fix(eval): reeval_baseline.py fuer #232-Re-Eval-Sweep einsatzbereit machen

[TillQuandel]

Ist-Zustand

python reeval_baseline.py --dry-run auf master (a720399, enthält #298) meldet „Zu evaluieren: 0 Notes" — alle 14 Ordner in generative/.cache/eval/baseline/ werden übersprungen. Zwei unabhängige Bugs:

1. _already_done() prüft hartkodiert eval_version='4.1' (Zeile 92). Nach dem EVAL_VERSION-Bump auf 4.3 (fix(eval): CID-Font-Artefakte (U+0231/U+022C) im Quelltext zurückmappen — Grounder bestraft OCR-degradierte PDFs nicht mehr (#278) #298) markiert das jede historisch mit 4.1 evaluierte Note als „schon erledigt" — obwohl deren Re-Evaluierung unter der aktuellen Version der Zweck des Sweeps ist.
2. PDF_MAP ist veraltet (verweist auf nicht-existierende Dateinamen wie „Bates - 2017 - Information Behavior.pdf"; kennt die meisten der 14 Ordner gar nicht) und nutzt Präfix-Matching (folder.startswith(prefix)).

Fix

#	Punkt	Vorher	Nachher
1	Guard	hartkodiert eval_version='4.1'	scopt auf _eq.EVAL_VERSION (aktuell 4.3), additiv — alte Zeilen bleiben, Resume innerhalb einer Version bleibt erhalten
2	Abschluss-Report	query_note_evals(eval_version="4.1")	query_note_evals(eval_version=_eq.EVAL_VERSION)
3	PDF_MAP-Matching	Präfix (folder.startswith(prefix)) — kollidiert real (s.u.)	exakter Ordnername (PDF_MAP.get(folder_name))
4	PDF_MAP-Pfade	hartkodierte C:/Users/tillq/OneDrive/...-Literale	generative.config.LITERATURE_DIR (vorhandene Config-Konstante; CLAUDE.md-Pfadregel: keine hartkodierten C:/Users/...-Literale im Code)
5	Worktree-Fähigkeit	BASELINE_DIR nicht überschreibbar	neue --baseline-dir-Option (Default bleibt ROOT-relativ) + main(argv=...) für Tests/Funktionsnachweise

Die Präfix-Kollision konkret: "Porst-2014-Auszug-S1-40-bak-preclean-20260530" beginnt mit "Porst-2014-Auszug-S1-40" — unter Präfix-Matching hätte der Backup-Ordner denselben Eintrag geerbt wie der Hauptordner, obwohl er explizit ausgeschlossen sein soll. Test dafür (synthetisch, Foo/Foo-bak): TestFindPdfExactMatchNoPrefixCollision.

PDF_MAP — historischer Beleg je Eintrag

Rekonstruiert aus atomic_analytics.db (note_evals.pdf je vault__*.md-Datei des jeweiligen Ordners, read-only Query gegen die Bestandsdaten) + Existenz-Check gegen LITERATURE_DIR (C:/Users/tillq/OneDrive/Dokumente/Literatur/). Alle 14 aktuell existierenden Baseline-Ordner:

