qwen3:8b вместо qwen2.5, отмена правки и пересоздание тегов

Замер на наших задачах (разбор 8 фраз + теги для 6 предметов):
  qwen2.5:7b  разбор 8/8, но теги «электротool Makita», «вoltage meter»
              (первая буква кириллическая), «многофункциональный мера» —
              модель думает по-английски и переводит на ходу;
  qwen3:8b    разбор 8/8, теги на нормальном русском.
Плата — примерно на треть медленнее на тегах. Теги важнее: по ним вещь
и находится.

Поддержка моделей-ризонеров: ollama.chat получил think=False. Без него
qwen3 тратит весь бюджет ответа на внутренний монолог и возвращает пустой
content — на первом прогоне модель выглядела нерабочей.

Разбор ответа с тегами укреплён: qwen3 иногда присылает объект
{"name":..., "synonyms":[...]} вместо списка строк, и он попадал в теги
целиком как строка. Теперь достаётся вложенный список, отсеиваются дубликаты
в разном регистре, вложенные объекты, bool и слишком длинные строки.

По замечаниям Алекса в правке предмета:
- кнопка «Отмена» — раньше открытую форму можно было только сохранить или
  удалить вещь целиком;
- кнопка «🔄 Пересоздать теги» — после смены модели теги остаются старыми,
  и это способ обновить их, не перезаводя вещь. Новый список показывается,
  но не сохраняется молча: его ещё можно поправить руками.

В README добавлен раздел «Какую модель выбрать» с замерами и требованиями
к своей модели для тех, кто ставит приложение себе.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

.env.example

@@ -6,8 +6,8 @@
 OLLAMA_HOST=http://localhost:11434
 
 # Модель для разбора свободных фраз. Должна быть установлена в Ollama:
-#   ollama pull qwen2.5:7b
-# HLAMINGO_CHAT_MODEL=qwen2.5:7b
+#   ollama pull qwen3:8b
+# HLAMINGO_CHAT_MODEL=qwen3:8b
 
 # Модель для эмбеддингов (поиск по смыслу). Необязательна — без неё
 # работает поиск по словам и тегам:

README.md

@@ -16,10 +16,49 @@
 Модели (на машине с Ollama):
 
 ```
-ollama pull qwen2.5:7b           разбор фраз и теги
-ollama pull bge-m3               поиск по смыслу (необязательно)
+ollama pull qwen3:8b     разбор фраз и теги
+ollama pull bge-m3       поиск по смыслу
 ```
 
+### Какую модель выбрать
+
+Обе задачи русские, и требование к модели одно: она должна **думать
+по-русски**, а не переводить с английского на ходу. Замеры на наших же
+задачах — разбор восьми фраз и генерация тегов для шести предметов:
+
+| Модель | Размер | Разбор фраз | Русский в тегах | Скорость |
+|---|---|---|---|---|
+| **`qwen3:8b`** | 5 ГБ | 8/8 | чистый | 2,5 с на предмет |
+| `qwen2.5:7b` | 4,7 ГБ | 8/8 | «электротool Makita» | 1,8 с |
+
+Разница видна именно на тегах — по ним вещь потом и находится:
+
+```
+qwen2.5:  шуруповёрт Makita → «электротool Makita», «удлинитель для шуруповерта»
+          мультиметр        → «многофункциональный мера», «вoltage meter»
+qwen3:    изолента          → «изоляционная лента», «лента для изоляции», «ПВХ-лента»
+          саморезы 4х50     → «шурупы по дереву», «крепёжный элемент»
+```
+
+У `qwen2.5` в слове «вoltage» первая буква кириллическая, а «электротool» —
+гибрид двух языков. В поиске такие теги бесполезны.
+
+**Что учесть, выбирая свою модель:**
+
+- **Меньше 7B на русском обычно плохи** — путают падежи и сваливаются
+  в английский. `qwen2.5-coder:1.5b` для этой задачи не годится.
+- **Модели-ризонеры** (`qwen3`, `deepseek-r1`) тратят бюджет ответа на
+  размышления и возвращают пустоту. В `ollama.py` это гасится `think=False`;
+  добавляя свою, проверьте, что она отвечает, а не молчит.
+- **Формат важнее красноречия.** Приложение ждёт строгий JSON. `qwen3` иногда
+  присылает объект вместо списка тегов — разбор это переживает, но модель,
+  совсем не держащая формат, будет постоянно сваливаться на регулярки.
+- **Эмбеддер обязан быть многоязычным** — см. раздел про поиск.
+
+Модель выбирается в настройках (вкладка **⚙**) из реально установленных.
+После смены у записанных вещей теги остаются прежними; обновить их можно
+кнопкой **«🔄 Пересоздать теги»** в карточке.
+
 ## Установка
 
