core: чанкер markdown по заголовкам с перекрытием

docs/orders/02-chunker.md

@@ -31,7 +31,7 @@ fun chunkMarkdown(text: String): List<Chunk>
 ## ChunkerTest.kt — ровно 5 тестов, имена ровно такие
 
 1. `splitsByHeadingLevels` — вход с '# A', '## B', '### C' → 3 чанка, heading = ["A","B","C"], line = [1,3,5], ord = [0,1,2].
-2. `textBeforeFirstHeadingBecomesChunkWithEmptyHeading` — ввод «преамбула\n# Заголовок\nтело» → 2 чанка, первый: heading "»", line 1; второй heading "Заголовок".
+2. `textBeforeFirstHeadingBecomesChunkWithEmptyHeading` — ввод "преамбула\n# Заголовок\nтело" → 2 чанка, первый: heading = "" (пустая строка), line 1; второй heading "Заголовок".
 3. `fourHashesIsNotAHeading` — строка '#### не заголовок' остаётся частью текста предыдущего раздела.
 4. `emptySectionsAreDropped` — ввод с двумя заголовками подряд без текста между ними → 1 чанк.
 5. `longSectionIsSplitWithOverlap` — раздел из 6000 символов 'а' → 2 чанка, длина первого 4000,

docs/orders/03-indexer.md

@@ -0,0 +1,57 @@
+Проект: /root/WORK/memo (Kotlin/JVM). Заказ по индексации markdown-файлов в базу.
+
+Создать РОВНО ОДИН новый файл: memo-core/src/main/kotlin/memo/core/Indexer.kt
+Дополнить существующий: memo-core/src/test/kotlin/memo/core/CoreSmokeTest.kt (добавить ОДИН новый тест-метод в конец класса, существующие не трогать)
+
+## Indexer.kt
+
+package memo.core
+
+class Indexer(private val db: Db, private val embedder: Embedder) {
+
+    /** Индексирует один файл. Возвращает true, если файл был (пере)проиндексирован,
+     *  false — если пропущен (не изменился с прошлой индексации). */
+    fun indexFile(path: java.io.File): Boolean
+
+    /** Индексирует все .md файлы в дереве каталога root (рекурсивно). Возвращает число
+     *  реально переиндексированных файлов. */
+    fun indexTree(root: java.io.File): Int
+}
+
+Правила:
+1. Перед индексацией файла сравнить с записью в таблице files по колонке path:
+   - если записи нет — индексировать;
+   - если mtime и size совпадают с сохранёнными — вернуть false, ничего не делать (НЕ считать хэш);
+   - если mtime/size изменились — посчитать sha-256 содержимого; если хэш совпал с сохранённым —
+     обновить в files поля mtime/size/indexed_at (файл тронули, содержимое то же) и вернуть false;
+   - иначе — полная переиндексация файла.
+2. Полная переиндексация файла: удалить из chunks все строки с этим path; удалить из chunks_fts строки
+   с rowid из удалённых chunks (DELETE FROM chunks_fts WHERE rowid IN (...)); то же для chunks_vec.
+   Затем разбить текст через chunkMarkdown (см. memo-core/src/main/kotlin/memo/core/Chunker.kt),
+   для каждого чанка: посчитать эмбеддинг embedder.embed(chunk.text), вставить строку в chunks,
+   взять last_insert_rowid() и вставить те же rowid в chunks_fts (колонки text, heading)
+   и в chunks_vec (колонка embedding). Всё — в одной транзакции (conn.beginTransaction/commit/rollback).
+3. В files писать: path (абсолютный), mtime (доля секунды, REAL), size, hash (hex sha-256), indexed_at (epoch секунды).
+4. indexTree: обход рекурсивно, только файлы с расширением .md, скрытые каталоги (начинающиеся с '.')
+   и каталоги .memo не обходить. Возвращать число переиндексированных файлов.
+
+## Тест: добавить в CoreSmokeTest.kt метод
+
+fun indexerSkipsUnchangedFile()
+
+- создать временный каталог, в нём файл note.md с содержимым "# Заголовок\nтело заметки\n## Второй\nещё текст";
+- создать Db на временном index.db (не забыть db.init()) и Embedder на модели
+  (путь брать так же, как в существующем тесте embedderProduces768 — через MEMO_MODEL_DIR);
+- первый indexFile(...) должен вернуть true;
+- второй indexFile(...) сразу же — обязан вернуть false (файл не менялся);
+- дописать в файл "\n## Третий\nновый текст\n", второй indexFile обязан вернуть true;
+- в конце: assertTrue, что SELECT count(*) FROM chunks без условия больше нуля (запрос через db.conn).
+
+После: ./gradlew :memo-core:test --rerun-tasks — все тесты зелёные.
+Коммит: git add -A && git commit -m "core: индексатор файлов с пропуском неизменённых"
+
+СТРОГИЕ ЗАПРЕТЫ:
+- Не выводить план текстом; сразу создавай/правь файлы.
+- Не трогать Chunker.kt, Embedder.kt, Db.kt, build.gradle.kts и любые другие файлы.
+- Не менять существующие тесты.
+- Не добавлять зависимости.

