Recall для регистратора: привязка к репо, доска статусов, разнообразная выдача

README.es-ES.md

@@ -106,6 +106,20 @@ legible. `grep` escanea bajo demanda **todas** las transcripciones indexadas —
 turnos internos (salida de herramientas, razonamiento) que nunca se convirtieron en
 fragmentos de búsqueda. Solo bajo demanda: sin inyección proactiva de contexto en cada prompt.
 
+**A qué proyecto pertenece una sesión.** El `project` de un ancla es la carpeta donde se
+lanzó la sesión; sus `repos` son aquello en lo que la sesión trabajó de verdad. Cada ruta que
+nombran sus llamadas a herramientas (una edición, un `cd`, un `workdir` de Codex) se resuelve
+al repo git que la contiene — los worktrees y los alias por symlink colapsan a un solo
+checkout — y un repo distinto de la carpeta de lanzamiento necesita al menos tres llamadas
+para contar. Pasa `project="harmonia"` a cualquier herramienta de descubrimiento para obtener
+las sesiones que trabajaron en ese repo, se lanzaran donde se lanzaran; `scope_cwd` también
+las incluye. `recall_search` devuelve como mucho dos anclas por sesión (`per_session`, `0` =
+sin límite) para que una sesión larga no llene la página, y recorta cada fragmento alrededor
+del pasaje que coincide con la consulta. `recent_sessions` se lee como un tablero de estado:
+la primera petición real, la última petición y respuesta, rama, repos, `started_by` (`user`,
+`agent` o `automation`, inferido de los metadatos de la transcripción) y `active` (un turno
+en los últimos 10 minutos).
+
 <details>
 <summary><strong>Ver una llamada completa</strong></summary>
 

README.md

@@ -98,6 +98,18 @@ Ranked anchors carry provenance and a human-readable timestamp. `grep` scans **a
 transcripts on demand — including under-the-hood turns (tool output, thinking) that never
 became search chunks. On-demand only: no proactive context injection into every prompt.
 
+**Which project a session belongs to.** A hit's `project` is the folder the session was
+launched in; its `repos` are what that session actually worked on. Every path its tool calls
+name (an edit, a `cd`, a Codex `workdir`) is resolved to the owning git repo — worktrees and
+symlinked aliases collapse to one checkout — and a repo other than the launch folder needs at
+least three calls to count. Pass `project="harmonia"` to any discovery tool to get the
+sessions that worked on that repo wherever they ran; `scope_cwd` includes them too.
+`recall_search` keeps at most two hits per session (`per_session`, `0` = off) so one long
+session cannot fill the page, and cuts each snippet around the passage that matches the
+query. `recent_sessions` reads like a status board: the first real ask, the latest ask and
+answer, branch, repos, `started_by` (`user`, `agent` or `automation`, inferred from
+transcript metadata) and `active` (a turn in the last 10 minutes).
+
 <details>
 <summary><strong>See a complete call</strong></summary>
 

README.zh-CN.md

@@ -95,6 +95,16 @@ flowchart LR
 `grep` 按需扫描**所有**已索引的会话记录——包括那些从未成为搜索分块的幕后轮次
 （工具输出、思考过程）。一切只按需进行：不会向每条提示词主动注入上下文。
 
+**会话属于哪个项目。** 锚点上的 `project` 是会话启动时所在的文件夹；`repos` 才是该会话真正
+动过的仓库。工具调用里出现的每个路径（一次编辑、一次 `cd`、Codex 的 `workdir`）都会解析到
+拥有它的 git 仓库——worktree 和符号链接别名会折叠成同一个检出——而启动文件夹以外的仓库至少
+要被调用三次才算数。给任何检索工具传 `project="harmonia"`，就能拿到所有动过这个仓库的会话，
+无论它们在哪里启动；`scope_cwd` 也会包含它们。`recall_search` 每个会话最多保留两条结果
+（`per_session`，`0` 表示不限），避免一个长会话占满整页，并把摘要截在与查询匹配的段落附近。
+`recent_sessions` 读起来像一块状态看板：第一个真正的请求、最新的请求和回答、分支、仓库、
+`started_by`（`user`、`agent` 或 `automation`，依据会话记录的元数据推断）以及 `active`
+（最近 10 分钟内有过轮次）。
+
 <details>
 <summary><strong>查看一次完整调用</strong></summary>
 