 Положите `install.cmd` в пустую папку и запустите — он скачает проект, создаст
@@ -61,7 +100,7 @@ start.cmd     запускает сервер и печатает адреса
 | Переменная | По умолчанию | Зачем |
 |---|---|---|
 | `OLLAMA_HOST` | `http://localhost:11434` | адрес Ollama |
-| `HLAMINGO_CHAT_MODEL` | `qwen2.5:7b` | разбор фраз и теги |
+| `HLAMINGO_CHAT_MODEL` | `qwen3:8b` | разбор фраз и теги |
 | `HLAMINGO_EMBED_MODEL` | `bge-m3` | поиск по смыслу |
 | `HLAMINGO_PORT` | `5000` | порт веб-интерфейса |
 | `HLAMINGO_DATA_DIR` | — | другая папка для данных и `.env`; используется тестами |

hlamingo/app.py

@@ -479,6 +479,43 @@ def api_edit_item(item_id):
                     "reply": "Обновил: %s." % ", ".join(changed)})
 
 
+@app.route("/api/item/<item_id>/retag", methods=["POST"])
+def api_retag_item(item_id):
+    """Пересобрать теги заново — например, после смены модели.
+
+    Теги придумывает модель, и с новой они выходят другими: старая давала
+    «электротool Makita», новая — «шуруповерт Макита». Ручной способ обновить
+    их, не перезаводя вещь.
+    """
+    db = store.load()
+    item = db["items"].get(item_id)
+    if not item:
+        return jsonify({"ok": False, "reply": "Такой записи нет."}), 404
+    if not ollama.check():
+        return jsonify({"ok": False,
+                        "reply": "Модель недоступна — теги придумывать некому."}), 503
+
+    fresh = brain.aliases(item.get("name"), item.get("note"))
+    if not fresh:
+        return jsonify({"ok": False, "reply": "Модель не вернула ни одного тега."})
+
+    keep = request.args.get("keep") == "1"
+    if keep:
+        merged = list(item.get("aliases") or [])
+        for tag in fresh:
+            if not any(tag.lower() == existing.lower() for existing in merged):
+                merged.append(tag)
+        item["aliases"] = merged[:12]
+    else:
+        item["aliases"] = fresh
+
+    item["emb"] = None                 # словарь предмета изменился
+    search.ensure_embeddings(db)
+    store.save(db)
+    return jsonify({"ok": True, "item": _card(db, item),
+                    "reply": "Теги пересозданы: %s" % ", ".join(item["aliases"])})
+
+
 @app.route("/api/containers/<code>", methods=["PATCH"])
 def api_edit_container(code):
     db = store.load()

hlamingo/brain.py

@@ -301,11 +301,41 @@ def aliases(name, note=None, model=None):
         {"role": "user", "content": prompt},
     ], num_predict=256)
     data = _extract_json(content, "[", "]") if content else None
+    return _clean_tags(data, name)
+
+
+def _clean_tags(data, name):
+    """Достаёт из ответа модели список тегов, терпя её вольности с форматом.
+
+    Модель может прислать не массив строк, а объект вида
+    {"name": ..., "synonyms": [...]} — так делает qwen3. Без разбора такой
+    объект превращался в строку целиком и попадал в теги как мусор.
+    Дубликаты тоже реальны: та же qwen3 присылала одно значение семь раз.
+    """
+    if isinstance(data, dict):
+        for key in ("synonyms", "aliases", "tags", "items", "list"):
+            if isinstance(data.get(key), list):
+                data = data[key]
+                break
+        else:
+            return []
     if not isinstance(data, list):
         return []
+
     out = []
     for value in data:
-        value = str(value).strip()
-        if value and value.lower() != name.lower() and value not in out:
-            out.append(value)
+        # Вложенный объект — берём из него что-то похожее на название.
+        if isinstance(value, dict):
+            value = value.get("name") or value.get("synonym") or value.get("text") or ""
+        # Числа оставляем: «7805» или «220» — вполне рабочие теги.
+        # bool в Python — подвид int, поэтому его отсекаем отдельно.
+        if isinstance(value, bool) or not isinstance(value, (str, int, float)):
+            continue
+        value = str(value).strip().strip('"')
+        if not value or len(value) > 60:
+            continue
+        low = value.lower()
+        if low == (name or "").lower() or any(low == o.lower() for o in out):
+            continue
+        out.append(value)
     return out[:7]

