Техническо състояние на проекта

WordPress + тема Blocksy, редакция през Gutenberg + Custom HTML блокове.

Hero секция, шорткод за последни новини, преглед на галерия, weather widget (Open-Meteo API, без ключ), CTA-та за дарения.

Отделна категория в блога с дедикирана display страница, изключена от общия поток новини чрез pre_get_posts hook.

Widget за дарения и widget за кампанията „Дари спомен“.

Google Maps вграждане + контактна форма (WPForms Lite).

Fisher-Yates разбъркване на отговорите, обяснение след всеки въпрос, прогрес лента с точки, финален екран с резултат; масив QUIZ_DATA с 8 въпроса (за разширяване).

Фиксирана цветова палитра, CSS класове с префикс .chk-, override-и на Blocksy defaults там, където темата налага собствени стилове.

Плъгин Tainacan Support for Blocksy — стандартният Tainacan Interface не пасваше на темата.

Обединена колекция (ID 153, slug pleneri) с таксономия „Пленер / Година“ вместо отделни колекции по година.

Основна колекция (ID 961) с каталогизирани стари фотографии и документи от селото; цел на релационните полета в останалите колекции.

Дедупликация по файлово име, с флагване на несигурни съвпадения (thumbnail за ръчен преглед) при ръчно преименувани елементи.

Колекция (ID 3636, slug dari-spomen) за анонимно публично качване на спомени; нови елементи влизат като Pending. Наследява таксономиите от колекция 961 (Вид на снимката, Десетилетие/Период, Източник — с нов термин по подразбиране „Дари спомен“).

Колекцията мина от private на publish, за да може формата изобщо да се зареди за нелогнат посетител — Tainacan проверява само WP core публичния флаг на статуса, независимо от настройките за анонимно подаване. Пазена от търсачките с публичен noindex, nofollow през WPCode wp_head снипет — покрива страницата на колекцията, /dari-spomen/ и страницата за подаване.

Счупеният set_default_value() е заобиколен с директно задаване през update_post_meta() при нови подадени елементи.

„Съгласие“ като Selectbox с една опция (Tainacan няма нативен checkbox тип). Полето „Свързана личност/снимка“ (връзка към колекция 961) е скрито от публичната форма през enabledMetadata на submission блока — вижда се само от админ.

ID 4180, slug mestnosti, статус publish; анонимната REST заявка връща 200. Създадена скриптово срещу живия сайт, ID-тата са записани в mestnosti_state.json.

ID 4186, 48 термина в 8 родителски групи.

Варианти на името, polygon GeoJSON, confidence (точна / приблизителна / неизвестна), name_class, status (жива / изчезнала по документи / извън землището), first_attested, etym_source, part_of (връзка към самата колекция), person_origin, owner_hist, източник и връзка към колекция 961.

Полето coordinates използва вградения тип GeoCoordinate на Tainacan.

elevation отпадна след извличането — в източниците няма данни за височина.

Собствен PHP скрипт вместо Tainacan CSV importer, чийто insert_hierarchy() игнорира allow_new_terms и който няма сух пробег. ID-тата на създадените елементи са в created_items.json.

Връща колекцията в изходно състояние по списъка в created_items.json.

Item::validate() проверява задължителните полета спрямо записаното в базата, затова нов елемент директно в publish пада. Ред: draft → Item_Metadata → publish + update(), както в самия CSV importer.

fetch([‘slug’ => …]) връща всички записи от типа, защото parse_fetch_args() подава невалидния аргумент post_name. Проверките за идемпотентност ползват get_posts([‘name’ => …]) и get_term_by().

Опциите се разделят по \n при рендиране, не по options_separator. Скриптовият запис е implode(„\n“, $values), без options_separator.

coordinates е трайно незадължително — 16 изчезнали местности от стари нотариални актове никога няма да имат координати. Напредъкът по геолокация се следи през confidence = „неизвестна“.

Отделно Textarea поле narrative (ID 6296) с резюмета за 52 от 69-те местности, споменати в „Чокманово том 1“. location_desc остава дословната речникова статия от том 2.

