* feat(api): remplace la détection des tech steps par un pipeline NLP (node-nlp) Le matching par regex ne généralisait jamais au-delà de son propre vocabulaire — une étape décrivant la fonte du beurre comme "jusqu'à ce que le beurre ait disparu dans la poêle" ne contient aucun verbe sur lequel une regex pourrait s'ancrer, alors que le sens est sans ambiguïté. Nouveau pipeline en 3 étapes (TechStepClassifierService, node-nlp 4.27.0 — la 5.x est encore alpha, non retenue) : 1. NER (entités enum) trouve les mentions candidates + leur position exacte, à partir de listes de synonymes (tech-step-training-data.ts) plutôt que de regex écrites à la main. ner.threshold: 1 (exact, après normalisation) — le défaut à 0.8 faisait matcher "faire" (verbe auxiliaire omniprésent) contre "frire" par pure proximité de chaîne. 2. La description est découpée en clauses autour de ces candidats (splitIntoClauses, pure/testable sans modèle). 3. Le NlpManager classe chaque clause individuellement, entraîné sur des phrases qui n'emploient jamais le verbe de la technique — c'est ce qui apporte la compréhension du sens. En dessous de CONFIDENCE_THRESHOLD (0.65, ajusté empiriquement), retombe sur la technique impliquée par l'ancre NER plutôt que d'abandonner un match clairement ancré sur un mot-clé. TechStepMapping (table de regex par technique/locale) supprimée — migration 20260821130000_drop_tech_step_mapping — plus aucune table n'est interrogée à l'exécution, les données de matching vivent en code. TECH_STEPS (reference-seed-data.ts) simplifié en simple liste de uid, les mappings ayant disparu. Deux pièges trouvés en construisant ce pipeline, corrigés à la source : - db/prisma.ts construisait PrismaClient sans importer config/env.ts — un run de test isolé pouvait faire gagner la course au .env interne de Prisma (dev) contre .env.test. Fixé en important config/env.js en tout premier, pour effet de bord. - NlpManager a autoSave/autoLoad: true par défaut — persiste le modèle entraîné dans model.nlp et le recharge au lieu de ré-entraîner au prochain démarrage. Les deux désactivés explicitement (sinon un modèle obsolète masquerait silencieusement toute mise à jour du corpus/seuil) ; model.nlp ajouté au .gitignore en garde-fou. apps/api/src/db/prisma.ts, recipe.service.ts, sources.service.ts et recipe-translation.ts adaptés à la matching async (le classifieur entraîné remplace le couple loadTechStepMappingRules+matchTechStepSpans synchrone) ; server.ts appelle techStepClassifier.warmUp() avant d'accepter du trafic (le tout premier appel réel à NlpManager.process() charge les ressources par langue de node-nlp, plusieurs secondes). Vérifié : tsc --noEmit, biome check (0 erreur), build complet des 6 packages, 308 tests API (dont un test-support/reset-db.ts corrigé — référençait encore tech_step_mapping dans son TRUNCATE). Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com> * feat(api): ajoute la délimitation de contexte aux tech steps et étoffe le vocabulaire du classifieur Deux évolutions du pipeline NLP de détection des tech steps (PR #63) : 1. Délimitation de contexte — en plus du mot-clé qui déclenche un match (start/end), chaque TechStepMatch porte maintenant contextStart/ contextEnd : la clause complète autour du mot-clé (ex : "poêle chaude" comme mot-clé, "Dans une poêle chaude" comme contexte). Persisté sur StepTechStep (colonnes nullables, migration dédiée), exposé via StepTechStepView, et rendu côté web avec un style plus discret que le mot-clé (StepDescription.tsx, .step-tech-step-context). splitIntoClauses coupe désormais sur l'espace le plus proche du milieu de l'écart entre deux candidats plutôt que sur le milieu brut, pour ne jamais couper un mot en deux (findGapSplitPoint). 2. Vocabulaire du classifieur — synonymes et locutions supplémentaires par technique (FR/EN) pour fiabiliser la détection sur des formulations que le corpus initial ne couvrait pas. Plusieurs bugs de fond trouvés et corrigés en cours de route, tous confirmés par la suite de tests complète (309 tests) : - un synonyme multi-mots qui est un préfixe-mot d'un synonyme plus court déjà enregistré pour la même technique fait matcher les deux comme candidats NER distincts et chevauchants, corrompant le découpage en clauses (parfois jusqu'à une mauvaise classification) — retiré partout où ce motif a été repéré (cook, fry, deglaze, simmer, boil, roast, chop, mince, marinate, preheat, bake, plate, coat) ; - "poêlé"/"poêlée" comme synonymes de panFry sont réduits à la même racine que le nom "poêle" par le stemmer français de node-nlp, provoquant un faux positif sur toute mention nue de "poêle" (dont celle de preheat) — retiré ; - "Fouetter les blancs en neige" était mal classé en foldIn (la phrase d'entraînement de foldIn partage la même locution) — corrigé en ajoutant des phrases d'entraînement dédiées à whisk ; - "Émincer les tomates" est passé sous le seuil de confiance vers melt après l'ajout du nouveau vocabulaire ailleurs dans le corpus — corrigé en élargissant les phrases d'entraînement de mince à un autre légume. Le test unitaire de splitIntoClauses avec un point de coupure obsolète (pré-datant findGapSplitPoint) est aussi corrigé. Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com> * fix(api): corrige la découpe des clauses et le seuil de confiance du classifieur de tech steps Trouvé en examinant des vraies recettes déjà en base après le dernier étoffement du vocabulaire : plusieurs étapes bien réelles se faisaient classer sur la mauvaise technique, sans lien avec un mot-clé manquant. - splitIntoClauses coupe désormais sur la limite de phrase (juste après un ".", "!" ou "?") la plus proche du milieu de l'écart entre deux candidats quand il y en a une, plutôt que sur l'espace brut le plus proche du milieu. Une description à deux techniques dans deux phrases distinctes ("Préchauffer le four à 180°C. Dans un saladier, mettre le beurre... et mélanger.") ne coupait qu'au milieu brut, ce qui pouvait trancher en pleine deuxième phrase et envoyer au classifieur une clause tronquée ("...(thermostat 6). Dans un saladier, mettre" sans complément) — assez éloignée des phrases d'entraînement courtes et complètes pour se faire mal classer avec confiance (préchauffer prédit "mix", mélanger prédit "melt"). - CONFIDENCE_THRESHOLD passe de 0.65 à 0.75 : du texte anglais passé dans le classifieur français (qui doit ne rien trouver, garanti par le test d'isolation des locales) scorait 0.69 sur "boil" — du bruit de petit corpus, pas un vrai verdict. Les cas réels que ce seuil sert à faire confiance scorent 0.91 à 1.0 en pratique ; 0.75 sépare proprement le bruit du signal sans rien casser (309 tests toujours verts). - Deux phrases d'entraînement ajoutées à `cook` pour deux clauses réelles mal classées (feu doux + remuant, découvert + laisser cuire) qui n'avaient pourtant pas de mot-clé manquant. Ajoute aussi src/scripts/backfill-tech-steps.ts : la détection ne tourne qu'à la création/modification d'une recette, jamais rétroactivement — ce script recalcule le start/end/contextStart/ contextEnd de chaque étape existante contre le classifieur actuel, pour ne pas avoir à rouvrir et resauvegarder chaque recette à la main après un changement de corpus. Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com> * fix(web): rend le contexte des tech steps réellement visible Le style existant (fond teinté à 6% d'opacité, sans autre indice visuel) était structurellement correct — vérifié en base, l'API et le DOM contenaient bien les spans de contexte — mais imperceptible à l'œil sur ce thème sombre : --color-primary n'est pas assez saturé pour qu'une teinte de quelques % se distingue du fond de la carte. Vérifié en créant une recette test dans le navigateur et en zoomant le texte rendu : littéralement aucune différence visible avant, un rectangle net après. Passe à 10% de fond + une bordure basse pleine à 45% d'opacité comme second indice visuel indépendant, tout en gardant le mot-clé (soulignement pointillé + fond à 14% + curseur + tooltip) nettement plus marqué que son contexte. Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com> * fix(web): retire l'affichage visuel du contexte des tech steps Ne touche que le rendu — le backend continue de calculer et de persister contextStart/contextEnd (tech-step-matcher.ts, StepTechStep), et splitDescriptionByTechSteps continue de découper la description autour du contexte (segments isKeyword: false). StepDescription.tsx rend désormais ces segments comme du texte brut, comme un segment sans technique — plus d'encadré/bordure autour de la clause, seul le mot-clé reste surligné avec sa tooltip. .step-tech-step-context (CSS) retirée, devenue inutilisée. Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com> --------- Co-authored-by: Claude Sonnet 5 <noreply@anthropic.com>
177 lines
7.9 KiB
TypeScript
177 lines
7.9 KiB
TypeScript
import type { StepTechStepView } from "@batch-cooking/shared";
|
|
import { splitDescriptionByTechSteps } from "../../src/features/recipes/steps/highlight-tech-steps";
|
|
|
|
// Pure logic, no DOM/mount needed — reuses the component-test runner
|
|
// (Cypress's Mocha/Chai, same as CheckboxOption.cy.tsx) purely for its
|
|
// `expect`, not for rendering. `.cy.tsx` (not `.cy.ts`) only because that's
|
|
// what `cypress.config.ts`'s component `specPattern` looks for.