hlamingo/config.py

@@ -140,11 +140,17 @@ def _write_env(values):
 #   set OLLAMA_HOST=http://192.168.1.50:11434
 OLLAMA_HOST = (os.environ.get("OLLAMA_HOST") or "http://localhost:11434").rstrip("/")
 
-# qwen2.5 — не ризонер: не тратит время на <think> и надёжнее держит формат JSON,
-# а нам от модели нужен именно строгий JSON, а не рассуждения.
-# omnicoder-9b — запасной вариант, если qwen начнёт путаться в русских фразах.
-CHAT_MODEL = os.environ.get("HLAMINGO_CHAT_MODEL") or "qwen2.5:7b"
-CHAT_MODEL_ALT = "carstenuhlig/omnicoder-9b"
+# qwen3:8b — русский заметно чище, чем у qwen2.5:7b. Замер на наших же задачах
+# (разбор фраз + генерация тегов для русских предметов):
+#   qwen2.5:7b  разбор 8/8, но в тегах «электротool Makita», «вoltage meter»,
+#               «многофункциональный мера» — модель думает по-английски
+#               и переводит на ходу;
+#   qwen3:8b    разбор 8/8, теги на нормальном русском.
+# Плата — примерно на треть медленнее на тегах (2.5 с против 1.8 с на предмет).
+# Это ризонер: рассуждения выключаются параметром think=False в ollama.chat,
+# иначе модель тратит весь бюджет ответа на внутренний монолог.
+CHAT_MODEL = os.environ.get("HLAMINGO_CHAT_MODEL") or "qwen3:8b"
+CHAT_MODEL_ALT = "qwen2.5:7b"      # быстрее, но русский хуже
 
 # bge-m3 — многоязычная модель, на русском заметно лучше прежней
 # nomic-embed-text. Замер на одном и том же складе:

hlamingo/ollama.py

@@ -112,16 +112,23 @@ def models():
         return []
 
 
-def chat(model, messages, timeout=CHAT_TIMEOUT, num_predict=MAX_OUTPUT_TOKENS):
+def chat(model, messages, timeout=CHAT_TIMEOUT, num_predict=MAX_OUTPUT_TOKENS,
+         think=False):
     """Один запрос к /api/chat. Возвращает content или None при любой беде.
 
     num_predict обязателен: без капа модель может уйти в длинную генерацию
     и подвесить ход на минуты — а нам нужен короткий JSON.
+
+    think=False выключает режим размышлений у моделей-ризонеров (qwen3,
+    deepseek-r1 и подобных). Без этого они тратят весь бюджет ответа на
+    внутренний монолог и возвращают пустой content — проверено на qwen3:8b.
+    Модели без такого режима поле просто игнорируют.
     """
     payload = {
         "model": model,
         "messages": messages,
         "stream": False,
+        "think": think,
         "options": {"num_predict": num_predict, "temperature": 0},
     }
     if not available():