Скриптово създадените полета се проверяват визуално и през REST, не само по успешен insert. Праговете в скриптовете отчитат двете core полета (колекцията отчита 19, не 17).

Удостоверяване без WordPress акаунт — 6-цифрен код за потвърждение + 30-дневна HMAC бисквитка, срещу JSON списък с разрешени имейли (premium_access.json).

+ в имейл адреса се декодираше като интервал в redirect параметрите. Поправено с rawurlencode() на всички места с add_query_arg(), които носят chk_email.

Парснати 27 895 лица в 164 рода в структурирани JSON файлове (people_core.json, families.json, notes.json, rod_tags_dict.json + overlay файлове).

~6 500 празни/служебни записа се отсяват; обхватът се ограничава до Чокманово по мястото в записа + разширяване по графа на връзките.

Agelong Tree преномерира ID-тата при всяко вмъкване, затова корекциите (corrections.json, moves.json, additions.json, local_families.json, family_additions.json) се съпоставят по отпечатък (име + фамилия + година на раждане), а не по ID.

Пропуска се през template_redirect hook, преди да се рендира каквото и да е съдържание — the_content филтърът се оказа ненадежден за Blocksy.

Тъй като гейтваните страници не връщат съдържание на неавтентикирани заявки (включително ботовете на търсачките), личните и родословни данни не попадат в резултатите от търсене.

Формата за вход проверява съществуващата роля на потребителя, преди да зададе нова — за да не презапише случайно роля на администратор. Неотговарящи на условията акаунти получават общ отговор.

LiteSpeed Cache no-cache сигнализация (litespeed_control_set_nocache + LSCACHE_NO_CACHE) и добавяне на URI-тата в списъка с изключения — за да не се показва кеширано съдържание на грешен потребител.

Три нива: починали преди 1930 г. (свободно използваеми), починали в рамките на живата памет (с внимание), живи лица (никога не се показват).

Search-first интерфейс с debounced AND-търсене и карти за разграничаване при съвпадащи имена (често срещано в малко село с повтарящи се имена през поколенията).

Интерактивно SVG дърво на предците (D3-style, ванилен JS) с bezier конектори, показване на братя/сестри по поколение, отделни render пътища за мобилно и десктоп.

Sticky timeline sidebar до дървото; мащабиране на изгледа през CSS custom property –chk-zoom.

Възможност за печат на дървото и експорт на данните за лице/род в JSON формат.

Поправен bug с потискане на легитимни повторения в дървото (pedigree collapse) — проследяващите масиви вече са локални за всеки клон, вместо споделени между двете родови линии.

Данни от родословната гора на Петър Камбарев (Agelong Tree), с работещ процес за периодично обновяване; парсерът поддържа структурни разлики между отделните export-и (наличие на SURN тагове, покритие на NOTE полета).

Всички конектори се чертаят в един SVG върху цялото дърво, след измервателен проход по реалните позиции на картите (getBoundingClientRect). Предишният вариант рисуваше отделен SVG на всяка лента с preserveAspectRatio=“none“, което деформираше кривите неравномерно при широки родове.

Бащината линия е зелена, майчината — теракота; и по конектора, и по горния ръб на картата. Легенда над дървото.

Посочване, фокус или клик върху карта осветява цялата верига до изходното лице и приглушава останалото дърво. Клик фиксира линията, Esc я освобождава.

Веригата се изписва в лента, закрепена в дъното на екрана (position:fixed) — извън потока на документа, за да не измества дървото при всяко минаване с мишката.

Хапче на долния ръб на всяка карта скрива или връща предците ѝ; свитата карта показва броя скрити лица и получава пунктиран долен ръб. Бутонът „Разгъни всички“ се появява само когато има свити клонове, с брояч.

Всеки възел се идентифицира с път от корена (0, 0f, 0fm), а не с ID на лицето — така свитото състояние остава коректно и когато едно и също лице се появява в две родови линии.

Вертикалният скрол на страницата и хоризонталният скрол на дървото се възстановяват след всяко свиване, разгъване или смяна на мащаба.