|
|
|
|
/** Builds a `StepTechStepView` — `context` omitted entirely (not just undefined) when absent, matching what the API actually sends for an older, not-yet-recomputed match (see `StepTechStepView`'s own doc comment). */
|
|
function techStep(
|
|
key: string,
|
|
id: number,
|
|
start: number,
|
|
end: number,
|
|
context?: { start: number; end: number },
|
|
): StepTechStepView {
|
|
return {
|
|
techStep: { id, key },
|
|
start,
|
|
end,
|
|
...(context ? { contextStart: context.start, contextEnd: context.end } : {}),
|
|
};
|
|
}
|
|
|
|
describe("splitDescriptionByTechSteps", () => {
|
|
it("returns the whole description as one plain segment when there are no matches", () => {
|
|
expect(splitDescriptionByTechSteps("Servir immédiatement", [])).to.deep.equal([
|
|
{ text: "Servir immédiatement", techStep: null, isKeyword: false },
|
|
]);
|
|
});
|
|
|
|
it("splits a single keyword-only match (no context) into before/match/after segments", () => {
|
|
// "Faire mijoter à feu doux" — "mijoter" is [6, 13). Same shape as
|
|
// before context spans existed at all — the common case for a short,
|
|
// already-imperative clause where the keyword and its context coincide.
|
|
const result = splitDescriptionByTechSteps("Faire mijoter à feu doux", [
|
|
techStep("simmer", 1, 6, 13),
|
|
]);
|
|
expect(result).to.deep.equal([
|
|
{ text: "Faire ", techStep: null, isKeyword: false },
|
|
{ text: "mijoter", techStep: { id: 1, key: "simmer" }, isKeyword: true },
|
|
{ text: " à feu doux", techStep: null, isKeyword: false },
|
|
]);
|
|
});
|
|
|
|
it("handles a match at the very start, with nothing before it", () => {
|
|
const result = splitDescriptionByTechSteps("Hacher les oignons", [techStep("chop", 2, 0, 6)]);
|
|
expect(result).to.deep.equal([
|
|
{ text: "Hacher", techStep: { id: 2, key: "chop" }, isKeyword: true },
|
|
{ text: " les oignons", techStep: null, isKeyword: false },
|
|
]);
|
|
});
|
|
|
|
it("handles a match at the very end, with nothing after it", () => {
|
|
const result = splitDescriptionByTechSteps("Faire cuire", [techStep("cook", 3, 6, 11)]);
|
|
expect(result).to.deep.equal([
|
|
{ text: "Faire ", techStep: null, isKeyword: false },
|
|
{ text: "cuire", techStep: { id: 3, key: "cook" }, isKeyword: true },
|
|
]);
|
|
});
|
|
|
|
it("handles several non-adjacent matches, preserving the plain text between them", () => {
|
|
const text = "Préchauffer la poêle, puis faire fondre le beurre";
|
|
const result = splitDescriptionByTechSteps(text, [
|
|
techStep("preheat", 4, 0, 11),
|
|
techStep("melt", 5, 27, 39),
|
|
]);
|
|
expect(result.map((s) => s.text).join("")).to.equal(text);
|
|
expect(result.filter((s) => s.techStep !== null)).to.have.length(2);
|
|
expect(result[0]).to.deep.equal({
|
|
text: "Préchauffer",
|
|
techStep: { id: 4, key: "preheat" },
|
|
isKeyword: true,
|
|
});
|
|
});
|
|
|
|
it("re-sorts entries that aren't already in start order", () => {
|
|
const text = "Faire fondre le beurre puis préchauffer le four";
|
|
// Passed in techStepId order, not text order — the function must sort
|
|
// by position, not trust the input order.
