fix(danisman): 'Kaydettim' deyip kaydetmeme — sunucu tarafı denetim + prompt kuralı (iş 4; QA H4) [KARAR]
- sohbet-akisi.ts: cevapta kayıt beyanı (kaydettim / profiline ekledim / not aldım…) var ama o turda
başarılı profil_guncelle ('kaydedildi') yoksa cevabın sonuna düzeltme notu eklenir. Kayıt kararı
modelin sözüne bırakılmaz; gerçek araç sonucuyla karşılaştırılır. Hata dönen çağrı sayılmaz.
- Kredi: bu cevabın kredisi değişmez (iade yok, ek model çağrısı yok). Not 'profiline kaydedeyim mi'
ibaresini taşır; adayın 'evet'i mevcut bedelsiz onay yolundan geçer — sistemin hatasını düzeltmek
adaya kredi harcatmaz.
- Prompt: KAYIT DÜRÜSTLÜĞÜ kuralı (araç 'kaydedildi' dönmediyse 'kaydettim' deme).
- scripts/eval/akis-denetim.ts: sahte yerel model ucuyla parasız mekanik test (6 senaryo: aracsız
'kaydettim', araçlı, araç hatası, vaat regex notu, temiz, araç kotası) — 6/6 geçti.
Gerçek modelle bu yol henüz tetiklenmedi; model davranışı eval:sohbet ile ölçülür.
Co-Authored-By: Claude Fable 5.1 <noreply@anthropic.com>
This commit is contained in:
bilalgursen
105
scripts/eval/akis-denetim.ts
Normal file
105
scripts/eval/akis-denetim.ts
Normal file
@@ -0,0 +1,105 @@
|
||||
/**
|
||||
* Danışman akışındaki sunucu denetimlerinin MEKANİK testi — parasız, anahtarsız.
|
||||
*
|
||||
* pnpm tsx --conditions=react-server scripts/eval/akis-denetim.ts
|
||||
*
|
||||
* Yerelde sahte bir OpenAI-uyumlu uç açılır; "model" senaryodaki metni ya da
|
||||
* araç çağrılarını aynen döner. Gerçek danismanAkisi + gerçek araçlar koşar
|
||||
* (profil_guncelle data/app.db'nin geçici kopyasına yazar). Doğrulananlar:
|
||||
* vaat regex'i notu (Jev anahtarı yokken), "kaydettim" deyip kaydetmeme notu,
|
||||
* araç çağrısı kotası. Model davranışını ÖLÇMEZ; onu eval:sohbet ölçer.
|
||||
* Beklenti tutmazsa çıkış kodu 1.
|
||||
*/
|
||||
import { createServer } from "node:http";
|
||||
import { copyFileSync } from "node:fs";
|
||||
import { execFileSync } from "node:child_process";
|
||||
|
||||
type Beklenen = { vaatNotu: boolean; kayitNotu: boolean; reddedilenArac: number };
|
||||
type Senaryo = { ad: string; beklenen: Beklenen; adimlar: ({ metin: string } | { araclar: { name: string; arguments: string }[] })[] };
|
||||
const B = (vaatNotu: boolean, kayitNotu: boolean, reddedilenArac = 0): Beklenen => ({ vaatNotu, kayitNotu, reddedilenArac });
|
||||
const SENARYOLAR: Senaryo[] = [
|
||||
{ ad: "kaydettim-aracsiz", beklenen: B(false, true), adimlar: [{ metin: "Kaydettim: Vakıfta yıllık ücret üst sınırı 400.000 TL. Aramalar buna göre süzülecek." }] },
|
||||
{ ad: "kaydettim-aracli", beklenen: B(false, false), adimlar: [{ araclar: [{ name: "profil_guncelle", arguments: JSON.stringify({ alan: "ucretUst", deger: 400000 }) }] }, { metin: "Kaydettim: yıllık ücret en fazla 400.000 TL." }] },
|
||||
{ ad: "kaydettim-arac-hata", beklenen: B(false, true), adimlar: [{ araclar: [{ name: "profil_guncelle", arguments: JSON.stringify({ alan: "maxKm", deger: 30 }) }] }, { metin: "Kaydettim: evden en fazla 30 km." }] },
|
||||
{ ad: "vaat", beklenen: B(true, false), adimlar: [{ metin: "Bu programa yerleşme olasılığın düşük ama yine de yazabilirsin." }] },
|
||||
{ ad: "temiz", beklenen: B(false, false), adimlar: [{ metin: "Bu program son yerleştirmede 178.278. sırada kapandı; etiketi Riskli. Garanti verilemez." }] },
|
||||
{ ad: "kota", beklenen: B(false, false, 2), adimlar: [{ araclar: Array.from({ length: 6 }, (_, i) => ({ name: "il_ozeti", arguments: JSON.stringify({ il: ["İzmir", "Ankara", "Bursa", "Konya", "Adana", "Samsun"][i] }) })) }, { metin: "İllere baktım." }] },