Бутонът „Побери“ изчислява мащаба от броя колони и наличната ширина, вместо нивото да се търси на ръка със стъпки от 10%.

Панелът за търсене се скрива при отваряне на дърво и се заменя със sticky лента с името на лицето и бутон „Ново търсене“. Рестартът вече не изисква да се познае, че трябва да се пише в изчезналото поле.

„Изход“ беше най-видимият бутон на страницата и се бъркаше с рестарт на търсенето. Сега е второстепенен линк, а рестартът е основното действие в лентата.

Три конкуриращи се контрола (бележка, братя/сестри, свиване) са сведени до два с различен вид: подчертан текстов линк „подробности“ за съдържанието и хапче на ръба за структурата. Дългите бележки се отрязват с CSS line-clamp, а не с втори линк.

Темата боядисва всеки <button> в теракота, което правеше второстепенните контроли (×, „свий“) да изглеждат като главни действия. Всички собствени бутони в модула получават явен reset.

Всяка карта е фокусируема (tabIndex), Enter/Space фиксира линията, Esc я освобождава.

Собствен pipeline: PyMuPDF за извличане на страници + Tesseract с поддръжка на български език (bul); преизползваем скрипт ocr_pipeline.py.

236 PDF страници → 470 книжни страници; 963 000+ разпознати знака; per-page JSON (текст, брой знаци, средна OCR увереност, флагнати страници).

267 страници, 740 чънка, 1 208 238 знака. Качеството е проверено преди качване: 78.5% кирилица, нула заместващи символи, нула лични данни; разликата спрямо източника е 9.8% умишлено припокриване между съседните чънкове.

„Св. Архангел Михаил“ (4 стр.) и „Св. Пророк Илия“ (5 стр.), средна OCR увереност ~93.8–93.9%.

12 страници на Златка Петрова (РИМ „Стою Шишков“ — Смолян) с бележки под линия и архивни препратки. Първият източник, който не е селищна монография.

204 страници, OCR + семантично нарязване през ragexport.py; 842 537 знака в 515 чънка с припокриване и запазени метаданни за книга и страница.

190 местности от речниковата глава на том 2; 69 от тях са открити и в разказа на том 1, който няма собствен топонимен речник.

Статичен Custom HTML интерфейс с предварително написани въпроси и отговори — заменен от реалния бекенд във Фаза 4.

Проект chokmanovo-chatbot в Cloudflare Workers, D1 схема приложена (chokmanovo-db), Vectorize индекс създаден (chokmanovo-chunks, 1024-dim cosine), Workers AI binding за embeddings (@cf/baai/bge-m3).

/admin/* защитен с Cloudflare Zero Trust Access (One-time PIN); конфигурация в D1 с лимити daily_spend_limit_usd 2.0 и daily_ip_limit 20.

POST /admin/ingest приема JSON от OCR инструмента, ембедва всеки чънк през Workers AI и записва вектора във Vectorize и реда в D1. Идемпотентен — повторно качване обновява, не дублира.

Цялата книга заредена наведнъж: 515 чънка за ~36 s, 515 вектора × 1024 измерения. Проверено чрез сравнение D1 ↔ Vectorize, а не по код: 515 реда, 515 уникални id, сумата от знаците съвпада точно с износа.

${book_id}:${chunk_id} е едновременно primary key в D1 и vector id във Vectorize — това е връзката, която позволява на векторно съвпадение да върне текст и страница. 64-байтовият лимит на Vectorize се валидира преди запис.

Заявка по vector id връща точно самосъвпадение 1.0000 с логични съседи, а върнатите id-та се разрешават обратно до текст и страници в D1.

Отговор на български, стъпил единствено върху извлечения контекст, с цитати заглавие + страница. CORS ограничен само до digital-archive.site; /admin/* остава зад Access.

Глобален прекъсвач по дневен разход, дневен лимит на IP и твърд max_tokens — в този ред. Блокирана заявка не стига до Claude изобщо: отговаря се от константа на български.