|
|
const result = splitDescriptionByTechSteps(text, [
|
|
techStep("preheat", 4, 28, 39),
|
|
techStep("melt", 5, 0, 12),
|
|
]);
|
|
const matches = result.filter((s) => s.techStep !== null && s.isKeyword);
|
|
expect(matches.map((s) => s.techStep?.key)).to.deep.equal(["melt", "preheat"]);
|
|
});
|
|
|
|
it("drops a match whose end is past the end of the description", () => {
|
|
const result = splitDescriptionByTechSteps("Cuire", [techStep("cook", 3, 0, 999)]);
|
|
expect(result).to.deep.equal([{ text: "Cuire", techStep: null, isKeyword: false }]);
|
|
});
|
|
|
|
it("drops a match with a negative start", () => {
|
|
const result = splitDescriptionByTechSteps("Cuire", [techStep("cook", 3, -1, 5)]);
|
|
expect(result).to.deep.equal([{ text: "Cuire", techStep: null, isKeyword: false }]);
|
|
});
|
|
|
|
it("drops a match whose start isn't before its end", () => {
|
|
const result = splitDescriptionByTechSteps("Cuire", [techStep("cook", 3, 3, 3)]);
|
|
expect(result).to.deep.equal([{ text: "Cuire", techStep: null, isKeyword: false }]);
|
|
});
|
|
|
|
it("drops a later match that overlaps one already accepted", () => {
|
|
// Two entries claiming overlapping ranges shouldn't happen in practice
|
|
// (the backend already resolves overlaps), but the splitter defends
|
|
// against it anyway rather than producing a garbled/duplicated slice.
|
|
const result = splitDescriptionByTechSteps("Cuire au four", [
|
|
techStep("bake", 3, 0, 13),
|
|
techStep("cook", 2, 0, 5),
|
|
]);
|
|
expect(result).to.deep.equal([
|
|
{ text: "Cuire au four", techStep: { id: 3, key: "bake" }, isKeyword: true },
|
|
]);
|
|
});
|
|
|
|
it("returns a single empty-ish segment for an empty description with no matches", () => {
|
|
expect(splitDescriptionByTechSteps("", [])).to.deep.equal([]);
|
|
});
|
|
|
|
describe("with a context span wider than the keyword", () => {
|
|
it("splits into context-before / keyword / context-after around a keyword in the middle of its clause", () => {
|
|
// The motivating example: "Dans une poêle chaude, faire chauffer une
|
|
// noix de beurre" — `preheat`'s keyword is "poêle chaude", its
|
|
// context is the whole "Dans une poêle chaude" clause around it.
|
|
const text = "Dans une poêle chaude, faire chauffer une noix de beurre";
|
|
const result = splitDescriptionByTechSteps(text, [
|
|
techStep("preheat", 4, 9, 21, { start: 0, end: 21 }),
|
|
]);
|
|
expect(result).to.deep.equal([
|
|
{ text: "Dans une ", techStep: { id: 4, key: "preheat" }, isKeyword: false },
|
|
{ text: "poêle chaude", techStep: { id: 4, key: "preheat" }, isKeyword: true },
|
|
{
|
|
text: ", faire chauffer une noix de beurre",
|
|
techStep: null,
|
|
isKeyword: false,
|
|
},
|
|
]);
|
|
});
|
|
|
|
it("omits the context-before segment when the keyword starts right at the context's own start", () => {
|
|
const result = splitDescriptionByTechSteps("préchauffer le four", [
|
|
techStep("preheat", 4, 0, 11, { start: 0, end: 19 }),
|
|
]);
|
|
expect(result).to.deep.equal([
|
|
{ text: "préchauffer", techStep: { id: 4, key: "preheat" }, isKeyword: true },
|
|
{ text: " le four", techStep: { id: 4, key: "preheat" }, isKeyword: false },
|
|
]);
|
|
});
|
|
|
|
it("omits the context-after segment when the keyword ends right at the context's own end", () => {
|
|
const result = splitDescriptionByTechSteps("mettre le four à préchauffer", [
|
|
techStep("preheat", 4, 17, 28, { start: 7, end: 28 }),
|
|
]);
|
|
expect(result).to.deep.equal([
|
|
{ text: "mettre ", techStep: null, isKeyword: false },
|
|
{ text: "le four à ", techStep: { id: 4, key: "preheat" }, isKeyword: false },
|
|
{ text: "préchauffer", techStep: { id: 4, key: "preheat" }, isKeyword: true },
|
|
]);
|
|
});
|
|
|
|
it("falls back to a keyword-only segment when context is absent (an older, not-yet-recomputed match)", () => {
|
|
const result = splitDescriptionByTechSteps("Faire mijoter à feu doux", [
|
|
techStep("simmer", 1, 6, 13),
|
|
]);
|
|
expect(result.some((s) => s.techStep !== null && !s.isKeyword)).to.equal(false);
|
|
});
|
|
|
|
it("drops an entry whose context doesn't actually contain its own keyword span", () => {
|
|
const result = splitDescriptionByTechSteps("Cuire au four", [
|
|
// contextEnd (5) is before the keyword's own end (13) — malformed.
|
|
techStep("bake", 3, 0, 13, { start: 0, end: 5 }),
|
|
]);
|
|
expect(result).to.deep.equal([{ text: "Cuire au four", techStep: null, isKeyword: false }]);
|
|
});
|
|
});
|
|
});
|