memo-core/src/main/kotlin/memo/core/Chunker.kt

@@ -0,0 +1,78 @@
+package memo.core
+
+data class Chunk(
+    val heading: String,
+    val line: Int,
+    val text: String,
+    val ord: Int,
+)
+
+private const val CHUNK_SIZE = 4000
+private const val CHUNK_OVERLAP = 600
+
+private val HEADING_REGEX = Regex("^(#{1,3}) (.*)$")
+
+fun chunkMarkdown(text: String): List<Chunk> {
+    val sections = mutableListOf<Triple<String, Int, String>>()
+
+    var currentHeading = ""
+    var currentLine = 1
+    val currentBody = StringBuilder()
+
+    val preamble = StringBuilder()
+    var foundHeading = false
+
+    fun flush(heading: String, line: Int, body: String) {
+        val trimmed = body.trim()
+        if (trimmed.isNotEmpty()) {
+            sections.add(Triple(heading, line, trimmed))
+        }
+    }
+
+    val lines = text.split('\n')
+    for ((idx, raw) in lines.withIndex()) {
+        val lineNo = idx + 1
+        val match = HEADING_REGEX.matchEntire(raw)
+        if (match != null) {
+            if (!foundHeading) {
+                flush("", 1, preamble.toString())
+                foundHeading = true
+            } else {
+                flush(currentHeading, currentLine, currentBody.toString())
+            }
+            currentHeading = match.groupValues[2].trim()
+            currentLine = lineNo
+            currentBody.setLength(0)
+        } else {
+            if (foundHeading) {
+                currentBody.append(raw).append('\n')
+            } else {
+                preamble.append(raw).append('\n')
+            }
+        }
+    }
+
+    if (foundHeading) {
+        flush(currentHeading, currentLine, currentBody.toString())
+    } else {
+        flush("", 1, preamble.toString())
+    }
+
+    val result = mutableListOf<Chunk>()
+    var ord = 0
+    for ((heading, line, body) in sections) {
+        if (body.length <= CHUNK_SIZE) {
+            result.add(Chunk(heading, line, body, ord++))
+        } else {
+            val step = CHUNK_SIZE - CHUNK_OVERLAP
+            var i = 0
+            while (i < body.length) {
+                val end = minOf(i + CHUNK_SIZE, body.length)
+                result.add(Chunk(heading, line, body.substring(i, end), ord++))
+                if (end == body.length) break
+                i += step
+            }
+        }
+    }
+    return result
+}

memo-core/src/test/kotlin/memo/core/ChunkerTest.kt

@@ -0,0 +1,60 @@
+package memo.core
+
+import kotlin.test.Test
+import kotlin.test.assertEquals
+import kotlin.test.assertTrue
+
+class ChunkerTest {
+
+    @Test
+    fun splitsByHeadingLevels() {
+        val input = "# A\nbodyA\n## B\nbodyB\n### C\nbodyC"
+        val chunks = chunkMarkdown(input)
+        assertEquals(3, chunks.size)
+        assertEquals(listOf("A", "B", "C"), chunks.map { it.heading })
+        assertEquals(listOf(1, 3, 5), chunks.map { it.line })
+        assertEquals(listOf(0, 1, 2), chunks.map { it.ord })
+    }
+
+    @Test
+    fun textBeforeFirstHeadingBecomesChunkWithEmptyHeading() {
+        val input = "преамбула\n# Заголовок\nтело"
+        val chunks = chunkMarkdown(input)
+        assertEquals(2, chunks.size)
+        assertEquals("", chunks[0].heading)
+        assertEquals(1, chunks[0].line)
+        assertEquals("Заголовок", chunks[1].heading)
+    }
+
+    @Test
+    fun fourHashesIsNotAHeading() {
+        val input = "# A\nbody\n#### не заголовок\nmore"
+        val chunks = chunkMarkdown(input)
+        assertEquals(1, chunks.size)
+        assertEquals("A", chunks[0].heading)
+        assertTrue(chunks[0].text.contains("#### не заголовок"))
+        assertTrue(chunks[0].text.contains("more"))
+    }
+
+    @Test
+    fun emptySectionsAreDropped() {
+        val input = "# A\nsome text\n## B\n## C"
+        val chunks = chunkMarkdown(input)
+        assertEquals(1, chunks.size)
+        assertEquals("A", chunks[0].heading)
+    }
+
+    @Test
+    fun longSectionIsSplitWithOverlap() {
+        val body = "а".repeat(6000)
+        val input = "# A\n$body"
+        val chunks = chunkMarkdown(input)
+        assertEquals(2, chunks.size)
+        assertEquals(4000, chunks[0].text.length)
+        assertEquals(2600, chunks[1].text.length)
+        assertEquals(
+            chunks[0].text.substring(4000 - 600),
+            chunks[1].text.substring(0, 600),
+        )
+    }
+}