Files
pv-agent/tests/test_generate.py
T

205 lines
7.9 KiB
Python

"""Tests: Grounding — Post-Validierung, Verweigerungspflicht, Regenerierung.
Der kritische Teil der Pipeline: keine Antwort mit ungültigen Zitaten
verlässt answer_question.
"""
import pytest
from agent.retrieve import ChunkResult
from agent.generate import (
REFUSAL_MESSAGE,
SYSTEM_PROMPT,
UNCERTAIN_MESSAGE,
answer_question,
build_user_content,
looks_like_refusal,
strip_think,
trim_results,
validate_answer,
)
class TestValidateAnswer:
def test_valid_citation_passes(self):
assert validate_answer("ATZ ist Teilzeit [lb-min-01].", ["lb-min-01"]) == []
def test_unknown_id_is_violation(self):
v = validate_answer("ATZ ist xyz [lb-atz-99].", ["lb-min-01"])
assert any("lb-atz-99" in x for x in v)
def test_no_citation_is_violation(self):
v = validate_answer("ATZ ist eine Teilzeit.", ["lb-min-01"])
assert any("keine KB-ID" in x for x in v)
def test_refusal_without_citation_is_ok(self):
assert validate_answer(REFUSAL_MESSAGE, ["lb-min-01"]) == []
def test_bare_id_mention_is_detected(self):
assert validate_answer("Siehe lb-min-02 für Details.", ["lb-min-02"]) == []
def test_system_prompt_requires_nonofficial_source_disclosure():
assert "nicht amtlich" in SYSTEM_PROMPT
class TestRefusalDetection:
def test_refusal_phrase(self):
assert looks_like_refusal("Dazu enthält die Wissensbasis keine Aussage.")
def test_refusal_phrase_with_typos_folds(self):
assert looks_like_refusal("Dazu enthält die Wissensbasis keine Aussage!")
def test_normal_answer_is_no_refusal(self):
assert not looks_like_refusal("Der Anspruch besteht [lb-min-01].")
def test_strip_think_removes_block(self):
open_tag = "<" + "think" + ">"
close_tag = "</" + "think" + ">"
text = open_tag + "Reasoning here" + close_tag + "Antwort [lb-min-01]."
out = strip_think(text)
assert "Reasoning" not in out
assert out.strip().startswith("Antwort [lb-min-01].")
class TestUserContent:
def test_blocks_contain_metadata_header(self, mini_index):
from agent.retrieve import Retriever
r = Retriever(mini_index)
try:
results = r.search("Altersteilzeit Lohnausgleich")
content = build_user_content("Was ist ATZ?", results)
assert "Block 1 — [lb-min-01]" in content
assert "Stand: 2026-01" in content
assert "Frage: Was ist ATZ?" in content
finally:
r.close()
class TestAnswerQuestion:
def test_happy_path_verified(self, mini_index, fake_ollama):
client = fake_ollama(
answers=["Altersteilzeit ist eine Teilzeit mit Lohnausgleich "
"[lb-min-01]. (Stand 2026-01)"]
)
result = answer_question(
"Was ist Altersteilzeit?", mini_index, client=client
)
assert result["verified"] is True
assert result["refused"] is False
assert result["citations"] == ["lb-min-01"]
assert result["sources"][0]["id"] == "lb-min-01"
assert result["sources"][0]["stand"] == "2026-01"
assert client.calls == 1
def test_hallucinated_id_regenerates_then_refuses(self, mini_index, fake_ollama):
client = fake_ollama(answers=[
"ATZ gilt ab 60. Lebensjahr [lb-atz-99].",
"ATZ gilt ab 60. Lebensjahr, siehe [lb-atz-99].",
])
result = answer_question(
"Was ist Altersteilzeit?", mini_index, client=client
)
assert result["refused"] is True
assert result["verified"] is False
assert result["answer"] == UNCERTAIN_MESSAGE
assert result["regenerations"] == 1
assert result["citations"] == []
assert "draft" in result and "lb-atz-99" in result["draft"]
def test_regeneration_can_recover(self, mini_index, fake_ollama):
client = fake_ollama(answers=[
