Stage 3: улучшена логика жизненного цикла и очищены ответы ассистента

llm_normalizer/backend/dist/services/assistantDataLayer.js

@@ -917,10 +917,10 @@ class AssistantDataLayer {
             result = this.executeRisk(fragmentText, data);
         }
         else if (route === "batch_refresh_then_store") {
-            result = this.executeBatch(data);
+            result = this.executeBatch(fragmentText, data);
         }
         else if (route === "store_canonical") {
-            result = this.executeCanonical(data);
+            result = this.executeCanonical(fragmentText, data);
         }
         else if (route === "live_mcp_drilldown") {
             result = this.executeDrilldown(fragmentText, data);
@@ -1207,7 +1207,9 @@ class AssistantDataLayer {
             errors: []
         };
     }
-    executeRisk(_fragmentText, data) {
+    executeRisk(fragmentText, data) {
+        const semanticProfile = buildSemanticRetrievalProfile(fragmentText);
+        const profileRiskFactors = semanticProfile.anomaly_patterns;
         const records = [...data.problemCases, ...data.ndsRegisters];
         const scored = records
             .map((record) => {
@@ -1258,12 +1260,15 @@ class AssistantDataLayer {
                 items: [],
                 summary: {
                     checked_records: records.length,
-                    risky_records: 0
+                    risky_records: 0,
+                    query_subject: semanticProfile.query_subject,
+                    semantic_profile: semanticProfile,
+                    ranking_basis: semanticProfile.ranking_basis
                 },
                 evidence: [],
                 why_included: [],
                 selection_reason: ["Риск-оценка выполнялась по техническим признакам, но записи выше порога не найдены."],
-                risk_factors: [],
+                risk_factors: profileRiskFactors,
                 business_interpretation: ["По текущему срезу явные риск-признаки не обнаружены."],
                 confidence: "medium",
                 limitations: ["Оценка основана на snapshot-данных и эвристическом risk score."],
@@ -1271,6 +1276,13 @@ class AssistantDataLayer {
             };
         }
         const averageScore = items.reduce((acc, item) => acc + item.risk_score, 0) / items.length;
+        const normalizedRiskFactors = uniqueStrings([
+            ...profileRiskFactors,
+            "unknown_link_count",
+            "zero_guid_values",
+            "navigation_links",
+            "missing_counterparty_link"
+        ]);
         return {
             status: "ok",
             result_type: "list",
@@ -1278,7 +1290,10 @@ class AssistantDataLayer {
             summary: {
                 checked_records: records.length,
                 risky_records: items.length,
-                average_risk_score: Number(averageScore.toFixed(2))
+                average_risk_score: Number(averageScore.toFixed(2)),
+                query_subject: semanticProfile.query_subject,
+                semantic_profile: semanticProfile,
+                ranking_basis: semanticProfile.ranking_basis
             },
             evidence: items.slice(0, 10).map((item) => ({
                 source_entity: item.source_entity,
@@ -1287,21 +1302,18 @@ class AssistantDataLayer {
             })),
             why_included: ["В ответ включены записи с risk_score >= 2."],
             selection_reason: [
-                "score растет при unknown links, zero GUID, навигационных ссылках и отсутствии явного контрагента."
-            ],
-            risk_factors: [
-                "unknown_link_count",
-                "zero_guid_values",
-                "navigation_links",
-                "missing_counterparty_link"
+                "score растет при unknown links, zero GUID, навигационных ссылках и отсутствии явного контрагента.",
+                `Semantic profile subject: ${semanticProfile.query_subject}.`
             ],
+            risk_factors: normalizedRiskFactors,
             business_interpretation: ["Эти записи требуют первичной бухгалтерской проверки как потенциальные аномалии."],
             confidence: "high",
             limitations: ["Риск-факторы определяются эвристикой, а не полным набором бизнес-правил 1С."],
             errors: []
         };
     }
-    executeBatch(data) {
+    executeBatch(fragmentText, data) {
+        const semanticProfile = buildSemanticRetrievalProfile(fragmentText);
         const source = [...data.problemCases, ...data.keyFields, ...data.docs];
         const byEntity = new Map();
         for (const record of source) {
@@ -1321,7 +1333,10 @@ class AssistantDataLayer {
             items,
             summary: {
                 checked_records: source.length,
-                ranked_entities: items.length
+                ranked_entities: items.length,
+                query_subject: semanticProfile.query_subject,
+                semantic_profile: semanticProfile,
+                ranking_basis: semanticProfile.ranking_basis
             },
             evidence: items.slice(0, 5).map((item) => ({
                 entity: item.entity,
@@ -1329,17 +1344,20 @@ class AssistantDataLayer {
             })),
             why_included: items.length > 0 ? ["Показаны сущности с максимальным количеством записей."] : [],
             selection_reason: ["Ранжирование выполнено по records_count по убыванию."],
-            risk_factors: ["Высокий объем записей по сущности повышает приоритет проверки."],
+            risk_factors: uniqueStrings(["entity_volume_spike", ...semanticProfile.anomaly_patterns]),
             business_interpretation: [
-                "Сущности в топе ранга чаще дают наибольший вклад в проблемный объем и требуют приоритетного аудита."
+                "Top entities by volume highlight where lifecycle-focused review should start first."
             ],
             confidence: "medium",
             limitations: ["Ранжирование по объему не всегда эквивалентно бизнес-риску."],
             errors: []
         };
     }
-    executeCanonical(data) {
-        const items = data.docs
+    executeCanonical(fragmentText, data) {
+        const semanticProfile = buildSemanticRetrievalProfile(fragmentText);
+        const useVatSource = semanticProfile.domain_scope.includes("vat") || semanticProfile.domain_scope.includes("taxes");
+        const sourceRecords = useVatSource ? [...data.ndsRegisters, ...data.keyFields] : data.docs;
+        const items = sourceRecords
             .map((record) => {
             const period = extractDate(record);
             return {
@@ -1360,8 +1378,11 @@ class AssistantDataLayer {
             result_type: "list",
             items,
             summary: {
-                checked_records: data.docs.length,
-                returned_records: items.length
+                checked_records: sourceRecords.length,
+                returned_records: items.length,
+                query_subject: semanticProfile.query_subject,
+                semantic_profile: semanticProfile,
+                ranking_basis: semanticProfile.ranking_basis
             },
             evidence: items.slice(0, 6).map((item) => ({
                 source_entity: item.source_entity,
@@ -1369,8 +1390,11 @@ class AssistantDataLayer {
                 period: item.period
             })),
             why_included: items.length > 0 ? ["Показаны последние по дате записи канонического документного слоя."] : [],
-            selection_reason: ["Отбор по максимальной дате документа в пределах snapshot."],
-            risk_factors: [],
+            selection_reason: [
+                "Отбор по максимальной дате документа в пределах snapshot.",
+                `Semantic profile subject: ${semanticProfile.query_subject}.`
+            ],
+            risk_factors: semanticProfile.anomaly_patterns,
             business_interpretation: ["Слой отражает базовый factual-срез документов для оперативной сверки."],
             confidence: "high",
             limitations: ["Это read-only snapshot, а не онлайн-состояние 1С."],