microservice-importer/next_steps_MSImporter.md

Plan för vidareutveckling av Microservice Importer

Status (2026-05-03) — 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:

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 — Enhetstester 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

Nuläge: mistral-small-2603 används för kvittoparsning. Modellen tar emot hela kvittobilden/PDF-texten och returnerar strukturerad JSON.

Möjlig optimering: AI sist i pipeline

Eftersom tjänsten redan har OCR (Tesseract) och regelbaserad parsning (regex för NxYg, Ydl, Y kg etc.) finns möjlighet att omstrukturera kvittopipelinen:

Bild/PDF → OCR/pdf-parse → Regelbaserad parsning → AI (för rader som inte lösts ut)

Fördelar:

• Regelbaserad parsning hanterar standardfall gratis och snabbt (t.ex. "MJÖLK 1,5L", "BLANDFÄRS 997G")
• AI anropas bara för rader som regelverket inte kan tolka entydigt
• Möjlighet att använda en mindre/billigare modell för enklare tolkningsuppgifter

Modellval för olika deluppgifter

Uppgift	Rekommenderad modell	Motivering
Kvittoparsning (hela bilden, nuläge)	mistral-small-2603	Vision-förmåga krävs för bild-input
Tolka OCR-text (textbaserad input)	mistral-small-latest eller mindre	Enklare uppgift när text redan extraherats
Kategorisering av enskild produktrad	open-mistral-nemo (7B)	Klassificering, ej vision — kan vara mycket liten

OBS: För bild-input (JPEG/PNG/HEIC/WebP) krävs alltid en vision-kapabel modell. Optimering med mindre modell är bara möjlig när Tesseract/pdf-parse redan har extraherat text.

---

Arkitektur-noteringar

• Tjänsten är helt stateless — ingen databas, ingen session
• Kommunicerar aldrig direkt med internet-klienter — exponeras bara på recipe-internal-nätverket
• MISTRAL_API_KEY injiceras via env (samma nyckel som recipe-api använder)
• Alpine Docker-image: systempaket tesseract-ocr, tesseract-ocr-data-swe, tesseract-ocr-data-eng installerade via apk
• Host-port 3001 är upptagen av wetty på servern — importer-api exponeras aldrig till host