fix: explore 段落命中两级回退（原词→展开词）+ expandKeywords 去重 + HardBudget 接入

ax_rd

4 hours ago a7fbbfd6f974631eadebc6effca8ce7982592786

fix: explore 段落命中两级回退（原词→展开词）+ expandKeywords 去重 + HardBudget 接入

 cmd/explore.go

@@ -78,8 +78,9 @@
    if topN <= 0 && cfg.Explore.TopN > 0 {
        topN = cfg.Explore.TopN
    }
    hardBudget := cfg.Explore.HardBudget // 0 = Explore 内部用缺省 32000

    res, err := search.Explore(store, allKeywords, search.ExploreOptions{Budget: budget, TopN: topN})
    res, err := search.Explore(store, allKeywords, search.ExploreOptions{Budget: budget, TopN: topN, HardBudget: hardBudget})
    if err != nil {
        return fmt.Errorf("explore 失败: %w", err)
    }

 internal/search/explore.go

@@ -94,13 +94,23 @@
            }
        }
    }
    return out
    // 去重保序（原词在前、展开词在后）：避免 bigram 与原词重复时 text 分重复计权
    var dedup []string
    seen := make(map[string]bool, len(out))
    for _, kw := range out {
        if !seen[kw] {
            seen[kw] = true
            dedup = append(dedup, kw)
        }
    }
    return dedup
}

// ExploreOptions explore 参数
type ExploreOptions struct {
    Budget int // 字节预算（0 = 用配置默认）
    TopN   int // 0 = 用配置默认
    HardBudget int // 字节硬上限（0 = 用代码缺省 32000）
}

// ExploredDoc 入选文档及其输出正文
@@ -131,7 +141,11 @@
        budget = 16000 // 代码缺省（config 读取在 cmd 层完成）
    }
    if budget > 32000 {
        budget = 32000 // 硬上限
        budget = 32000 // 硬上限缺省
    }
    // 配置显式给出的硬上限优先（cmd 层读 config.yaml 的 explore.hard_budget）
    if cfg.HardBudget > 0 && budget > cfg.HardBudget {
        budget = cfg.HardBudget
    }
    topN := cfg.TopN
    if topN <= 0 {
@@ -158,8 +172,14 @@
        if err != nil || content == "" {
            continue
        }
        // 两级回退：先用原词提取（精确）；原词在任何段落都不连续出现时
        //（复合 CJK 词常见：bigram 召回了文档，但原词不连续）回退到展开词提取，
        // 避免大文档被 continue 静默丢弃、最终输出「未找到相关文档」。
        body := extractRelevantParagraphs(content, keywords, perDoc)
        if body == "" {
            body = extractRelevantParagraphs(content, searchKeywords, perDoc)
        }
        if body == "" {
            // 无命中段落但文档入选 → 整篇（若放得下），否则跳过
            if len(content) <= perDoc {
                body = content

 internal/search/explore_test.go

@@ -1,7 +1,12 @@
package search

import (
    "path/filepath"
    "strings"
    "testing"

    "github.com/aisim/kb-cli/internal/graph"
    "github.com/aisim/kb-cli/internal/index"
)

// TestExploreParagraphExtraction 段落截取：只输出命中关键词的段落，整段不截半句
@@ -22,10 +27,10 @@
    }
}

// TestExploreKeywordExpansion 长 CJK 词拆 bigram（原词保留，ASCII/短词不拆）
// TestExploreKeywordExpansion 长 CJK 词拆 bigram（原词保留，ASCII/短词不拆；末尾去重保序）
func TestExploreKeywordExpansion(t *testing.T) {
    got := expandKeywords([]string{"电子秤补气失败", "补气", "abc"})
    want := []string{"电子秤补气失败", "电子", "子秤", "秤补", "补气", "气失", "失败", "补气", "abc"}
    want := []string{"电子秤补气失败", "电子", "子秤", "秤补", "补气", "气失", "失败", "abc"}
    if len(got) != len(want) {
        t.Fatalf("展开数量: got=%d want=%d (%v)", len(got), len(want), got)
    }
@@ -43,3 +48,53 @@
        t.Errorf("超预算段落应跳过: %q", got)
    }
}

// TestExploreFallbackToExpanded 回归（审查 Important）：单复合 CJK 词在大文档中
// 原文不连续出现（bigram 召回入选，但原词在任何段落都不出现）时，
// 段落截取必须回退到展开词，不能静默丢弃文档。
func TestExploreFallbackToExpanded(t *testing.T) {
    tmpDir := t.TempDir()
    dbPath := filepath.Join(tmpDir, "test.db")
    store, err := index.Open(dbPath)
    if err != nil {
        t.Fatalf("Open failed: %v", err)
    }
    defer store.Close()

    // 大文档（> 2000 字节预算）：某段落只含「电子秤补气」片段，不含完整原词「电子秤补气失败」
    filler := strings.Repeat("填充段落内容，用于把文档撑过预算。\n", 60)
    content := "# 称重故障排查\n\n" + filler + "\n## 称重故障\n\n电子秤补气 时先检查阀门，失败则断电重启。\n"

    n := &graph.Node{
        ID:      1,
        Path:    "FAQ/称重/001-test.md",
        Title:   "称重故障排查",
        Section: "FAQ",
        Content: content,
    }
    if _, err := store.InsertNode(n); err != nil {
        t.Fatalf("InsertNode failed: %v", err)
    }
    if err := store.CreateFTS(); err != nil {
        t.Fatalf("CreateFTS failed: %v", err)
    }
    if err := store.PopulateFTS(); err != nil {
        t.Fatalf("PopulateFTS failed: %v", err)
    }

    // 原词提取必为空（内容里没有完整的「电子秤补气失败」）
    if b := extractRelevantParagraphs(content, []string{"电子秤补气失败"}, 2000); b != "" {
        t.Fatalf("前提不成立：原词提取应为空，got=%q", b)
    }

    res, err := Explore(store, []string{"电子秤补气失败"}, ExploreOptions{Budget: 2000, TopN: 5})
    if err != nil {
        t.Fatalf("Explore failed: %v", err)
    }
    if len(res.Docs) != 1 {
        t.Fatalf("应召回 1 篇文档（bigram 命中），got=%d", len(res.Docs))
    }
    if !strings.Contains(res.Docs[0].Body, "电子秤补气") {
        t.Errorf("回退展开词后应提取含片段段落: body=%q", res.Docs[0].Body)
    }
}