Cyrene_v2/internal/runtime/memory/tidy_dedupe_values_test.go

package memory

import (
	"strings"
	"testing"
	"time"
)

// 本文件是 `dedupe_group` **取值门**（r1 复审 P1）的验收用例集：
// 同属性不同取值（`「老K」` vs `「阿七」`）、拉丁取值、以及簇级的「取值不丢」不变式。
// 分簇/候选构造的用例在 tidy_dedupe_test.go，中文数字门在 tidy_dedupe_numbers_test.go。

// TestDedupeGroupRejectsSameTagDifferentValue 是 r1 复审 **P1-1 的回归用例**：
// 同 tag 集、但**取值不同**（`「老K」` vs `「阿七」`）的两条**不许同簇**。
//
// 语料原型（脱敏）：生产库里 `用户的昵称是「叶酱」。` 曾被并进
// `主人的昵称是「喵喵七号」…` 的存活行，而同库另有 4 行明确写着「旧的称呼
// 『喵喵七号』已作废，不要再使用」—— 一次 apply 就会让当前事实消失，并留下与库内
// 其它行直接矛盾的结论。因此这条用例钉的不是「少减一点」，而是「不许毁数据」。
func TestDedupeGroupRejectsSameTagDifferentValue(t *testing.T) {
	t.Parallel()
	base := tidyTestTime(t)
	tags := []string{"昵称", "称呼"}

	// 取值不同：只剩存活行一条 ⇒ 不成簇、一条候选都不产。
	survivor := dedupeTestItem("主人的昵称是「老K」，是相处中慢慢形成的亲昵称呼；具体来历不明，不可编造。", tags, base)
	staleA := dedupeTestItem("用户的昵称是「阿七」。", tags, base.Add(time.Minute))
	staleB := dedupeTestItem("主人被称呼为「阿七」，助手平时就这么叫她。", tags, base.Add(2*time.Minute))
	cands, _ := dedupeCandsOf(t, newTestStore(t), []MemoryItem{survivor, staleA, staleB})
	if len(cands) != 0 {
		t.Fatalf("簇数 = %d, want 0（取值不同＝不同事实，§5.2-4/§5.2-5）", len(cands))
	}
	for _, m := range []MemoryItem{staleA, staleB} {
		if gaps := dedupeValueGaps(m.Content, survivor.Content); len(gaps) == 0 {
			t.Fatalf("取值门没认出 %q 里的取值与存活行不同", m.Content)
		}
	}

	// 对照组：同样的 tag 集 + **相同取值**，必须照常成簇（证明上面那条不是因为门太宽）。
	sameValue := dedupeTestItem("主人被称呼为「老K」，助手平时就这么叫她。", tags, base.Add(3*time.Minute))
	cands, _ = dedupeCandsOf(t, newTestStore(t), []MemoryItem{survivor, sameValue})
	if len(cands) != 1 {
		t.Fatalf("对照组簇数 = %d, want 1（同 tag 同取值必须成簇）", len(cands))
	}
	if cands[0].TargetID != survivor.ID {
		t.Fatalf("对照组存活行 = %s, want 最长的那条 %s", cands[0].TargetID, survivor.ID)
	}
}

// TestDedupeGroupLatinTokenIsAlsoAValue 钉住取值门的第二类取值：**拉丁 token**
// （人名 / 型号 / 代号）。`助手名为 Cyrene` 与 `助手名为 Alice` 同 tag 集，但取值不同。
func TestDedupeGroupLatinTokenIsAlsoAValue(t *testing.T) {
	t.Parallel()
	base := tidyTestTime(t)
	tags := []string{"身份", "名字"}
	keep := dedupeTestItem("助手名为 Cyrene，主人习惯这么叫我。", tags, base)
	other := dedupeTestItem("助手名为 Alice，主人习惯这么叫我。", tags, base.Add(time.Minute))
	if cands, _ := dedupeCandsOf(t, newTestStore(t), []MemoryItem{keep, other}); len(cands) != 0 {
		t.Fatalf("簇数 = %d, want 0（拉丁取值不同＝不同事实）", len(cands))
	}
}

// TestDedupeGroupNeverLosesAValue 是**簇级不变式**：任何产出的候选，被吸收行里的
// 每个取值（引号取值 + 拉丁 token）都必须出现在存活行正文里 —— 否则那条取值会随
// 合并从 active 集合里消失。它比单点用例强：新增的簇判据 / 门顺序变化都要过它。
func TestDedupeGroupNeverLosesAValue(t *testing.T) {
	t.Parallel()
	base := tidyTestTime(t)
	tags := []string{"暗号", "约定"}
	items := []MemoryItem{
		dedupeTestItem("用户与助手的验收暗号是「青柠」", tags, base),
		dedupeTestItem("用户与助手的验收暗号是「青柠」，用于确认文档摄取正常", tags, base.Add(time.Minute)),
		dedupeTestItem("验收暗号「青柠」用于确认文档摄取功能正常", tags, base.Add(2*time.Minute)),
		// 同一 tag 集但取值不同（不许进簇）。
		dedupeTestItem("用户与助手的验收暗号是「柠檬」", tags, base.Add(3*time.Minute)),
		// 同 tag 集、取值包含了额外信息（不许进簇：那条取值会丢）。
		dedupeTestItem("验收暗号「青柠」配合口令「开门」一起使用", tags, base.Add(4*time.Minute)),
	}
	cands, _ := dedupeCandsOf(t, newTestStore(t), items)
	if len(cands) != 1 {
		t.Fatalf("簇数 = %d, want 1", len(cands))
	}
	survivor := cands[0].MergedContent
	for _, member := range cands[0].Evidence.DedupeMembers {
		for _, value := range dedupeValues(member) {
			if !strings.Contains(dedupeKey(survivor), value) {
				t.Fatalf("取值 %q 会随合并消失（member=%q survivor=%q）", value, member, survivor)
			}
		}
	}
	for _, member := range cands[0].Evidence.DedupeMembers {
		if strings.Contains(member, "柠檬") || strings.Contains(member, "开门") {
			t.Fatalf("不该被吸收的成员进了簇：%q", member)
		}
	}
}