gitea
877ec91ff0
build / build (push) Successful in 57s
Testy / Testy warstwy logicznej (silnik) (push) Successful in 13m7s
Testy / Testy warstwy prezentacji (dostęp do baz) (push) Successful in 9m57s
Testy / Build obrazu silnika B (swisseph) (push) Successful in 40s
Testy / Kontrola składni wszystkich warstw (push) Successful in 25s
Objaw zgloszony przez uzytkownika: w Kalendarzu horoskop wyswietla sie
poprawnie, w Interpretacjach zapytanie wychodzi, wraca — i NIC sie nie
pokazuje. Bez zadnego komunikatu.
Przyczyna: model potrafi oddac pusta tresc (finish_reason=length,
completion_tokens=0), a generate() zwracalo wtedy pusty tekst BEZ bledu.
Widok sprawdza {% if prompt_result.horoscope %} -> falsz -> nie renderuje nic,
a llm_error nie jest ustawiony -> zero wyjasnienia. Cicha awaria.
Asymetria miedzy ekranami wynika z rozmiaru promptu: natalny (13 obiektow x
fasety x opisy z bazy) wypelnia okno kontekstu modelu lokalnego i na odpowiedz
nie zostaje miejsca; okresowy jest mniejszy i sie miesci.
- wspolny straznik _require_text() dla obu dostawcow: pusta lub bialoznakowa
odpowiedz podnosi LLMError,
- komunikat PROWADZI DO PRZYCZYNY: podaje finish_reason i zuzycie tokenow oraz
radzi zmniejszyc budzet promptu / zwiekszyc num_ctx / LLM_MAX_TOKENS,
- Anthropic sprowadzony do wspolnego ksztaltu diagnostyki (input/output_tokens).
Dzieki temu uzytkownik widzi powod ORAZ gotowy prompt do recznego uzycia.
Zweryfikowane na zywym stosie z atrapa modelu oddajaca pusta tresc: zamiast
pustej strony pojawia sie pelny komunikat z diagnostyka. Testy: 148 passed.
Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
Warstwa logiczna (logic)
Niezależna usługa pośrednicząca. W górę udostępnia API dla prezentacji, w dół woła warstwę bazodanową. Tu żyją reguły biznesowe — nie w prezentacji i nie w bazie.
API
POST /api/query→QueryRequest→QueryResponsePOST /chart/positions→{when_utc, lat, lon, house_system?}→ pełny horoskop: pozycje (LOG-01) + osie i domy (LOG-05) + aspekty główne z applying/separating (LOG-06) + opcjonalnie stacje planet (stations:true, LOG-03). Zwraca też sektę i 7 Lots hermetycznych z domami (LOG-08). Obiekty: 10 planet + mean NN/SN/Lilith (LOG-02).house_system:whole_sign(dom.) /equal/porphyry.POST /chart/report→{when_utc, lat, lon, limit?}→ wynik obliczeń wyszukany w bazie: fasety sygnifikatorów w znaku / w domu / w aspekcie, z rozwinięciem skrótów, odsiewaniem duplikatów (ten sam sygnifikator i opis), rankingiem siły (LOG-21) oraz opcją group (grupowanie identycznych opisów)POST /chart/profections→{when_utc, lat, lon, start_age?, count?}→ profekcje roczne: wiek, profektowany Asc, Władca Roku (+MC/Su/Mo) (LOG-10)POST /chart/return→{when_utc, lat, lon, kind, around?}→ Solar/Lunar Return: moment powrotu + pełny horoskop na ten moment (LOG-12)POST /chart/firdaria→{when_utc, lat, lon}→ Firdaria: sekta (dzień/noc), okresy główne i podokresy time-lordów (LOG-11)POST /chart/timeline→{when_utc, lat, lon, from_date, to_date, techniques?}→ zbiorcza oś czasu: profekcje + Solar Return + dyrekcje solar-arc + Firdaria, posortowane (technique | significator | start | exact | end); z interpret=true dopina interpretacje z bazy do dat (LOG-14, 1B->2B)POST /chart/compare→ jak wyżej → raport różnic dwóch silników (LOG-26; wymaga silnika B)GET /health(sprawdza też warstwę bazodanową)
Silnik efemeryd (LOG-24, „wymienny silnik liczący")
W app/engine/ żyje pluggable silnik za interfejsem EphemerisEngine:
SkyfieldEngine— własny, permisywny (Skyfield MIT + dane JPL public domain). Domyślny.RemoteEngine— klient OSOBNEJ, izolowanej usługiengine-swisseph(AGPL), używany tylko w trybie porównawczym.
Wybór: EPHEMERIS_ENGINE=own|swisseph. Silnik B włącza się przez ENGINE_SWISSEPH_URL.
Walidacja (LOG-25/28): app/engine/compare.py zestawia oba silniki z progiem tolerancji;
ten sam kontrakt parzystości obowiązuje każdy silnik. Nasz SkyfieldEngine zgadza się
ze Swiss Ephemeris co do ~1″ na horoskopie referencyjnym (patrz tests/).
pip install -r requirements-dev.txt
PYTHONPATH=. pytest tests -q # silnik B pomijany, jeśli ENGINE_SWISSEPH_URL nieustawiony
Zależności w dół
Zna wyłącznie DATA_URL (adres warstwy bazodanowej) i jej kontrakt /search.
Nie wie, czy pod spodem jest Excel czy SQL.
Uruchomienie
pip install -r requirements.txt
export DATA_URL=http://localhost:8002
uvicorn app.main:app --port 8001
Gdzie rozbudowywać domenę
service.py → QueryService.handle(): walidacja wejścia, tłumaczenie zapytania,
obliczenia i wzbogacanie wyników.