templates/index.html

@@ -712,11 +712,16 @@ function itemEditor(it, cardEl) {
     + '<label>Заметка</label><input class="eNote">'
     + '<label>Теги для поиска</label><div class="tags eTags"></div>'
     + '<input class="eNewTag mt" placeholder="добавить тег и нажать Enter">'
+    + '<div class="acts">'
+    + '<button class="eRetag">🔄 Пересоздать теги</button>'
+    + '</div>'
     + '<p class="editHint">Тег убирается нажатием на ×. По тегам вещь и находится, '
-    + 'так что лишние лучше убрать, а свои — добавить.</p>'
+    + 'так что лишние лучше убрать, а свои — добавить. «Пересоздать» просит модель '
+    + 'придумать их заново — полезно после смены модели.</p>'
     + '<div class="acts">'
     + '<button class="eSave">Сохранить</button>'
-    + '<button class="eDel warn">🗑 Удалить запись</button>'
+    + '<button class="eCancel">Отмена</button>'
+    + '<button class="eDel warn">🗑 Удалить</button>'
     + '</div>';
 
   const q = s => box.querySelector(s);
@@ -768,6 +773,38 @@ function itemEditor(it, cardEl) {
     } finally { btn.disabled = false; }
   };
 
+  // Отмена: закрыть правку, вернув поля к тому, что было. Без неё случайное
+  // изменение можно было только сохранить или удалить вещь целиком.
+  q('.eCancel').onclick = () => {
+    q('.eName').value = it.name || '';
+    q('.eQty').value = it.qty || '';
+    q('.eNote').value = it.note || '';
+    tags = (it.aliases || []).slice();
+    drawTags();
+    q('.eNewTag').value = '';
+    box.hidden = true;
+    cardEl.classList.remove('wide');
+  };
+
+  q('.eRetag').onclick = async () => {
+    const btn = q('.eRetag');
+    btn.disabled = true;
+    const was = btn.textContent;
+    btn.textContent = 'Думаю…';
+    try {
+      const d = await api('/api/item/' + encodeURIComponent(it.id) + '/retag',
+                          {method:'POST'});
+      say(d.reply);
+      if (d.ok && d.item) {
+        // Показываем сразу, но не сохраняем молча: список ещё можно поправить
+        // руками, а «Сохранить» закрепит его.
+        tags = (d.item.aliases || []).slice();
+        it.aliases = tags.slice();
+        drawTags();
+      }
+    } finally { btn.disabled = false; btn.textContent = was; }
+  };
+
   q('.eDel').onclick = async () => {
     if (!confirm('Удалить «' + (it.name || '') + '» из памяти?')) return;
     const d = await api('/api/item/' + encodeURIComponent(it.id), {method:'DELETE'});

tests/test_all.py

@@ -116,6 +116,31 @@ r.check("пустое имя — 400",
 r.check("занятое имя — 400",
         c.open("/api/item/" + item, method="PATCH", json={"name": "лопата"}).status_code == 400)
 
+print("\n== Пересоздание тегов ==")
+if HAS_AI:
+    j("PATCH", "/api/item/" + item, aliases=["мусорный тег"])
+    d = c.post("/api/item/" + item + "/retag").get_json()
+    r.check("теги пересозданы", d.get("ok") and d["item"]["aliases"], d)
+    r.check("мусорный тег заменён", "мусорный тег" not in d["item"]["aliases"],
+            d["item"]["aliases"])
+    d = c.post("/api/item/" + item + "/retag?keep=1").get_json()
+    r.check("режим дополнения работает", d.get("ok"), d)
+r.check("retag для несуществующей — 404",
+        c.post("/api/item/нет-такой/retag").status_code == 404)
+
+# Разбор кривых ответов модели: qwen3 присылала объект вместо списка строк,
+# и он попадал в теги целиком, а ещё дублировала одно значение семь раз.
+from hlamingo.brain import _clean_tags                             # noqa: E402
+r.check("объект вместо списка разбирается",
+        _clean_tags({"name": "x", "synonyms": ["тестер", "дрель"]}, "x")
+        == ["тестер", "дрель"])
+r.check("дубликаты схлопываются",
+        _clean_tags(["дрель", "ДРЕЛЬ", "бур"], "x") == ["дрель", "бур"])
+r.check("вложенные объекты разбираются",
+        _clean_tags([{"name": "тестер"}, "мультиметр"], "x") == ["тестер", "мультиметр"])
+r.check("мусор отсеивается", _clean_tags([None, True, {}, "годный"], "x") == ["годный"])
+r.check("не список — пусто", _clean_tags("строка", "x") == [])
+
 print("\n== Фото ==")
 d = upload("item", item)
 fname = d["photo"]