Files

altair823 aebf900b2f docs(tasks): P7-3 pdf ingest wiring task spec

P7-1 (`PdfTextExtractor`) + P7-2 (`PdfPageV1Chunker`) 의 라이브러리는
완성됐지만 `kebab-app::ingest` 가 `MediaType::Pdf` 를 dispatch 하지 않아
CLI 에서 PDF 가 보이지 않는 상태. P7-3 이 그 와이어링을 다룬다 — P6-4
의 image wiring 패턴과 평행.

핵심 결정 (spec 본문):
- 새 private fn `ingest_one_pdf_asset` (P6-4 의 `ingest_one_image_asset`
  와 평행). `ingest_one_asset` match 에 `MediaType::Pdf` arm 추가.
- per-medium chunker 선택: PDF 는 `PdfPageV1Chunker` 하드코딩 (md 는
  `MdHeadingV1Chunker` 그대로). `config.chunking.chunker_version` 은 PDF
  ingest 에서 무시 (deviation, HOTFIXES 추가 예정).
- encrypted PDF / corrupt PDF → `errors+=1` + `IngestItem.error` 에 P7-1
  의 `qpdf --decrypt` 안내 그대로 보존.
- 빈/scanned candidate 페이지 → asset 인덱싱, 빈 페이지 0 chunk, P7-1
  emit 한 `Provenance::Warning` 그대로 통과. 향후 OCR fallback 까지는
  검색 불가 (out of scope).
- determinism stress: extract → chunk 사이에 `now()` 추가 호출 금지
  (P6-4 와 동일 invariant).
- 11 통합 테스트 + smoke 업데이트 (별도 implementation PR).

`tasks/INDEX.md` P7 components 2 → 3 반영.

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

2026-05-02 09:07:03 +00:00

4.9 KiB

Raw Blame History

title, source, date

title	source	date
KB 작업 단위 인덱스	kebab_local_rust_report.md	2026-04-27

KB 작업 단위 인덱스

kebab_local_rust_report.md 의 Phase 로드맵을 아키텍처 수준 작업 단위로 분해. 각 task 문서는 독립적으로 착수/검수 가능한 단위.

의존 그래프

P0 ── P1 ── P2 ── P3 ── P4 ── P5
                              │
                              ├─ P6 (image)
                              ├─ P7 (pdf)
                              ├─ P8 (audio)
                              └─ P9 (TUI/desktop)

P0~~P5 는 직렬. P6~~P9 는 P5 이후 병렬 가능.

작업 단위

#	코드	제목	핵심 산출 crate	선행
P0	phase-0-skeleton.md	Workspace 뼈대 + 도메인 계약	kebab-core, kebab-parse-types, kebab-config, kebab-app, kebab-cli	–
P1	phase-1-markdown-ingestion.md	Markdown ingestion 파이프라인	kebab-source-fs, kebab-parse-md, kebab-normalize, kebab-chunk, kebab-store-sqlite	P0
P2	phase-2-lexical-search.md	SQLite FTS5 lexical 검색 + citation	kebab-search (lexical)	P1
P3	phase-3-vector-hybrid.md	Local embedding + LanceDB + hybrid	kebab-embed, kebab-embed-local, kebab-store-vector, kebab-search	P2
P4	phase-4-local-llm-rag.md	Local LLM + RAG + grounded answer	kebab-llm, kebab-llm-local, kebab-rag	P3
P5	phase-5-evaluation.md	Golden query / regression eval	kebab-eval	P4
P6	phase-6-image.md	이미지 ingestion (OCR + caption)	kebab-parse-image	P5
P7	phase-7-pdf.md	PDF text + page citation	kebab-parse-pdf	P5
P8	phase-8-audio.md	음성 transcription + timestamp citation	kebab-parse-audio	P5
P9	phase-9-ui.md	TUI + desktop app	kebab-tui, kebab-desktop	P5

Component task decomposition (per phase)

각 phase 의 component-level 분해. AI sub-agent 1세션 = 1 task 가 sweet spot.

P0 — p0/ — 1 component
- p0-1 skeleton
P1 — p1/ — 6 components
P2 — p2/ — 2 components
- p2-1 fts-schema
- p2-2 lexical-retriever
P3 — p3/ — 5 components
P4 — p4/ — 3 components
P5 — p5/ — 2 components
- p5-1 golden-fixture-runner
- p5-2 metrics-compare
P6 — p6/ — 4 components
P7 — p7/ — 3 components
P8 — p8/ — 2 components
- p8-1 whisper-adapter
- p8-2 segment-chunker
P9 — p9/ — 5 components

Post-merge 핫픽스

머지 후 발견된 버그들과 그 follow-up PR들은 HOTFIXES.md에 dated 로그로 기록한다. 원래 task spec은 frozen 상태로 두고, post-merge 동작 변경은 HOTFIXES.md를 source of truth로 본다.

모든 task 공통 규약

의존성 경계 (Allowed / Forbidden) 위반 금지. report §19 참조.
citation 없는 검색 결과 / RAG 응답 금지.
원본 파일 파괴 금지. 파생물만 재생성.
모든 record 에 version (parser/chunker/embedding/index/prompt) 기록.
각 phase 완료 = cargo check --workspace && cargo test --workspace 통과 + 해당 phase 의 완료 조건 CLI 데모 통과.

4.9 KiB Raw Blame History Unescape Escape