# Plan för vidareutveckling av Microservice Importer

## Dokumentstatus (2026-05-10)

Detta dokument riktar sig till utvecklare och driftansvariga för microservice-importer. Teknisk referens finns i [TEKNISK_BESKRIVNING.md](TEKNISK_BESKRIVNING.md).

### Senast avklarat i angränsande flöden
- Regelbaserad kvittotolkning har stärkts för multipack, enheter och svårare radformat.
- Bröd- och rostbrödklassning har utökade guardrails för att minska felaktig kategorisering.
- Klientens granskningsflöde och sessionpersistens i Flutter är implementerat, vilket minskar avbrott mellan parse och spara.
- Kvittokategorisering: nya regler för pasta, grädde, ägg, juice, godis och potatis samt justerad AI-guardrail.
- Testinfrastruktur: parametriserade enhetstester för kvittoimport och CI/CD-pipeline med automatiserad testkörning på push.
- PDF-parsning stabiliserad med `require()` och `pdfjs-dist/legacy/build/pdf.js` som fallback.
- Retry-logik förbättrad för 429/503.
- Reproducerbart bygge via `package-lock.json` och `npm ci`.
- `looksLikeReceiptProductLine()` filtrerar bort PDF-rader utan siffra innan Mistral-anrop.

## Status (2026-05-10) — Driftsatt och integrerad med recipe-app

`microservice-importer` körs som intern tjänst (`importer-api`) i `recipe-app/compose.yml`. Alla importflöden är delegerade och driftsatta.

| Endpoint | Funktion | Status |
|---|---|---|
| `POST /api/quick-import` | URL-skrapning (ICA, generisk), PDF, OCR-bild | ✅ Driftsatt |
| `POST /api/recipes/parse-markdown` | Markdown → ingrediensstruktur (utan DB) | ✅ Driftsatt |
| `POST /api/receipt-import/parse` | Kvittobild/PDF → `ParsedReceiptItem[]` via Mistral AI | ✅ Driftsatt |
| `GET /api/health` | Hälsokontroll (används av Docker healthcheck) | ✅ Driftsatt |

**Serverstruktur:**
```
/opt/containers/
  microservice-importer/   ← klonas och pullas separat
  recipe-app/
    compose.yml            ← bygger importer-api från ../microservice-importer
    deploy.sh
```

**Deploy:**
```bash
cd /opt/containers/microservice-importer && git pull
cd /opt/containers/recipe-app && git pull && ./deploy.sh
```

---

## Nästa steg

### Hög prioritet
- **Kvittoimport Fas 6b** — Granskningssteg och bulk-spara i Flutter-klienten (backend-logiken är klar)

### Medel prioritet
- **Fler webbplats-parsers** — Specifika parsers för t.ex. Tasteline, Köket.se, Arla
- **Swagger/OpenAPI** — Automatisk API-dokumentation via `@nestjs/swagger`
- **Testtäckning** — Utökad enhetstesttäckning för parsers och `receipt-parsing.service.ts`

### Låg prioritet / Framtida
- **Caching** — Cacha skrapade sidor för att minska belastning på externa webbplatser
- **Puppeteer** — Hantera JavaScript-renderade receptsidor
- **Word-dokument** — Stöd för `.docx`-import

---

## AI-optimering: Mistral-modell och pipeline

Nuläget är att `mistral-small-2603` används för bildinput (vision). För PDF-flödet extraheras text först via `pdf-parse` eller `pdfjs-dist`; därefter körs regelbaserad parsning och AI bara för kvarvarande rader.

### Implementerad optimering: AI sist i pipeline (PDF)

Kvittopipelinen för PDF ser nu ut:

```text
PDF → pdf-parse / pdfjs-dist → preprocessPdfLines → isIgnoredReceiptLine → ruleBasedParseLine → looksLikeReceiptProductLine → AI
```

`looksLikeReceiptProductLine(line)` filtrerar bort rader som saknar siffra innan Mistral-anropet. Enbart rader med namnliknande text och minst ett tal skickas till AI.

### Modellval för olika deluppgifter

| Uppgift | Rekommenderad modell | Motivering |
|---|---|---|
| Kvittoparsning (hela bilden) | `mistral-small-2603` | Vision-förmåga krävs för bild-input |
| Tolka OCR-text | `mistral-small-latest` eller mindre | Enklare uppgift när text redan extraherats |
| Kategorisering av enskild produktrad | `open-mistral-nemo` (7B) | Klassificering utan vision |

För bild-input krävs alltid en vision-kapabel modell.

---

## Framtida förbättringar

- Schemalagd uppdatering av kategorier om det visar sig nödvändigt igen.

## Nuvarande implementering

- Ingen separat manuell kategoriuppdatering via Flutter-UI finns längre.
- Kvittoparsningen använder i stället nuvarande regler, retry-logik och filtrering i backend.

---

## Arkitektur-noteringar

- Tjänsten är helt stateless och saknar databas
- Den exponeras bara på `recipe-internal`-nätverket
- `MISTRAL_API_KEY` injiceras via env
- Alpine Docker-image använder `tesseract-ocr`, `tesseract-ocr-data-swe`, `tesseract-ocr-data-eng`
- Host-port 3001 är upptagen av `wetty`, så `importer-api` exponeras aldrig till host

## Referenser

- [README.md](README.md)
- [TEKNISK_BESKRIVNING.md](TEKNISK_BESKRIVNING.md)

## 2026-05-10: Admin-inventarie (CRUD, merge, filter, sortering, preview, säkerhet), user-scope, IDOR-skydd, säkerhetshärdning, optimeringar och utökad testtäckning är nu genomförda och dokumenterade i README, TEKNISK_BESKRIVNING, SÄKERHETSHÄRDNINGSPLAN och SESSIONLOGGAR.