58 lines
4.6 KiB
Markdown
58 lines
4.6 KiB
Markdown
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.
|