lct-07 (без LLM): слот-автомат, персона, звонящий на заготовках, make repl

Звонящий не выдаёт данные сам: автомат держит раскрытые факты явно и
отдаёт звонящему только их. Тест прогоняет длинную серию реплик и
проверяет, что ни один нераскрытый факт не прозвучал.

Главная находка — матчинг по порогу близости не работает. На
multilingual-e5-small настоящие вопросы дают 0.79–0.95, а «Оставайтесь
на линии» — до 0.89: диапазоны перекрываются, и любой порог либо выдаёт
адрес на «успокойтесь», либо не слышит «где вы находитесь?».

Решение — сравнение с ближайшим соседом: у пункта чек-листа несколько
формулировок (examples), рядом общий список не-вопросов
(checklists/common.yaml), и реплика засчитывается пункту, только если она
ближе к нему, чем к любому не-вопросу. На отложенных фразах: 19 из 20
вопросов, 0 из 8 ложных срабатываний.

Реплика режется только по границам предложений, со знаком: «?» для e5 —
сильный признак вопроса, без него «Куда ехать» уходит к не-вопросам.

Подсказка берёт неотработанный пункт из автомата. В живой сессии автомат
начнёт слышать оператора, когда голосовой контур передаст ему stt.final.

Ждёт ключа LLM: условие approach у скрытых фактов, звонящий своими
словами, dialog/llm.py с кэшем.