Ordner	DB-Historie (note_evals.pdf)	PDF existiert?	Entscheidung
Bates - Information Behavior	4/5 Zeilen → „Bates - Information Behavior.pdf" (4 Notes), 1 Zeile → „bates-2017.pdf" (Note „Geschichte der Information-Behavior-Forschung.md", vermutlich Rename-Altlast)	ja	gemappt auf Mehrheitswert, Ordnername matcht exakt
Ebner und Gegenfurtner - 2019 - ...	2/2 Notes → exakt gleichnamiges PDF	ja	gemappt
Hrastinski - 2008 - ...	2/2 Notes → exakt gleichnamiges PDF	ja	gemappt
Schlebbe und Greifeneder - 2022 - ...	3 Notes; „Kritik am Information-Need-Konzept.md" hat 4 Zeilen → Schlebbe-PDF und 2 Zeilen → „Afzal - 2017 - ...pdf" (Titel identisch mit POISON_TITLE-Fixture in test_title_trust_cross_check.py/test_load_draft_state_roundtrip.py — vermutlich Testkontamination der Produktions-DB, nicht die reale Quelle); „Der rote Faden...md" → Schlebbe-PDF; „Information Need.md" ohne DB-Historie	Schlebbe-PDF: ja. Afzal-PDF: nein	gemappt auf Schlebbe (Mehrheit + Ordnername + Afzal-Datei existiert ohnehin nicht)
Spreitzer - ...	4/4 Notes → exakt gleichnamiges PDF	ja	gemappt
Sühl-Strohmenger - 2008 - ...	10/12 Notes → exakt gleichnamiges PDF (2 Notes ohne DB-Historie, vermutlich noch nie evaluiert)	ja	gemappt
Bates - 2017 - Information Behavior	0 Notes, 0 DB-Zeilen (Ordner ist komplett leer)	n/a	ausgeschlossen — vermutlich Alt-Ordner vor Umbenennung zu „Bates - Information Behavior"
bates-2017	1/2 Notes → „bates-2017.pdf" (n=3)	nein	ausgeschlossen — historisches PDF fehlt; NICHT durch „Bates - Information Behavior.pdf" ersetzt (kein Beleg, dass es dieselbe Quelle ist)
Porst-2014-Auszug-S1-40	2/2 Notes → „Porst-2014-Auszug-S1-40.pdf" (Auszug S1-40)	nein (nur Voll-PDFs „Porst - 2011/2014 - Fragebogen ... Arbeitsbuch.pdf" vorhanden)	ausgeschlossen — Auszug-PDF fehlt, bewusst NICHT durchs Voll-PDF ersetzt (mehr Chunks → Score-Verwässerung); offener Punkt s.u.
Porst-2014-Auszug-S1-40-bak-preclean-20260530	0 Notes, 0 DB-Zeilen	n/a	ausgeschlossen — Backup-Ordner (Suffix -bak-preclean)
zettelkasten-primer	7/8 Notes → „zettelkasten-primer.pdf"	nein	ausgeschlossen — historisches PDF fehlt
flags	0 DB-Zeilen; Note-Frontmatter source-file: "flags.pdf"	n/a	ausgeschlossen — Pytest-Fixture-Note (Test-/Struktur-Ordner, keine echte Baseline)
fresh	0 DB-Zeilen; Note-Frontmatter analog	n/a	ausgeschlossen — Pytest-Fixture-Note
src	0 DB-Zeilen; Note-Frontmatter source-file: "src.pdf"	n/a	ausgeschlossen — Pytest-Fixture-Note

6 Ordner gemappt, 8 explizit ausgeschlossen (jeweils mit Grund im Code-Kommentar bei PDF_MAP, kein stilles Weglassen).

Sonderfall-Entscheide (Auftrag Punkt 3)

• Porst-2014-Auszug-S1-40: historische Zuordnung zeigt eindeutig auf ein Auszug-PDF (S1-40), nicht das Voll-PDF. Da dieses Auszug-PDF nicht mehr existiert, wird der Ordner geskippt — keine Substitution durch das Voll-PDF, weil das die Chunk-Anzahl und damit die Scores gegenüber der historischen Baseline verzerren würde.
• Porst-2014-Auszug-S1-40-bak-preclean-20260530: 0 Notes vorhanden (leer), zusätzlich explizit als Backup ausgeschlossen (nicht nur zufällig leer — falls dort je wieder Dateien landen, greift der Ausschluss trotzdem).
• flags / fresh / src: enthalten vault__*.md-Dateien, aber deren Frontmatter (source-file: "flags.pdf" bzw. "src.pdf") zeigt eindeutig Pytest-Fixtures — keine echten Baseline-Notes. Sauber geskippt (kein PDF im Mapping, Skip-Meldung „kein PDF für: …").
• zettelkasten-primer: historische Quelle „zettelkasten-primer.pdf" ermittelt, existiert aber nicht in LITERATURE_DIR → Skip + Dokumentation.