Проверката и увеличението са едно изявление (INSERT … ON CONFLICT … RETURNING), така че две едновременни заявки от един IP не могат и двете да минат под лимита.

cost_usd се смята от токените, които API-то само отчита, никога от оценка; цените на модела живеят в config до името му. Всяко повикване се записва в usage_log в същата заявка.

Извличането винаги връща съседи, затова честният отказ иначе би пристигнал със списък източници. Маркерът за отказ е в config до промпта; сравнението е устойчиво на форматиране, пренос на ред и главна буква.

Правило в промпта против звездички и заглавия, които widget-ът би показал буквално. Проверено срещу девет markdown конструкции върху реален отговор.

temperature се изпраща само на моделите, които я приемат — Opus 5, Sonnet 5 и 4.7/4.8 я отхвърлят с 400. Смяна на config.model вече не може да събори /chat.

Ако извличането не върне нищо, отговорът идва от константа — вместо да се плаща на Claude да каже, че не знае.

max_tokens 2048 и top_k 8, плюс пренаписано правило за изчерпателност (старото правило „пиши кратко“ беше истинската спирачка, не таванът). Измерено: ~$0.0101 на въпрос, ~198 въпроса на ден под непроменения таван от $2.

cost_usd, input_tokens и output_tokens се връщат заедно с отговора, от същите променливи, които се пишат в usage_log — мрежовият отговор и разходният регистър не могат да се разминат.

Страница /admin/panel с табло, дневник на заявките и редактор на config, зад същия Access. „Изхарченото днес“ чете същата константа TODAY_SQL, която ползва и прекъсвачът — двете не могат да се разминат за това къде започва денят.

config се чете при всяка заявка, затова лоша стойност важи за следващия посетител без деплой. Твърдите граници връщат 400; преценките — 409 с предупреждение на български, което трябва да се потвърди (сменен модел без цени, модел, който отхвърля temperature, липсващ маркер за отказ, лимит 0).

Книги се качват и изтриват без терминал. DELETE /admin/api/books без confirm: true е сух пробег, който само отчита какво ще падне. Векторите се трият преди редовете в D1 — обратният ред би оставил сираци, които печелят top_k места и после не се разрешават до текст.

Workers AI отказва bge-m3 заявка над 60 000 токена, а фиксиран брой чънкове не може да спази таван в токени — зависи от дължината им. Батчът вече се мери в знаци (EMBED_CHAR_BUDGET 55 000); прекалено голям товар се отхвърля при валидация, преди да е записано нещо.

Съдържателен отговор, който завършва с уговорка, губеше цитатите си. Маркерът се брои само ако започва в първите 200 знака — отказът води с фразата, уговорката я влачи накрая.

Custom HTML блокът вика реалния POST /chat вместо демо отговорите. Потвърдено от страната на API-то: заявки от втори посетител в usage_log, CORS работи за реалния произход и отказва останалите.

Интерфейсът показва колко струва всеки отговор в долари, от cost_usd в тялото на отговора — същото число, което влиза в usage_log и което сумира дневният прекъсвач.

WPCode shortcode chk_chat_intro (PHP nowdoc): обхват на бота, поведение при липса на информация, лимити, предупреждение за лични данни. Показва се веднъж на сесия (sessionStorage), затваря се с бутон, Esc или клик извън прозореца.

Шест източника, 1901 чънка, 3 083 871 знака — двата тома на „Чокманово“, „Родопските комити разказват“ и три статии. D1 и Vectorize се сверяват след всяко качване. Отговорите обхващат няколко книги наведнъж и цитират всяка поотделно.

Извличането по избор добавя откъса преди и след всяко съвпадение (neighbor_expansion_enabled, прозорец neighbor_window), за да не се къса разказ по средата на страница.

Таван на броя откъси от една и съща (застъпваща се) страница (diversity_limit_per_location), за да не измести една силно съвпадаща страница останалите относими източници.

src/name-variants.json + флаг name_variants_enabled — съпоставя диалектни/исторически изписвания при търсене: редуване о/ъ, поколенчески наставки.

Едно допълнително евтино повикване към Claude Haiku на въпрос, генериращо 3–5 алтернативни заявки за търсене (query_expansion_enabled).

