test: юнит-суит L1/L2/L3 + ГОСТ (41 тест) и гейт в CI перед деплоем

Первый настоящий автоматический тест-суит проекта — раньше регрессии ловились
руками. Покрыта чистая логика детекции и форматирования (без БД/Redis/GPU/Ollama):

- worker-indexer: L1 Winnowing (точные совпадения, идемпотентность отпечатка,
  диапазон signed int64) и L2 MinHash LSH (шинглы, Jaccard, near-duplicate +
  upsert через in-memory-фолбэк).
- worker-gpu: L3 FAISS — возврат doc_id из PostgreSQL (IndexIDMap2),
  идемпотентность add_vectors (remove-before-add, без дублей), self-match ≈ 1,
  ранжирование. Прямо стережёт баги, из-за которых индекс переписывался.
- worker-gost: ГОСТ 7.1-2003 и 7.0.5-2008 — авторы (≤3 / 4+ «и др.»/et al.),
  статья/книга/web, DOI, порядок сортировки кириллица→латиница, стр. в ссылке.

Обвязка: per-service pytest.ini/conftest/requirements-test. scripts/run_tests.sh
гоняет тесты в изолированных python:3.11-slim контейнерах (не засоряя хост),
через Tsinghua-зеркало. CI: job `test` теперь гейтит `deploy` (needs: test) —
падение тестов блокирует прод-деплой. make test / make test-one SVC=...

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

services/worker-indexer/tests/test_minhash.py

@@ -0,0 +1,62 @@
+"""Юнит-тесты MinHash LSH (уровень 2 — нечёткие совпадения).
+
+Redis в тестовом окружении недоступен → get_lsh() детерминированно падает в
+in-memory-фолбэк, что и проверяется здесь.
+"""
+
+from app.algorithms import minhash
+
+
+def test_get_shingles_basic():
+    assert minhash.get_shingles("один два три четыре", k=3) == {
+        "один два три",
+        "два три четыре",
+    }
+
+
+def test_get_shingles_short_text():
+    assert minhash.get_shingles("одно", k=3) == {"одно"}
+    assert minhash.get_shingles("", k=3) == set()
+
+
+def test_identical_text_jaccard_is_one():
+    t = "нейронные сети глубокого обучения распознают образы на изображениях точно"
+    assert minhash.compute_jaccard_minhash(t, t) == 1.0
+
+
+def test_disjoint_text_jaccard_near_zero():
+    a = "квантовая физика элементарных частиц и теория поля"
+    b = "кулинарные рецепты домашней выпечки пшеничного хлеба"
+    assert minhash.compute_jaccard_minhash(a, b) < 0.1
+
+
+def test_lsh_finds_near_duplicate_and_ignores_unrelated():
+    minhash.reset_lsh()
+    try:
+        base = (
+            "нейронные сети глубокого обучения применяются для распознавания "
+            "образов на цифровых изображениях и в задачах компьютерного зрения"
+        )
+        minhash.add_to_lsh("doc:1", base)
+
+        near = base.replace("изображениях", "фотографиях")
+        assert "doc:1" in minhash.find_similar(near)
+
+        unrelated = (
+            "экономический анализ рынка недвижимости в крупных городах страны "
+            "за последние несколько отчётных финансовых кварталов подряд"
+        )
+        assert "doc:1" not in minhash.find_similar(unrelated)
+    finally:
+        minhash.reset_lsh()
+
+
+def test_lsh_upsert_does_not_duplicate():
+    minhash.reset_lsh()
+    try:
+        text = "обработка естественного языка методами машинного обучения и статистики"
+        minhash.add_to_lsh("doc:9", text)
+        minhash.add_to_lsh("doc:9", text)  # повторно тот же ключ — upsert, не дубль
+        assert minhash.find_similar(text).count("doc:9") == 1
+    finally:
+        minhash.reset_lsh()