microservice-importer/next_steps_MSImporter.md

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.

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:

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:

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
• 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.