止攝入。舊測資用 ASCII 檔名，整條路徑從未被走過。
- search：BM25Okapi 的 idf 在 df >= N/2 時 <= 0（rank_bm25 對負 idf 的替代值
epsilon x average_idf 在 average_idf 為負時同樣為負），與 search() 的 s > 0
過濾相乘，會讓「每頁都提到的核心詞」查詢全數落空——知識庫愈小、詞愈核心
愈嚴重，MCP 的 search_wiki 一併受害。改用 Lucene 式恆正 idf。
舊測資每個查詢詞都只出現在一頁（df=1），恰好避開此配置。
變更：
- tools/ingest.py：preflight 比對前剝除 git 的轉義引號
- tools/search.py：_BM25 子類覆寫 _calc_idf 為 log(1 + (N-df+0.5)/(df+0.5))
- tools/selfcheck_ingest.py：新增 preflight 中文檔名放行 / 非 raw 擋下的檢查
- tools/selfcheck_search.py：新增與既有頁共用核心詞的測資，鎖住 idf 退化
- tools/convert/selfcheck.py、tools/selfcheck_lint.py：測資檔名改中文＋空格
- AGENTS.md §13.4：新增「測資照現實建，不是照能過建」規則
- README.md §3.2：補 convert 產出應保持未提交、由 ingest 一併 commit 的流程
驗證：四個自檢全數通過；分別移除兩個修法後對應檢查會失敗。
Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
|
2026-07-22 07:21:45 +08:00 |
|
LittleYellow
|
cfd1876359
|
轉換工具強化：失敗診斷訊息 + 舊版格式升版 + 掃描 PDF vision fallback
- convert.py：轉換失敗改印例外型別、批次尾端彙總、--traceback 旗標；
空白轉換結果示警（避免純圖片 docx 等假成功靜默入庫）
- from_legacy.py（B）：.doc/.xls/.ppt 經本地 LibreOffice headless 升版為
現代格式後再走既有轉換器；raw/originals 仍保存真正的舊格式原始檔
- to_image.py + from_vision.py（A）：needs_ocr 的掃描/圖片型 PDF 逐頁
render → 本地 vision 模型轉錄（--vision）；:cloud/未設定防護，
模型設定走 config/models.yaml 的 tasks.vision（預設不啟用）
- kb.ollama_chat 加 images 參數（向後相容）；models.yaml 加 vision 範例
- selfcheck 補 legacy 路由、to_image 真測、from_vision 注入測、
--vision 端到端，全數 ALL PASS
Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
|
2026-07-21 07:00:32 +08:00 |
|
LittleYellow
|
cb2c92452e
|
Phase 5: MCP 薄殼（search_wiki/read_page）+ BM25 檢索 + 三個 Copilot Custom Agents
kb-lint / lint (push) Has been cancelled
Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
|
2026-07-14 21:05:01 +08:00 |
|
LittleYellow
|
156c6db2f8
|
Phase 4: Lint — 五類健檢 + LLM 重複/矛盾偵測 + Gitea Actions 草稿 + selfcheck
Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
|
2026-07-14 21:01:37 +08:00 |
|
LittleYellow
|
f9a863e271
|
Phase 3: 攝入管線 — kb.py 共用模組 + ingest.py（重試/fallback/branch+PR）+ selfcheck
Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
|
2026-07-14 20:58:30 +08:00 |
|
LittleYellow
|
8d58436f05
|
Phase 2: 轉換管線 — 五個本地轉換器 + convert.py 統一入口 + selfcheck
Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
|
2026-07-14 20:51:17 +08:00 |
|
LittleYellow
|
59c16ea393
|
Phase 1: 骨架與 schema — 目錄結構、AGENTS.md 正本、指標檔、models.yaml、index/log 模板、manifest 結構
Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
|
2026-07-14 07:42:45 +08:00 |
|