feat: add tree.json flattener for diagnosis ground_truth

app/harness/tree_nodes.py

@@ -0,0 +1,87 @@
+"""诊断侧树读取适配：把嵌套 tree.json 展平成诊断消费的扁平 nodes dict。
+
+诊断编排（core/evolution/diagnose.py）期望 tree_data 形如
+{"nodes": {node_id: {card, level, time_range}}}，但 TRM5 建树产物
+store/videos/<vid>/tree.json 是嵌套 {"metadata","roots":[...]}。本模块递归展平，
+接通 TRM4→TRM5 迁移时断掉的 ground_truth 加载环。
+
+不走 TreeIndex 对象层：仅 L1Node 有 to_dict（app/tree/index.py:260），L2/L3 为其内部闭包，
+且 to_dict 输出无 level、L3 用 timestamp 无 time_range。直接遍历 json 更省且零改建树模块。
+"""
+
+from __future__ import annotations
+
+import json
+from typing import TYPE_CHECKING, Any
+
+if TYPE_CHECKING:
+    from pathlib import Path
+
+
+def load_tree_nodes(store_dir: Path, video_id: str) -> dict[str, Any]:
+    """加载单视频 tree.json 并展平成扁平 nodes dict。
+
+    参数:
+        store_dir: store 根目录（含 videos/<video_id>/tree.json）。
+        video_id: 视频标识。
+
+    返回:
+        {"nodes": {node_id: {"card": dict, "level": int, "time_range": list}}}。
+
+    异常:
+        FileNotFoundError: tree.json 不存在（沿用 factory.py fail-loud 先例）。
+        ValueError: 树无有效 roots、节点缺 id、或展平后 nodes 为空。
+
+    关键实现:
+        level 由遍历深度赋值（root=1/child=2/孙=3），不解析 node_id——node_id 累积式
+        （..._L1_..._L2_..._L3_）用正则首匹配会把 L2/L3 误判成 1。
+        L3 无 time_range，用 timestamp 合成 [t, t]。
+    """
+    tree_path = store_dir / "videos" / video_id / "tree.json"
+    if not tree_path.exists():
+        raise FileNotFoundError(f"树索引文件不存在: {tree_path}（诊断需真实树，P5 fail loud）")
+    tree = json.loads(tree_path.read_text(encoding="utf-8"))
+    roots = tree.get("roots")
+    if not isinstance(roots, list) or not roots:
+        raise ValueError(f"树无有效 roots: {tree_path}")
+
+    nodes: dict[str, Any] = {}
+
+    def _walk(node: dict[str, Any], level: int) -> None:
+        node_id = node.get("id")
+        if not isinstance(node_id, str) or not node_id:
+            raise ValueError(f"节点缺 id: {tree_path}")
+        time_range = node.get("time_range")
+        if time_range is None:
+            ts = node.get("timestamp")
+            time_range = [ts, ts] if ts is not None else [0, 0]
+        nodes[node_id] = {
+            "card": node.get("card", {}),
+            "level": level,
+            "time_range": time_range,
+        }
+        for child in node.get("children", []) or []:
+            _walk(child, level + 1)
+
+    for root in roots:
+        _walk(root, 1)
+
+    if not nodes:
+        raise ValueError(f"展平后 nodes 为空: {tree_path}")
+    return {"nodes": nodes}
+
+
+def load_tree_data_for_videos(store_dir: Path, video_ids: list[str]) -> dict[str, Any]:
+    """按一组 video_id 去重加载展平树，供诊断按 video 注入。
+
+    参数:
+        store_dir: store 根目录。
+        video_ids: 视频标识列表（可含重复，内部按首次出现顺序去重）。
+
+    返回:
+        {video_id: {"nodes": {...}}}。
+
+    异常:
+        同 load_tree_nodes（任一视频树缺失/无效即 fail-loud）。
+    """
+    return {vid: load_tree_nodes(store_dir, vid) for vid in dict.fromkeys(video_ids)}

tests/unit/test_tree_nodes.py

@@ -0,0 +1,56 @@
+"""树展平器单测：用真实 store/videos/0RxMZBLeqRI/tree.json 验证展平正确性与 fail-loud。"""
+
+import json
+from pathlib import Path
+
+import pytest
+
+from app.harness.tree_nodes import load_tree_data_for_videos, load_tree_nodes
+
+_STORE = Path("store")
+_VID = "0RxMZBLeqRI"  # 真实样本，111 节点
+
+
+def _recursive_count(tree_json: dict) -> int:
+    def walk(n: dict) -> int:
+        return 1 + sum(walk(c) for c in (n.get("children") or []))
+
+    return sum(walk(r) for r in tree_json["roots"])
+
+
+def test_load_tree_nodes_flattens_all_nodes():
+    result = load_tree_nodes(_STORE, _VID)
+    assert set(result.keys()) == {"nodes"}
+    nodes = result["nodes"]
+    raw = json.loads((_STORE / "videos" / _VID / "tree.json").read_text(encoding="utf-8"))
+    assert len(nodes) == _recursive_count(raw)
+    sample = next(iter(nodes.values()))
+    assert set(sample.keys()) == {"card", "level", "time_range"}
+    assert isinstance(sample["card"], dict)
+
+
+def test_level_assigned_by_depth_not_node_id():
+    nodes = load_tree_nodes(_STORE, _VID)["nodes"]
+    l1_id = f"{_VID}_L1_000"
+    l3_id = f"{_VID}_L1_000_L2_000_L3_000"
+    assert nodes[l1_id]["level"] == 1
+    assert nodes[l3_id]["level"] == 3  # 若按 node_id 首个 _L\d_ 会误判成 1
+
+
+def test_missing_tree_raises_file_not_found():
+    with pytest.raises(FileNotFoundError):
+        load_tree_nodes(_STORE, "__no_such_video__")
+
+
+def test_empty_roots_raises_value_error(tmp_path):
+    vdir = tmp_path / "videos" / "vX"
+    vdir.mkdir(parents=True)
+    (vdir / "tree.json").write_text(json.dumps({"metadata": {}, "roots": []}), encoding="utf-8")
+    with pytest.raises(ValueError):
+        load_tree_nodes(tmp_path, "vX")
+
+
+def test_load_for_videos_dedups():
+    data = load_tree_data_for_videos(_STORE, [_VID, _VID])
+    assert set(data.keys()) == {_VID}
+    assert data[_VID]["nodes"]