fix(projects): Backfill v2 — robuster Match trotz GPS/Barge-In/FILE-Marker

v1 matchte text==content exakt und verfehlte damit Nachrichten, bei denen die
Bridge den Brain-Text anreichert oder cleant:
- User-Turns: _build_core_text PREPENDT [Hinweis: Barge-In]-/[GPS-Position]-
  Bloecke — die stehen in conversation.jsonl, nicht in chat_backup.
- Assistant-Turns: conversation enthaelt [FILE: /shared/uploads/...]-Marker,
  chat_backup hat sie schon rausgecleant.

_norm entfernt jetzt FILE-Marker + fuehrende [..]-Bloecke, kollabiert
Whitespace und vergleicht einen 120-Zeichen-Praefix. Neuer Marker (v2) →
laeuft einmal neu und fuellt die von v1 verbliebenen Luecken. Nicht-destruktiv
(eigene .pre-backfill-v2.bak), bestehende Tags bleiben unangetastet.

Mit Tests gegen GPS-/Barge-In-/FILE-Marker-Faelle verifiziert.

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

aria-brain/migrate_backfill_projectid.py

@@ -25,6 +25,7 @@ from __future__ import annotations
 import json
 import logging
 import os
+import re
 from collections import defaultdict, deque
 from pathlib import Path
 
@@ -32,13 +33,30 @@ logger = logging.getLogger("aria.migrate.backfill_projectid")
 
 CONVERSATION_FILE = Path(os.environ.get("CONVERSATION_FILE", "/data/conversation.jsonl"))
 CHAT_BACKUP_FILE = Path(os.environ.get("CHAT_BACKUP_FILE", "/shared/config/chat_backup.jsonl"))
-MARKER_FILE = Path("/shared/config/.chat_backup_projectid_backfill_v1")
+# v2: robusterer Match (Marker-Strip + Praefix). v1 verlangte exakte Gleichheit
+# von text==content und verfehlte damit alle Nachrichten bei denen die Bridge
+# den Brain-Text anreichert (GPS/Barge-In-Hints prepended) oder cleant
+# (FILE-Marker entfernt). Neuer Marker → laeuft einmal neu, fuellt die Luecken.
+MARKER_FILE = Path("/shared/config/.chat_backup_projectid_backfill_v2")
+
+# _build_core_text (Bridge) PREPENDT bei User-Nachrichten Hinweis-/GPS-Bloecke
+# in eckigen Klammern vor den eigentlichen Text; conversation.jsonl speichert
+# diesen angereicherten Text, chat_backup nur den rohen. FILE-Marker stehen in
+# conversation-Assistant-Turns, sind in chat_backup aber schon rausgecleant.
+_FILE_MARKER_RE = re.compile(r"\[FILE:\s*/shared/uploads/[^\]]+\]", re.IGNORECASE)
+_LEADING_BRACKET_RE = re.compile(r"^\s*(?:\[[^\]]*\]\s*)+")
+_WS_RE = re.compile(r"\s+")
 
 
 def _norm(text: str) -> str:
-    """Match-Key: getrimmt + auf 500 Zeichen begrenzt. Reicht um Turns eindeutig
+    """Match-Key: FILE-Marker + fuehrende [Hinweis]/[GPS]-Bloecke entfernen,
-    zu unterscheiden, ist aber tolerant gegen minimale Trailing-Unterschiede."""
+    Whitespace kollabieren, auf 120-Zeichen-Praefix kuerzen. Toleriert damit
-    return (text or "").strip()[:500]
+    die Anreicherungs-/Cleaning-Unterschiede zwischen conversation und backup,
+    bleibt durch den 120er-Praefix aber spezifisch genug gegen Fehl-Matches."""
+    t = _FILE_MARKER_RE.sub("", text or "")
+    t = _LEADING_BRACKET_RE.sub("", t)
+    t = _WS_RE.sub(" ", t).strip()
+    return t[:120]
 
 
 def run() -> dict:
@@ -112,7 +130,7 @@ def run() -> dict:
 
     # 4) Sicherung + atomarer Rewrite.
     try:
-        bak = CHAT_BACKUP_FILE.with_suffix(".jsonl.pre-backfill-v1.bak")
+        bak = CHAT_BACKUP_FILE.with_suffix(".jsonl.pre-backfill-v2.bak")
         if not bak.exists():
             bak.write_bytes(CHAT_BACKUP_FILE.read_bytes())
         tmp = CHAT_BACKUP_FILE.with_suffix(".jsonl.tmp")