P1: robust JSON structured output (markdown fence cleanup, structured-output instruction, subAgent excluded from base schema to prevent gemma4:E4B silence); P2: bge-m3 embeddings via Ollama + cosine search; full pipeline verified on gemma4:E4B

src/mind.ts

@@ -45,6 +45,20 @@ export class SparkLLMClient implements LLMClient {
   constructor(private baseUrl: string, private modelName = 'spark-x2.5-4b') {}
 
   async generate(context: string, systemPrompt: string): Promise<LLMResult> {
+    // Инструкция structured output — только {thoughts, emotion, decision.reply}.
+    // subAgent НЕ включаем: gemma4:E4B (и другие локальные модели) пумолкают
+    // (пустой ответ), когда subAgent есть в JSON-схеме. subAgent — P3,
+    // появится в sub-agent SDK.
+    const structuredOutput = [
+      'Отвечай ТОЛЬКО валидным JSON без оградок и комментариев.',
+      'Структура:',
+      '{ "thoughts": "собственные мысли mind",',
+      '  "emotion": { "valence": 0..1, "arousal": 0..1 },',
+      '  "decision": { "reply": "текст ответа или null" }',
+      '}',
+      'thoughts и reply — на русском.',
+    ].join('\n');
+
     // OpenAI-compatible /v1/chat/completions
     const resp = await fetch(`${this.baseUrl}/v1/chat/completions`, {
       method: 'POST',
@@ -53,7 +67,7 @@ export class SparkLLMClient implements LLMClient {
         model: this.modelName,
         response_format: { type: 'json_object' }, // structured output
         messages: [
-          { role: 'system', content: systemPrompt },
+          { role: 'system', content: `${systemPrompt}\n\n${structuredOutput}` },
           { role: 'user', content: context },
         ],
         temperature: 0.7,
@@ -69,13 +83,19 @@ export class SparkLLMClient implements LLMClient {
 }
 
 function parseSparkOutput(content: string): LLMResult {
-  // 1. Пробуем распарсить JSON (structured output)
+  // 1. Убираем markdown-оградки (```json ... ```), если модель их добавила
+  const cleaned = content
+    .replace(/^```(?:json)?\s*/i, '')
+    .replace(/\s*```$/i, '')
+    .trim();
+
+  // 2. Пробуем распарсить JSON (structured output)
   let parsed: any = null;
   try {
-    parsed = JSON.parse(content);
+    parsed = JSON.parse(cleaned);
   } catch {
-    // fallback: ищем JSON-блок в тексте
+    // fallback: ищем первый {...} блок в тексте
-    const match = content.match(/({[\s\S]*})/);
+    const match = cleaned.match(/({[\s\S]*})/);
     if (match) {
       try { parsed = JSON.parse(match[1]); } catch {}
     }

test-integration.ts

@@ -0,0 +1,52 @@
+/**
+ * Интеграционный тест полного пайплайна (P1).
+ * Проверка: LLM (gemma4:E4B) → parseSparkOutput → memory → consolidation.
+ * Spark X2.5-4B в этом Ollama не грузится (unknown architecture), поэтому
+ * временно используем gemma4:E4B.
+ */
+import { SparkLLMClient } from './src/mind.js';
+import { MemorySystem } from './src/memory.js';
+import { OllamaEmbeddingClient } from './src/embedding.js';
+import { DEFAULT_PERSONA } from './src/persona.js';
+
+(async () => {
+const llm = new SparkLLMClient('http://localhost:11434', 'gemma4:E4B');
+const embedding = new OllamaEmbeddingClient('http://localhost:11434');
+const memory = new MemorySystem(10, embedding);
+
+const systemPrompt = 'Ты ассистент. Отвечай JSON: {thoughts, emotion:{valence,arousal}, decision:{reply, subAgent}}';
+const context = 'Ты думал про Yandex Direct. Напиши мысли и решение.';
+
+console.log('[test] LLM generate...');
+const result = await llm.generate(context, systemPrompt);
+console.log('[test] thoughts:', JSON.stringify(result.thoughts));
+console.log('[test] emotion:', JSON.stringify(result.emotion));
+console.log('[test] decision:', JSON.stringify(result.decision));
+
+// Raw-запрос, чтобы увидеть что реально вернула модель
+const raw = await fetch('http://localhost:11434/v1/chat/completions', {
+  method: 'POST',
+  headers: { 'Content-Type': 'application/json' },
+  body: JSON.stringify({
+    model: 'gemma4:E4B',
+    response_format: { type: 'json_object' },
+    messages: [
+      { role: 'system', content: 'Отвечай только JSON: {thoughts, emotion:{valence,arousal}, decision:{reply}}' },
+      { role: 'user', content: context },
+    ],
+    temperature: 0.7,
+    max_tokens: 512,
+  }),
+});
+const rawText = await (await raw.json()).choices?.[0]?.message?.content ?? '';
+console.log('[test] RAW:', JSON.stringify(rawText));
+
+console.log('[test] addThought...');
+memory.addThought(result.thoughts);
+
+console.log('[test] consolidation...');
+await memory.consolidate(memory.recentThoughts());
+console.log('[test] long-term size:', memory['longTerm'].length);
+
+console.log('[test] OK — полный пайплайн работает');
+})();