docs/README.ru.md

@@ -104,6 +104,19 @@ flowchart LR
 подкапотные реплики (вывод инструментов, размышления), которые так и не стали поисковыми
 чанками. Только по требованию: никакой проактивной инъекции контекста в каждый промпт.
 
+**К какому проекту относится сессия.** `project` у хита — папка, где сессию запустили;
+`repos` — репозитории, с которыми она на самом деле работала. Каждый путь из вызовов
+инструментов (правка файла, `cd`, `workdir` у Codex) сводится к git-репозиторию-владельцу —
+worktree и симлинки-псевдонимы схлопываются в один чекаут, — а чужому репо, кроме папки
+запуска, нужно минимум три вызова, чтобы засчитаться. Передайте `project="harmonia"` в любой
+поисковый инструмент — получите сессии, которые работали с этим репо, где бы их ни запустили;
+`scope_cwd` их тоже включает. `recall_search` берёт не больше двух хитов на сессию
+(`per_session`, `0` — без лимита), чтобы одна длинная сессия не забивала выдачу, и режет
+сниппет вокруг места, совпавшего с запросом. `recent_sessions` читается как доска статусов:
+первый настоящий запрос, последний запрос и ответ, ветка, репозитории, `started_by` (`user`,
+`agent` или `automation`, по метаданным транскрипта) и `active` (реплика за последние
+10 минут).
+
 <details>
 <summary><strong>Посмотреть полный вызов</strong></summary>
 