Резултатите от оригиналната заявка и от вариантите се сливат с Reciprocal Rank Fusion.

От 8-те места 6 са запазени за оригиналната заявка и 2 за вариантите. Тегловното сливане позволяваше на вариантите да изместят точните съвпадения; резервираните места го изключват.

Отделен Cloudflare Worker (eval/eval-worker.ts) за сравняване на комбинации от флагове върху фиксиран набор контролни въпроси, преди да се включат в продукция. Съседните откъси и разнообразието са включени по подразбиране от 2026-09-03.

Очакваното място на отговора в текста се потвърждава с SQL заявка срещу D1, преди контролният въпрос да влезе в набора.

Бутон в widget-а под всеки отговор от бекенда; отваря поле за незадължителна бележка и праща доклад към нов POST /chat/flag. Не вика Claude и не пипа разходния прекъсвач.

answer_flags (миграция 0008) пази точния текст на флагнатия отговор — usage_log никога не пази текста на отговора, само въпроса, затова се записва само при флаг.

Отделна таблица flag_rate_limits със същия атомарен INSERT … ON CONFLICT … RETURNING модел като лимита на /chat, 10 доклада на IP на ден — публичен endpoint без автентикация.

GET/PATCH /admin/api/flags, филтри Всички/Нерешени/Решени и маркиране като „разгледан“ — списък за подобрения, изграден от реални доклади, не от предположения.

WPCode снипет chk-ai-meta регистрира post meta _chk_ai и _chk_sources в REST — собствените статии стават индексируеми и от писателя, и от чатбота. Всяка нова колекция се закача за същата конвенция, не за нов механизъм.

chk-writer-webhook вика отделния Cloudflare Worker chokmanovo-writer — държан настрана от чатбот Worker-а, за да не делят конфигурация, лимити и разходен прекъсвач.

Снипет chk-ai-editor — работно място в админ частта за подготовка на статия по идея, без терминал и без достъп до Cloudflare.

„Смолян“ е надеждната заявка: 171 записа, 170 с отворен лиценз. „Родопи“/„Rhodope“ е замърсена — най-големият доставчик е Музикална библиотека на Гърция (1248 записа за гръцка Родопа), плюс хербарни образци и римска епиграфика.

Всички TEXT, всички Public Domain Mark, част от „Дигитална колекция Паметта на Родопа планина“ — каноничните родопски източници 1884–1942, вкл. 7 вестника. Описанията са ръчно анотирани от библиотекарите със селата, които всеки източник покрива — затова заявката „Чокманово“ дава съвпадения по метаданни, не по OCR.

Манифестите обявяват /search услуга, която връща 404 за всяка форма на параметрите; истинският показател е броят canvas-и — 2 значат корица и мостра, не дигитализирана книга. Search API търси само метаданни; пълният текст е зад отделните IIIF Fulltext и Newspapers API.

reusability=open покрива само PD, CC0, CC BY и CC BY-SA — CC BY-ND минава за „Permitted“. Постоянно включеният филтър скриваше половината от съществуващото за селото: от 8-те записа за вариантите на името 4 са иконите от „Св. пророк Илия“ (ИИИ при БАН през AMS Historica Болоня). Филтърът вече е параметър на заявката, не константа.

Метаданните на Europeana са CC0 — съхраними, индексируеми и публикуеми. Изображенията се хотлинкват към източника, никога не се копират в Media Library; задължително атрибуиране на институция, лиценз и линк към оригинала.

Отхвърлени са масовият импорт на сурови записи, отделен Worker с адаптери по източник и IIIF deep-zoom (няма inode запас). Индексира се само българското описание, написано за всеки обект — каталожните стубове от 10–20 думи биха печелили съвпадения срещу 963 000-знаковия OCR корпус и биха давали отговори без цитат на том и страница.

