sysopsandClaude Sonnet 5
1a246abdb3
Spracherkennung für OCR-Texte und Qualitätsbewertung (Konfidenzwert), um schlechte OCR-Ergebnisse kenntlich zu machen. Letztes Ticket vor QA-03. - ocr/language.go: RecognizeWithLanguageAndConfidence erkennt ein Bild einzeln je Kandidatensprache (deu/eng) im Tesseract-TSV-Modus — die Sprache mit höherem Konfidenzwert gewinnt, derselbe Lauf liefert den Konfidenzwert direkt mit. - search: neue Felder ocr_language/ocr_confidence (Migrationen 0006/0007, gleiches ALTER-Muster wie SRC-05), in Document/Result gespiegelt. Client.AttachmentsBelowConfidence filtert gezielt auf niedrige Konfidenz, schließt Dokumente ohne OCR-Anhang aus. - Regressionsbug gefunden und behoben: reindex.go (SRC-09) kannte die neuen OCR-Spalten nicht, Reindex wäre mit "unknown column" fehlgeschlagen. Prüfungen (alle real durchgeführt, siehe mail/docs/SRC-10-PRUEFPROTOKOLL.md): 1. TestRecognizeWithLanguageAndConfidence_MultilingualCorpus: deutsches und englisches Testbild real korrekt als deu/eng erkannt. 2. TestRecognizeWithLanguageAndConfidence_DegradedImageLowersConfidence: künstliche Verschlechterung senkt Konfidenz real von 91,76 auf 28,21. 3. TestAttachmentsBelowConfidence_QueryReturnsExpectedResults: Abfrage unterhalb Schwelle liefert real genau die erwarteten 2 von 4 Treffern. Kein Umbau: Search/Facets/SearchWithFilters/Index/Delete-Verhalten sonst unverändert, dedup/indexworker/storage/crypto/encstorage/savedsearch unverändert. Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_01HhgFcLS8tYMhDJpP74C6AQ
54 lines
1.8 KiB
Go
54 lines
1.8 KiB
Go
// Integrationstest (SRC-10): echte Manticore-Instanz, TEST_MANTICORE_URL
|
|
// (gleiche Konvention wie facets_test.go/ranking_test.go).
|
|
package search
|
|
|
|
import (
|
|
"context"
|
|
"testing"
|
|
)
|
|
|
|
// TestAttachmentsBelowConfidence_QueryReturnsExpectedResults ist die
|
|
// geforderte Pflichtprüfung 3: Abfrage aller Anhänge unterhalb einer
|
|
// Konfidenzschwelle liefert erwartete Treffer.
|
|
func TestAttachmentsBelowConfidence_QueryReturnsExpectedResults(t *testing.T) {
|
|
client := setupClient(t)
|
|
ctx := context.Background()
|
|
tenant := "mandant-src10-konfidenz"
|
|
|
|
docs := []Document{
|
|
{MessageID: "msg-conf-niedrig-1", Subject: "a", OCRLanguage: "deu", OCRConfidence: 22.5},
|
|
{MessageID: "msg-conf-niedrig-2", Subject: "b", OCRLanguage: "eng", OCRConfidence: 41.0},
|
|
{MessageID: "msg-conf-hoch", Subject: "c", OCRLanguage: "deu", OCRConfidence: 93.2},
|
|
{MessageID: "msg-conf-kein-ocr", Subject: "d"}, // kein OCR-Anhang, OCRConfidence bleibt 0
|
|
}
|
|
for _, d := range docs {
|
|
d.TenantSlug = tenant
|
|
d.ID = DocumentID(tenant, d.MessageID)
|
|
if err := client.Index(ctx, d); err != nil {
|
|
t.Fatalf("index %s: %v", d.MessageID, err)
|
|
}
|
|
}
|
|
|
|
results, err := client.AttachmentsBelowConfidence(ctx, tenant, 50.0)
|
|
if err != nil {
|
|
t.Fatalf("attachmentsbelowconfidence: %v", err)
|
|
}
|
|
|
|
ids := make(map[string]bool, len(results))
|
|
for _, r := range results {
|
|
ids[r.MessageID] = true
|
|
}
|
|
if !ids["msg-conf-niedrig-1"] || !ids["msg-conf-niedrig-2"] {
|
|
t.Fatalf("erwartete beide niedrig-konfidenten anhänge, habe: %+v", results)
|
|
}
|
|
if ids["msg-conf-hoch"] {
|
|
t.Fatalf("hoch-konfidenter anhang hätte nicht auftauchen dürfen: %+v", results)
|
|
}
|
|
if ids["msg-conf-kein-ocr"] {
|
|
t.Fatalf("dokument ohne ocr-anhang (confidence=0) hätte nicht auftauchen dürfen: %+v", results)
|
|
}
|
|
if len(results) != 2 {
|
|
t.Fatalf("erwartete genau 2 treffer, habe %d: %+v", len(results), results)
|
|
}
|
|
}
|