docs/decisions/2026-10-25-recall-for-registrar.md

@@ -0,0 +1,107 @@
+# Recall as the registrar's memory: repo attribution, status board, diverse hits
+
+## Контекст
+
+Максим проектирует «Командный центр»: он говорит только с регистратором — LLM-
+коннектором, у которого из инструментов один поиск. Регистратор должен отвечать
+«что происходит в проекте X», «кто из агентов что делает», «к какому проекту это
+относится», «что мы решили по Y», и его память — session-recall. Аудит живого
+индекса 25.10 (875 сессий, Qwen3-Embedding-8B) показал, что на эти вопросы recall
+отвечает плохо:
+
+- `project` — это папка запуска. Сессия 82ef7c9a числилась `food_sferyx` (запущена
+  в его worktree), а сделала 254 файловые операции в `~/harmonia` и ни одной в
+  food_sferyx. `recall_search(scope_cwd=~/harmonia)` вернул 2 нерелевантных хита.
+  `~/exodia` — симлинк на `~/whytap`, но в индексе это два проекта.
+- `recent_sessions.label` — первый промпт, а он часто служебный
+  (`<side-sessions-event>` 95 раз, бриф side-сессии 40, `<pasted_content>` 24). Нет
+  последнего запроса/ответа, ветки, того, кто открыл сессию.
+- «что происходит в проекте Гармония» → 7 из 10 хитов из одной сессии.
+- Сниппет — первые 200 символов; у 681 сжатого пересказа это всегда одна и та же
+  шапка «This session is being continued…».
+
+## Решение
+
+1. **Атрибуция к репо по вызовам инструментов** (`repos.py`). Каждый путь во
+   ВХОДАХ вызовов (Edit `file_path`, `cd`, `git -C`, Codex `workdir`, код Codex
+   `exec`) сводится к git-репо: подъём по ФС до `.git`, `.git`-файл worktree ведёт к
+   основному чекауту, затем `realpath` (симлинк-псевдоним → один репо). Вызов без
+   абсолютного пути засчитывается папке запуска. Чужому репо нужно ≥3 вызова; папка
+   запуска засчитывается всегда (если не git — под своим именем). Факты лежат в
+   `session_repos` / `session_info` / `repo_scans`, по `file_path`, в той же
+   пофайловой транзакции, что и чанки.
+2. **`project=` во всех поисковых тулзах** и расширенный `scope_cwd`: сессия
+   проходит фильтр, если запущена в репо ИЛИ работала с ним. `scope_cwd` из подпапки
+   сводится к корню репо. Anchor получил поле `repos`.
+3. **`recent_sessions` как доска статусов**: `label` = первый настоящий запрос
+   (из брифа side-сессии — блок `Task:`), `last_user`, `last_assistant`,
+   `git_branch`, `repos`, `started_by` (`user` / `agent` / `automation`), `active`.
+4. **Не больше 2 хитов на сессию** в `recall_search` (`per_session`, 0 = выкл.), с
+   добором в порядке ранга, если сессий меньше, чем слотов. Реранкер теперь
+   упорядочивает все кандидаты, а не top-k.
+5. **Сниппет по запросу** (`snippets.py`): окно, покрывающее больше всего слов
+   запроса (префиксное совпадение — «Гармония»/«Гармонии»), шапка compaction-
+   пересказа срезается; без буквального совпадения — начало текста.
+
+## Почему
+
+- Вызовы инструментов — единственное надёжное свидетельство, с каким кодом
+  работала сессия; текст ответа упоминает чужие репо постоянно, а результаты
+  инструментов (листинги, `ls ~`) — тем более, поэтому учитываются только входы.
+- Скан — только текст, без эмбеддингов: старый индекс догоняется одним потоковым
+  проходом, без повторной оплаты эмбеддера и без смены `EXTRACTOR_VERSION`.
+- `started_by` берётся из метаданных (`entrypoint` у Claude, `originator`/`source`
+  у Codex), а не из слов: промпт подделать легко, метаданные — нет. Две текстовые
+  формы (бриф side-сессии, `<heartbeat>`) — то, что оставляет сама программа.
+- Лимит на сессию с добором: регистратору нужен разрез по сессиям, но узкая
+  история не должна возвращать меньше k.
+
+## Что протестировали
+
+- `tests/test_registrar.py` — сценарии из живого индекса: сессия в worktree
+  одного репо правит другой; симлинк-псевдоним; «взгляд» на соседний README и
+  чтение плагин-кэша (git-клон в `~/.claude`) не дают атрибуции; удалённый
+  worktree и не-git папка; scratch-папка в `~/Library`; Codex `workdir` + код
+  `exec` + `originator: Claude Code`; догон старого индекса без единого нового
+  эмбеддинга; рост и удаление транскрипта; доска статусов с брифом,
+  `<side-sessions-event>`, `<pasted_content>`, heartbeat, `sdk-cli`; лимит на
+  сессию и добор; сниппет у compaction-пересказа; проброс `project` через MCP и
+  клиент хаба.
+- Первая версия `grep` с фильтром `project` молча теряла все хиты: локальная
+  переменная цикла перезаписывала параметр `project` — поймал существующий тест
+  Codex-интеграции.
+- `scope_cwd` из подпапки (`~/harmonia/src`) сначала не находил работу из других
+  папок: сравнивался путь, а не корень репо. Исправлено отдельным подъёмом до
+  `.git` без фильтров атрибуции.
+- Первый прогон на клоне живого индекса завис на первом же транскрипте: хвост
+  URL `https://github.com/…` распознавался как путь `//github.com/…`, а POSIX
+  `dirname("//") == "//"` — подъём к корню не кончался. Плюс `repo_of("/")` через
+  `normpath("")` превращался в `.` и находил репо текущего каталога. Оба случая
+  закрыты и покрыты тестом; после фикса тот же транскрипт сканируется за 0.01 с.
+- Второй прогон показал дыру: Codex держит worktree в `~/.codex/worktrees/<id>/<repo>`,
+  а скрытые папки отбрасывались до поиска `.git` — 44 сессии whytap остались без
+  атрибуции. Теперь скрытая папка судится по репо, к которому ведёт (worktree →
+  основной чекаут засчитывается, git-клон плагина в `~/.claude` — нет), а удалённый
+  Codex-worktree сводится к одноимённому чекауту в `~`. После этого 0 сессий
+  whytap/exodia без атрибуции.
+- Клон живого индекса (876 сессий, 620 транскриптов, 6.8 GB): догон фактов —
+  25 с, без единого нового эмбеддинга. whytap: 224 сессии (было 89 + 136 под
+  двумя именами); harmonia: 5 сессий вместо 1; 4 сессии «food_sferyx» на деле
+  работали в другом репо; `started_by`: 451 user / 177 agent.
+- Живые запросы: «что происходит в проекте Гармония» — 6 разных сессий в топ-10
+  вместо 4 (7 хитов было из одной); `scope_cwd=~/harmonia` находит работу из
+  worktree food_sferyx вместо двух нерелевантных хитов. Локальная часть поиска
+  (knn+fts) — 0.8 с против 1.0 с до изменений; реранк 100 кандидатов не дороже 10.
+
+## Отвергли
+
+- Определять проект по тексту (упоминания имени репо) — шум: MEMORY.md с именами
+  всех проектов вставлен в каждую сессию.
+- `git remote` вместо пути — нужен `git` на каждый путь и не работает на хабе.
+- Переписать `chunks.project` — пришлось бы перевыпускать весь индекс и ломать
+  смысл поля «где запущено», на который опираются старые клиенты.
+- Отдельная тулза `project_state` — следующий шаг поверх атрибуции (пункт 6
+  аудита), не в этом PR.
+- Чистка шума в `grep` (пункт 5 аудита) — отдельным заходом.
+
+2026-10-25 · PR: см. историю ветки `claude/recall-for-registrar-1220aa`