backend/app/dialog/slots.py

@@ -0,0 +1,185 @@
+"""Слот-автомат: какие факты раскрыты, какие вопросы заданы.
+
+**Звонящий не выдаёт информацию сам.** Автомат держит состояние явно и отдаёт
+звонящему только раскрытые факты — иначе LLM услужливо назовёт адрес без вопроса
+(docs/product/CALL-SIM.md).
+
+Тот же автомат детерминированно отвечает на вопрос «спросил ли оператор про этаж»:
+на нём стоят подсказки, полнота опроса в оценке (E1) и аналитика группы.
+"""
+
+import re
+from dataclasses import dataclass, field
+
+import numpy as np
+
+from app.dialog.embeddings import Embedder
+from app.scenarios.schema import ChecklistItem, Fact, Scenario
+
+#: Как решается, что реплика — вопрос пункта чек-листа.
+#:
+#: Порог по косинусной близости не работает: на multilingual-e5-small настоящие
+#: вопросы дают 0.79–0.95, а не-вопросы вроде «Оставайтесь на линии» — до 0.89.
+#: Диапазоны перекрываются, и любой порог либо выдаёт адрес на «успокойтесь»,
+#: либо не слышит «где вы находитесь?».
+#:
+#: Работает сравнение с ближайшим соседом: реплика засчитывается пункту, если
+#: она ближе к одной из его формулировок, чем к любому не-вопросу из
+#: checklists/common.yaml. На отложенных фразах (tests/test_slots_e5.py):
+#: 19 из 20 вопросов распознано, 0 из 8 ложных срабатываний.
+#:
+#: MATCH_MARGIN — насколько ближе к пункту, чем к не-вопросу. Ноль даёт лучшее
+#: распознавание при нуле ложных срабатываний; 0.03 теряет уже 5 вопросов из 20.
+#: MATCH_FLOOR — нижняя граница на случай сценария без не-вопросов.
+MATCH_MARGIN = 0.0
+MATCH_FLOOR = 0.75
+
+#: Реплика режется только по границам предложений, и знак остаётся при части.
+#: «?» для e5 — сильный признак вопроса: без него «Куда ехать» ближе
+#: к «Оставайтесь на линии», чем к пункту про адрес. По запятым и «и» не режем:
+#: «Улица, дом?» распадается на обрывки, которые не похожи ни на что.
+_SENTENCES = re.compile(r"(?<=[?!.;])\s+")
+
+
+@dataclass
+class TurnResult:
+    """Что произошло в одной реплике оператора."""
+
+    text: str
+    matched: list[str] = field(default_factory=list)   # пункты чек-листа
+    revealed: list[str] = field(default_factory=list)  # факты, раскрытые впервые
+    repeated: list[str] = field(default_factory=list)  # факты, спрошенные повторно
+    scores: dict[str, float] = field(default_factory=dict)
+
+    @property
+    def understood(self) -> bool:
+        return bool(self.matched)
+
+
+class SlotMachine:
+    def __init__(
+        self,
+        scenario: Scenario,
+        embedder: Embedder,
+        floor: float = MATCH_FLOOR,
+        margin: float = MATCH_MARGIN,
+    ) -> None:
+        self.scenario = scenario
+        self.floor = floor
+        self.margin = margin
+        self._embedder = embedder
+
+        self._facts: dict[str, Fact] = {fact.id: fact for fact in scenario.facts}
+        self._items: list[ChecklistItem] = [item for item in scenario.checklist if item.question]
+
+        # Каждая формулировка — отдельная строка; `_owner` помнит, чей это пункт.
+        texts: list[str] = []
+        self._owner: list[int] = []
+        for index, item in enumerate(self._items):
+            for text in [item.question, *item.examples]:
+                texts.append(text)
+                self._owner.append(index)
+        self._anchors = embedder.embed(texts)
+        self._not_questions = (
+            embedder.embed(scenario.not_questions) if scenario.not_questions else None
+        )
+
+        # Какой пункт чек-листа какие факты раскрывает. Скрытые факты вопросом
+        # не раскрываются никогда — только подходом.
+        self._reveals: dict[str, list[str]] = {}
+        for item in self._items:
+            if item.fact and not self._facts[item.fact].hidden:
+                self._reveals.setdefault(item.id, []).append(item.fact)
+        for fact in scenario.facts:
+            question = fact.reveal_on.question if fact.reveal_on else None
+            if question and not fact.hidden and fact.id not in self._reveals.get(question, []):
+                self._reveals.setdefault(question, []).append(fact.id)
+
+        self.asked: list[str] = []
+        self.revealed: list[str] = []
+
+    # ── реплика оператора ──
+
+    def _clauses(self, text: str) -> list[str]:
+        parts = [part.strip() for part in _SENTENCES.split(text.strip()) if part.strip()]
+        return parts or [text]
+
+    def hear(self, text: str) -> TurnResult:
+        """Сопоставить реплику с чек-листом и раскрыть заслуженные факты.
+
+        Реплика режется на предложения: «Где вы? Есть кто внутри?» — два вопроса,
+        и оба должны засчитаться.
+        """
+        result = TurnResult(text=text)
+        clauses = self._embedder.embed(self._clauses(text))
+        by_anchor = self._anchors @ clauses.T  # формулировки × части реплики
+
+        # Лучшая близость каждого пункта к каждой части реплики.
+        owner = np.array(self._owner)
+        item_scores = np.stack(
+            [by_anchor[owner == index].max(axis=0) for index in range(len(self._items))]
+        )  # пункты × части
+
+        # Насколько каждая часть похожа на не-вопрос.
+        if self._not_questions is not None:
+            not_question = (self._not_questions @ clauses.T).max(axis=0)
+        else:
+            not_question = np.full(clauses.shape[0], -1.0)
+
+        # Часть реплики засчитывается только одному, ближайшему пункту:
+        # «адрес» не должен заодно раскрыть «кто в квартире».
+        winners: dict[int, float] = {}
+        for part in range(clauses.shape[0]):
+            best = int(np.argmax(item_scores[:, part]))
+            score = float(item_scores[best, part])
+            if score >= self.floor and score > not_question[part] + self.margin:
+                winners[best] = max(score, winners.get(best, -1.0))
+
+        for index, item in enumerate(self._items):
+            result.scores[item.id] = float(item_scores[index].max())
+            if index not in winners:
+                continue
+            result.matched.append(item.id)
+            if item.id not in self.asked:
+                self.asked.append(item.id)
+            for fact_id in self._reveals.get(item.id, []):
+                if fact_id in self.revealed:
+                    if fact_id not in result.repeated:
+                        result.repeated.append(fact_id)
+                else:
+                    self.revealed.append(fact_id)
+                    result.revealed.append(fact_id)
+        return result
+
+    def reveal_by_approach(self, fact_id: str) -> bool:
+        """Скрытый факт раскрывается подходом оператора, а не вопросом.
+        Решение «создал ли оператор подход» принимает LLM (temperature=0) —
+        автомат только фиксирует результат."""
+        fact = self._facts.get(fact_id)
+        if fact is None or fact_id in self.revealed:
+            return False
+        self.revealed.append(fact_id)
+        return True
+
+    def invalidate(self, fact_id: str) -> None:
+        """Директива «адрес оказался неточным»: оператор обязан переспросить."""
+        if fact_id in self.revealed:
+            self.revealed.remove(fact_id)
+
+    # ── что видят другие ──
+
+    def revealed_facts(self) -> list[Fact]:
+        """Единственное, что уходит в контекст звонящего."""
+        return [self._facts[fact_id] for fact_id in self.revealed]
+
+    def unasked(self) -> list[ChecklistItem]:
+        """Неотработанные пункты по порядку чек-листа — источник подсказки."""
+        return [item for item in self._items if item.id not in self.asked]
+
+    def missing_required(self) -> list[str]:
+        """Обязательные факты, которые оператор так и не добыл — основание E1."""
+        return [
+            fact_id
+            for fact_id in self.scenario.ground_truth.required_facts
+            if fact_id not in self.revealed
+        ]