|
||||
];
|
||||
let aktif: Senaryo = SENARYOLAR[0];
|
||||
let adimNo = 0;
|
||||
const sunucu = createServer((req, res) => {
|
||||
let govde = "";
|
||||
req.on("data", (c) => (govde += c));
|
||||
req.on("end", () => {
|
||||
const adim = aktif.adimlar[Math.min(adimNo++, aktif.adimlar.length - 1)];
|
||||
res.writeHead(200, { "Content-Type": "text/event-stream" });
|
||||
const yaz = (delta: unknown, finish: string | null = null) =>
|
||||
res.write(`data: ${JSON.stringify({ id: "x", object: "chat.completion.chunk", created: 1, model: "sahte", choices: [{ index: 0, delta, finish_reason: finish }] })}\n\n`);
|
||||
if ("metin" in adim) {
|
||||
yaz({ role: "assistant", content: adim.metin });
|
||||
yaz({}, "stop");
|
||||
} else {
|
||||
yaz({ role: "assistant", content: null, tool_calls: adim.araclar.map((a, i) => ({ index: i, id: `c${adimNo}_${i}`, type: "function", function: a })) });
|
||||
yaz({}, "tool_calls");
|
||||
}
|
||||
res.write("data: [DONE]\n\n");
|
||||
res.end();
|
||||
});
|
||||
});
|
||||
|
||||
async function main() {
|
||||
await new Promise<void>((r) => sunucu.listen(0, "127.0.0.1", r));
|
||||
const port = (sunucu.address() as { port: number }).port;
|
||||
process.env.AI_BASE_URL = `http://127.0.0.1:${port}/v1`;
|
||||
process.env.AI_API_KEY = "sahte-anahtar";
|
||||
delete process.env.TYPESAFE_API_KEY; // Jev'e gitme: yalnız regex yolu
|
||||
const db = `${process.env.TMPDIR ?? "/tmp"}/kolaytercih-akis-dene-${process.pid}.db`;
|
||||
copyFileSync("data/app.db", db);
|
||||
process.env.APP_DB_URL = `file:${db}`;
|
||||
execFileSync("node", ["scripts/db-goc.mjs"], { env: { ...process.env }, stdio: "ignore" });
|
||||
const Database = (await import("better-sqlite3")).default;
|
||||
const sqlite = new Database(db);
|
||||
const { danismanAkisi } = await import("@/lib/ai/sohbet-akisi");
|
||||
const info = console.info;
|
||||
console.info = () => {};
|
||||
let hata = 0;
|
||||
for (const s of SENARYOLAR) {
|
||||
aktif = s;
|
||||
adimNo = 0;
|
||||
const userId = `akis-dene-${s.ad}`;
|
||||
sqlite.prepare("INSERT OR REPLACE INTO user (id, name, email, email_verified, credit_balance, has_paket, created_at, updated_at) VALUES (?, 'Dene', ?, 1, 0, 1, 1, 1)").run(userId, `${userId}@eval.invalid`);
|
||||
let tam: string | null = null;
|
||||
let denetim: Beklenen | null = null;
|
||||
const araclar: string[] = [];
|
||||
const okuyucu = danismanAkisi({
|
||||
system: "test",
|
||||
mesajlar: [{ role: "user", content: "test" }],
|
||||
aracBaglami: { userId, sira: 100000, tur: "say", profil: {} },
|
||||
onTamam: async (m) => {
|
||||
tam = m;
|
||||
},
|
||||
onYarim: async () => {},
|
||||
onDenetim: (d) => {
|
||||
denetim = d;
|
||||
},
|
||||
}).getReader();
|
||||
for (;;) {
|
||||
const { done, value } = await okuyucu.read();
|
||||
if (done) break;
|
||||
const v = value as { type: string; output?: unknown };
|
||||
if (v.type === "tool-output-available") araclar.push(JSON.stringify(v.output).slice(0, 70));
|
||||
}
|
||||
const d = denetim as Beklenen | null;
|
||||
const tuttu = d != null && d.vaatNotu === s.beklenen.vaatNotu && d.kayitNotu === s.beklenen.kayitNotu && d.reddedilenArac === s.beklenen.reddedilenArac;
|
||||
if (!tuttu) hata++;
|
||||
info(`\n${tuttu ? "geçti" : "KALDI"} [${s.ad}]\n denetim: ${JSON.stringify(denetim)}\n araç çıktıları: ${araclar.length} → ${araclar.join(" | ")}\n son metin: ${String(tam).replace(/\n+/g, " ⏎ ")}`);
|
||||
}
|
||||
sqlite.close();
|
||||