src/session_recall/hub/app.py

@@ -271,7 +271,8 @@ def _search(self, owner: str, body: dict) -> None:
             hits = hub.recall.recall_search(
                 query, k=int(body.get("k") or 10),
                 scope_cwd=body.get("scope_cwd"), source=body.get("source"),
-                start_ts=start_ts, end_ts=end_ts)
+                start_ts=start_ts, end_ts=end_ts, project=body.get("project"),
+                per_session=int(body.get("per_session", 2)))
             owners = owners_for(hub, (a.session_id for a in hits))
             self._send(200, {
                 "anchors": [_anchor(a, owners.get(a.session_id)) for a in hits],
@@ -302,7 +303,7 @@ def _grep(self, owner: str, body: dict) -> None:
             hits = hub.recall.grep(
                 pattern, body.get("session_id"), scope_cwd=body.get("scope_cwd"),
                 source=body.get("source"), limit=int(body.get("limit") or 100),
-                start_ts=start_ts, end_ts=end_ts)
+                start_ts=start_ts, end_ts=end_ts, project=body.get("project"))
             owners = owners_for(hub, (a.session_id for a in hits))
             self._send(200, {
                 "anchors": [_anchor(a, owners.get(a.session_id)) for a in hits]})
@@ -311,7 +312,8 @@ def _recent(self, owner: str, body: dict) -> None:
             start_ts, end_ts = _range(body)
             sessions = hub.recall.recent_sessions(
                 scope_cwd=body.get("scope_cwd"), limit=int(body.get("limit") or 10),
-                source=body.get("source"), start_ts=start_ts, end_ts=end_ts)
+                source=body.get("source"), start_ts=start_ts, end_ts=end_ts,
+                project=body.get("project"))
             owners = owners_for(hub, (s["session_id"] for s in sessions))
             for session in sessions:
                 session["owner"] = owners.get(session["session_id"])