"ATZ gilt ab 60 [lb-atz-99].",
"ATZ ist Teilzeit mit Lohnausgleich [lb-min-01].",
])
result = answer_question(
"Was ist Altersteilzeit?", mini_index, client=client
)
assert result["verified"] is True
assert result["regenerations"] == 1
assert result["citations"] == ["lb-min-01"]
def test_empty_retrieval_refuses_deterministically(self, mini_index, fake_ollama):
client = fake_ollama(answers=["sollte nie aufgerufen werden"])
result = answer_question(
"Wie hoch ist der Wechselkurs von Bermuda-Dollar?", mini_index,
client=client,
)
assert result["refused"] is True
assert result["answer"] == REFUSAL_MESSAGE
assert result["verified"] is True
assert client.calls == 0 # kein LLM-Call bei leerem Retrieval
def test_model_refusal_is_kept(self, mini_index, fake_ollama):
client = fake_ollama(answers=[
f"Zu dieser Frage: {REFUSAL_MESSAGE}"
])
result = answer_question(
"Was ist Altersteilzeit?", mini_index, client=client
)
assert result["refused"] is True
assert result["verified"] is True # Regel-4-konforme Verweigerung
assert client.calls == 1
def test_top_k_limits_context(self, mini_index, fake_ollama):
client = fake_ollama(answers=["Teilzeit [lb-min-01]."])
result = answer_question(
"Altersteilzeit Urlaub Lohnverrechnung", mini_index,
client=client, top_k=1,
)
main = [s for s in result["sources"]]
assert result["n_context"] >= 1
# Haupt-Blöcke auf top_k begrenzt; cross_ref-Erweiterungen dürfen dazu
assert len([s for s in main]) <= result["n_context"]
def test_trim_results_drops_tail_under_budget():
"""Prompt-Budget: Tail-Blöcke (niedrig gerankt) ganz weglassen, nicht truncieren."""
def blk(n, chars):
return ChunkResult(
chunk_id=n, entry_id=f"lb-min-{n:02d}", section="Zusammenfassung",
text="x" * chars, title=f"Titel {n}", stand="2026-01", work="W",
chapter="C", topic="t", tags=[], legal_bases=[], cross_refs=[],
)
blocks = [blk(i, 30_000) for i in range(1, 6)] # 5 x ~30 KB = 150 KB
trimmed = trim_results(blocks, 90_000)
assert 6 >= len(trimmed) >= 6 or len(trimmed) == 5 # 5 Bloecke, Mindesthoehe 6 greift nicht
# Groesserer Fall: 14 Bloecke, Budget schneidet hinten weg
blocks = [blk(i, 8_000) for i in range(1, 15)] # ~112 KB
trimmed = trim_results(blocks, 90_000)
assert 6 <= len(trimmed) < 14
# Erste Bloecke bleiben (best gerankt)
assert trimmed[0].entry_id == "lb-min-01"
assert sum(len(b.text) for b in trimmed) + len(trimmed) * 64 <= 90_000 + 8_000
# Unbegrenzt: Original unveraendert
assert trim_results(blocks, None) is blocks
def test_length_retry_doubles_budget(mini_index):
"""done_reason='length' (abgeschnittene Antwort) -> ein technischer
Retry mit doppeltem num_predict; zaehlt nicht als Regel-Regenerierung."""
class LengthyOllama:
def __init__(self):
self.calls = []
self.budgets = []
def chat_full(self, model, messages, temperature=0.1, num_ctx=16384,
num_predict=1024, think=False):
self.calls.append(messages[-1])
self.budgets.append(num_predict)
if len(self.budgets) == 1:
return "Halbe Zitation [lb-min-0", "length"
return "Antwort mit Beleg [lb-min-01].", "stop"
def chat(self, *a, **k):
raise AssertionError("chat() sollte via chat_full laufen")
def close(self):
pass
client = LengthyOllama()
result = answer_question("Altersteilzeit?", mini_index, client=client)
assert result["verified"] is True
assert result["citations"] == ["lb-min-01"]
assert result["regenerations"] == 0 # technischer Retry, keine Regel-Regen
assert client.budgets == [mini_index.num_predict, mini_index.num_predict * 2]