Dry-Run — Vorher/Nachher

Vorher (master, unverändert): Zu evaluieren: 0 Notes

Nachher (--baseline-dir gegen das Haupt-Repo-Cache, ATOMIC_DB_PATH/ATOMIC_AGENT_PDF_BASE auf die echten Pfade gesetzt, read-only — kein LLM-Call, kein DB-Write):

  [skip] kein PDF für: Bates - 2017 - Information Behavior
  [skip] kein PDF für: bates-2017
  [skip] kein PDF für: flags
  [skip] kein PDF für: fresh
  [skip] kein PDF für: Porst-2014-Auszug-S1-40
  [skip] kein PDF für: Porst-2014-Auszug-S1-40-bak-preclean-20260530
  [skip] kein PDF für: src
  [skip] kein PDF für: zettelkasten-primer
Zu evaluieren: 27 Notes
...
[dry-run] Fertig: 27 neu evaluiert, 0 übersprungen, 0 Fehler

27 Notes über 6 Ordner (Bates - Information Behavior 4, Ebner 2, Hrastinski 2, Schlebbe 3, Spreitzer 4, Sühl-Strohmenger 12), 0 „übersprungen" (bereits mit 4.3 evaluiert) — korrekt, da alle 27 bisher nur 4.1-Historie haben. 8 Ordner sauber geskippt. 6 + 8 = 14, deckt alle real existierenden Baseline-Ordner ab.

Tests (TDD)

Neue Datei generative/tests/test_reeval_baseline_guard.py, 12 Tests, alle vorher gegen den unveränderten Code als RED verifiziert (9 schlugen erwartungsgemäß fehl, 3 bestanden bereits als Baseline-Sanity-Checks):

• TestAlreadyDoneUsesCurrentEvalVersion — Guard nutzt _eq.EVAL_VERSION, nicht 4.1 (RED: assert False is True bzw. assert True is False gegen Alt-Code).
• TestFindPdfExactMatchNoPrefixCollision — exakter Abgleich, synthetisch (Foo/Foo-bak), deckt die reale Präfix-Kollision ab.
• TestPdfMapRealBaselineFolders — Regression-Lock der obigen Beleg-Tabelle (6 gemappte + 8 ausgeschlossene Ordner).
• test_no_hardcoded_literature_path_in_source — Regression-Guard analog eval_figure_feasibility.py (keine OneDrive/Dokumente/Literatur-Literale).
• TestBaselineDirOption — neue CLI-Option + argv-Parameter.

Ergebnis: 12/12 GREEN, keine Regression in test_baseline_run_namespace.py (bestehende reeval_baseline-Tests, 13/13 weiterhin grün).

Volle Suite (generative + lib/decision_engine/tests + shared/tests): 5969 passed, 3 skipped, 8 deselected (keine Failures).

ruff: ruff check clean, ruff format --check clean (nach ruff format auf beide geänderten Dateien angewendet).

Offene Punkte

1. Porst-2014-Auszug-S1-40 bleibt dauerhaft ausgeschlossen, bis das Auszug-PDF (S1-40) wiederbeschafft/rekonstruiert wird. Betrifft 2 Notes.
2. bates-2017 und zettelkasten-primer bleiben ausgeschlossen, da ihre historischen PDF-Dateinamen nicht in LITERATURE_DIR liegen. Falls diese PDFs nachträglich in die Literatur-Sammlung aufgenommen werden, PDF_MAP entsprechend ergänzen (nicht automatisch durch ein "ähnliches" PDF ersetzen).
3. ATOMIC_AGENT_PDF_BASE ist auf diesem Rechner aktuell nicht gesetzt (weder in generative/.env noch als User-/Machine-Umgebungsvariable) — LITERATURE_DIR fällt dann auf das nicht existierende ~/Documents/Literatur zurück. Für den echten Sweep muss die Variable (oder ein Eintrag in generative/.env) auf den OneDrive-Literatur-Ordner zeigen, sonst melden alle 6 gemappten Ordner „PDF nicht gefunden". Für den Dry-Run-Nachweis in diesem PR wurde sie inline im Kommando gesetzt — kein Repo-File geändert.
4. Die einzelnen Abweichungen bei „Bates - Information Behavior" (1/5 DB-Zeilen zeigt „bates-2017.pdf") und „Schlebbe ...## (2 Zeilen zeigen auf das nicht-existierende „Afzal"-PDF, vermutlich Testkontamination) sind nicht weiter verifizierbar ohne zusätzliche Quellen — Mehrheitsentscheid + Ordnername-Übereinstimmung + Datei-Existenz waren die Entscheidungsbasis (s. Tabelle oben).

Kein echter Sweep in diesem PR (keine LLM-Calls, kein DB-Write) — der läuft separat nach Merge.