ID 6467, slug external-sources; core Title 6469, core Description 6471. Core полетата не могат да са multiple: yes — платформено ограничение на Tainacan.

orig_title, orig_desc, creator, year_text, external_id, source_url, thumb_url, media_url, rights, scope, source_type, institution, related_place (→ 4180) и related_photo (→ 961); всички са multiple: yes. Местата са релация към „Местности“, не втора паралелна таксономия.

source_type (ID 6475) със седем термина — изображение, книга, документ, периодика, звукозапис, видео, друго; source_institution (ID 6477) започва празна с allow_insert, термините се създават от харвестъра.

chk-scripts/europeana-harvest.php, пускан ръчно по SSH: –scope=village|smolyan|kaza [–apply] [–limit=N]. Сух пробег по подразбиране, реален запис само с –apply.

Само вариантите на името на селото дават 8 записа, затова обхватът е разделен на три: village, smolyan (по dataProvider „Public Library – Smolyan“) и kaza (Ахъчелеби, Пашмакли, Устово, Райково, Смилян) — заедно 50–80 записа. Редът е smolyan → village → kaza: записите се застъпват и първият обхват ги заявява; обратният ред етикетира грешно.

Харвестърът създава елементите единствено като DRAFT — в кода няма клон, който публикува. Празните чернови не се индексират и не се виждат на сайта; това е предпазителят срещу автоматично влизане на чужд каталожен текст в архива.

Видените Europeana ID-та се пишат в chk_eu_seen постъпково и независимо от изхода, така че отхвърлен запис не се появява пак. Вариантите на имената и dataProvider низовете живеят в chk_eu_scopes, не в кода.

И трите обхвата: village 8/8, smolyan 13/13, kaza 9 (след trash на 11 нерелевантни). Видими на сайта с оригиналното заглавие и описание от източника; собствен текст на български в Core Description предстои за всеки — виж „Предстои“.

WPCode snippet chk-external-thumbs + споделена библиотека chk-scripts/lib/external-thumbs.php: по 2 WP attachment поста на запис, изцяло без реален файл — само мета сочещо към Europeana thumbnail proxy-то (фиксиран размер, ~400×604px). Филтри върху image_downsize/wp_get_attachment_url връщат външния URL при поискване. Изображенията вече се виждат навсякъде — grid на колекцията, item страницата, REST API — без да се пипат ограничените инодове на хостинга. Харвестърът вече ги създава автоматично за всеки нов запис, без нужда от отделен backfill.

Автор, институция, права и линк към оригинала под всяко изображение на item страницата. object-fit/background-size: contain навсякъде в колекцията — иконите са CC BY-ND, изрязване е дериват. Покрива и трети, отделен плъгин (Tainacan Extra View Modes), чийто изглед „Books“ рендира миниатюрата като background-image, не <img>.

cmc.byzart.eu е мигрирал изцяло към нова платформа (Angular SPA, не сервира директно изображение) — оригиналният линк за 4-те икони вече не работи. Europeana thumbnail proxy-то остава единственото използваемо изображение за тях, 400×604 фиксиран таван.

SSH достъп (порт 1022) + sshfs mount на хостинга, Claude Code за директна работа по файловете на живия сайт.

Стартира се от локалната ~/dev/chokmanovo с –add-dir ~/sites/chokmanovo — стартът в sshfs папката води до Bun ENOENT грешки. CLAUDE.md живее локално.

WP-CLI липсва на хостинга, затова програмните промени в Tainacan минават през PHP CLI скрипт (8.4.25) с require wp-load.php, който вика директно \Tainacan\Repositories\… и \Tainacan\Entities\….

Системният интерпретатор е Python 3.6.8 (EL7); проектните скриптове вървят във python3 -m venv, а не върху него.

На акаунта няма реален cron, а WP-Cron се задейства от посещения и е ненадежден при слаб трафик. Затова периодичните задачи (вкл. харвестъра) се пускат ръчно по SSH, вместо да се разчита на график, който не се изпълнява.

Няма запас за големи количества дребни файлове — това изключва IIIF плочки и всяко друго решение, което взривява броя файлове. Отчита се при избора на всяка нова функционалност.

add_query_arg() НЕ кодира аргументите, които добавя (build_query() вика _http_build_query с $urlencode = false). Кирилица, кавички и интервали влизат сурови, а nextCursor на Europeana със + или = чупи страницирането след първата страница — ползва се http_build_query() с конкатенация.