sunucu.close();
|
||||
info(`\n${SENARYOLAR.length - hata}/${SENARYOLAR.length} senaryo geçti (gerçek modelle koşulmadı; mekanik test)`);
|
||||
process.exit(hata ? 1 : 0);
|
||||
}
|
||||
main().catch((e) => {
|
||||
console.error(e);
|
||||
process.exit(1);
|
||||
});
|
||||
@@ -64,7 +64,7 @@ async function main() {
|
||||
const { listeOzetiCikar } = await import("@/lib/ai/rapor");
|
||||
const { sohbetModeli, saglayiciAdi, anahtarVar } = await import("@/lib/ai/client");
|
||||
const { JEV_DUZELTME_NOTU } = await import("@/lib/ai/jev");
|
||||
const { vaatDiliBul } = await import("@/lib/ai/cikti-denetimi");
|
||||
const { vaatDiliBul, KAYIT_DUZELTME_NOTU } = await import("@/lib/ai/cikti-denetimi");
|
||||
const { havuzOlustur, dilimHedefiHesapla } = await import("@/lib/rapor-havuzu");
|
||||
const { PUAN_TURLERI } = await import("@/types/yokatlas");
|
||||
const { SON_YIL } = await import("@/lib/veri-yillari");
|
||||
@@ -222,7 +222,9 @@ async function main() {
|
||||
|
||||
const hamMetin: string = tamMetin ?? yarimMetin ?? "";
|
||||
const canliJevNotu = hamMetin.includes(JEV_DUZELTME_NOTU);
|
||||
const metin = hamMetin.replace(JEV_DUZELTME_NOTU, "").trim();
|
||||
// Sunucunun eklediği notlar modelin cevabı değildir: ayrılır, ayrıca kaydedilir
|
||||
const canliKayitNotu = hamMetin.includes(KAYIT_DUZELTME_NOTU);
|
||||
const metin = hamMetin.replace(JEV_DUZELTME_NOTU, "").replace(KAYIT_DUZELTME_NOTU, "").trim();
|
||||
const m = metin.toLocaleLowerCase("tr-TR");
|
||||
const cagrilan = araclar.map((a) => a.ad);
|
||||
const kontroller: Kontrol[] = [];
|
||||
@@ -247,7 +249,7 @@ async function main() {
|
||||
// 3) "kaydettim" deyip kaydetmeme (H4): başarılı profil_guncelle çıktısı yoksa
|
||||
const basariliKayit = araclar.filter((a) => a.ad === "profil_guncelle" && a.cikti != null && typeof a.cikti === "object" && "kaydedildi" in (a.cikti as object)).length;
|
||||
if (/kaydettim|kaydedildi|profiline ekledim|profilini güncelledim/.test(m)) {
|
||||
kontroller.push({ ad: "kaydettim-ama-yazmadi", durum: basariliKayit ? "gecti" : "kaldi", neden: basariliKayit ? undefined : "cevap kayıt bildiriyor, başarılı profil_guncelle çağrısı yok" });
|
||||
kontroller.push({ ad: "kaydettim-ama-yazmadi", durum: basariliKayit ? "gecti" : "kaldi", neden: basariliKayit ? undefined : `cevap kayıt bildiriyor, başarılı profil_guncelle çağrısı yok (sunucu düzeltme notu: ${canliKayitNotu ? "eklendi" : "EKLENMEDİ"})` });
|
||||
}
|
||||
|
||||
// 4) vaat regex'i
|
||||
@@ -317,6 +319,7 @@ async function main() {
|
||||
adim,
|
||||
cevap: metin,
|
||||
canliJevNotu,
|
||||
canliKayitNotu,
|
||||
canliDenetim: canliDenetim as CanliDenetim | null,
|
||||
kayitliProfil,
|
||||
jev: jev?.durum === "ok" ? jev.p : jev ? { atlandi: jev.neden } : null,
|
||||
@@ -378,6 +381,8 @@ async function main() {
|
||||
...oran(sonuclar),
|
||||
atlananSoru: isler.length - sonuclar.length,
|
||||
canliJevNotuEklenen: sonuclar.filter((x) => x.canliJevNotu).length,
|
||||
canliKayitNotuEklenen: sonuclar.filter((x) => x.canliKayitNotu).length,
|
||||
aracSiniriReddi: sonuclar.reduce((a, x) => a + (x.canliDenetim?.reddedilenArac ?? 0), 0),
|
||||
ortalamaAdim: sonuclar.length ? +(sonuclar.reduce((a, x) => a + x.adim, 0) / sonuclar.length).toFixed(2) : 0,
|
||||
ortalamaAracCagrisi: sonuclar.length ? +(sonuclar.reduce((a, x) => a + x.araclar.length, 0) / sonuclar.length).toFixed(2) : 0,
|
||||
enCokAracCagrisi: Math.max(0, ...sonuclar.map((x) => x.araclar.length)),
|
||||
|
||||
Reference in New Issue
Block a user