Deal/.superpowers/sdd/channel-discovery/task-5-brief.md

Task 5: Оценка контента (язык, темы, fit по профилю задачи)

Files:

• Create: backend/app/services/discovery_eval.py

Interfaces:

• Consumes: store, ml_client, ai_service (chat_json), pipeline.clean_short.

• Produces:

  • def detect_lang_ru(texts: list[str]) -> bool | None — доля кириллических букв от всех букв в сумме: >=0.15 → True; <=0.03 → False; между порогами → None (неопределённо).
  • def group_by_topic(messages: list[dict]) -> list[dict] — группировка по topic_id (None → "main"); возвращает [{"topic_id", "title", "messages": [...]}], title = сниппет первого текста темы (≤60 симв.), сортировка по количеству сообщений (убыв.).
  • async def evaluate_message(task: dict, text: str) -> dict — {"fit": bool, "reason": str, "source": "heuristic"|"ml"|"ai"}:
    1. текст пустой/длина <10 → fit False «слишком короткое»;
    2. ML: если ml_client.is_enabled() и прогноз take и label=='spam' → fit False «ML: спам»;
    3. ИИ: если aiEnabled → один JSON-вызов ai_service.chat_json(промпт, user=text) с промптом из описания задачи и ключей ({fit, reason}); ошибка → шаг 4;
    4. эвристика: fit = любой ключ входит в clean_short(text) casefold; reason «совпал ключ "…"» / «нет совпадений с ключами».
  • async def evaluate_sample(task: dict, messages: list[dict]) -> dict — последовательно по каждому сообщению; вернуть {"fit_count": int, "total": int, "fit_ratio": float, "per_message": [{"text": …, "fit", "reason", "topic_id"}]}.
  • def passed(ev: dict, task: dict) -> bool — ev["total"] >= 3 and ev["fit_ratio"]*100 >= task["threshold"].

• Step 1: Реализовать модуль. Промпт ИИ (внутри модуля, константа): Оцени, относится ли сообщение к сфере/задаче. Описание: {description}. Ключи: {keywords}. Верни JSON {"fit": 0|1, "reason": "краткая причина"}.

• Step 2: Проверить на временной БД (без сети): detect_lang_ru(["Ищем python разработчика"]) is True; detect_lang_ru(["we need a python developer"]) is False; group_by_topic объединяет по topic_id и сортирует; evaluate_message на задаче без ИИ/ML возвращает эвристический fit по ключу.

---