Няма общ тип tainacan-item — всяка колекция има свой tnc_col_{ID}_item. Броене по postmeta.collection_id без филтър по реалния post type връща силно завишени числа.

20 публикувани записа с тип tnc_col_62_item при трайно изтрита колекция 62 — ранни тестови елементи от 22.07.2026, невидими в админа, безвредни (post ID-та не се преизползват).

Item::validate() се налага само за publish/future/private/pending — Repository::insert() я прескача за draft, затова черновата може да се вмъкне преди метаданните си. Item_Metadata_Entity::validate() е отделна и продължава да важи за всяко поле.

При грешка в задължително поле елементът се трие (wp_delete_post($id, true)), а не се оставя като чернова без това поле — ID-то вече е в списъка с видени и записът би се загубил безшумно завинаги.

Пазачът държи под наблюдение и собствените обекти, вместо да ги освобождава: освобождаването на колекцията и таксономията, в които се пише, означава непредвидена промяна там да остане незабелязана. Освобождава се само таксономията, за която се очаква да расте.

Версионна история на Cloudflare Workers кода.

Резервно копие с UpdraftPlus преди всяка структурна промяна, LiteSpeed Cache purge след промяна, тестове на малки партиди преди bulk операции.

Ботът стъпва строго върху разпознатия текст, затова сгрешено число става уверено изречен грешен факт: 1485 вместо 1885 в ктиторски надпис, ХХ в. вместо ХIХ в. за икони от 1830 г. Числата и римските цифри са там, където OCR е най-слаб и окото на коректора се плъзга.

Tesseract понякога минава на латиница по средата на думата (OSMANСКО, grootелият). Откриване в целия корпус по [A-Za-z] + [А-Яа-я] в една дума — тези думи развалят ембедингите, не само четимостта.

Тодор Хвойнев: „Моите спомени“ — 118 стр.

Цел: минимум 10 допълнителни източника, за да има чатботът достатъчно материал.

4 от 30-те публикувани записа вече имат собствен текст на български в Core Description — четирите икони от църквата „Св. пророк Илия“ (Димитриос Астериадис, 1892 г.; Спирос Михаил, 1836 г.), заснети от Георги Линков през 2005 г. за проекта BYZART. Остават 26 записа само с оригиналния текст от източника — той е и текстът, който ще влезе в индекса на чатбота, не каталожните метаданни.

Чънковете трябва да носят произход, за да може ботът да различава проверено местно знание от външен материал. Индексира се само българският текст, не каталожните метаданни.

Генериране на форматирана статия за категория История, стъпила върху книгите и архива, с изображения и галерии; опростен режим „Новини“, в който екипът пише няколко изречения. Индексират се всички Tainacan колекции и собствените статии, за да не се появяват дублирани или противоречиви твърдения.

Библиотеката държи пълните сканове на всичките 42 източника, докато в Europeana има само корици. Три искания: достъп до сканите със споменавания на Чокманово, взаимно линкване между двата архива и съвместна кандидатура по програма.

Кеширан GeoJSON endpoint /?chk_toponyms=1 (WPCode) + Leaflet страница с подложки OpenTopoMap и Esri World Imagery.

Координати за 6 опорни точки (петте махали + Св. Илия), останалите — по посока и разстояние от тях. Преглед на 62-те реда „спомената в текста“.

В речниковата глава липсват страници — раздел А прескача от КАЛАМУНСКО на СИСТЕКОВО (Л, М, Н, О, П, Р). Нов OCR на тези страници с по-висока резолюция.

Публична страница за подаване + reCAPTCHA (самата колекция и workaround-ите вече са готови).

Акаунти в Patreon и Buy Me a Coffee.

Редакция и актуализация на съществуващото съдържание в сайта.

Извличането взима най-близките top_k съседа без праг по score, така че последните може да са хлабаво свързани. Праг би стеснил цитатите до наистина относимите източници.

Правило 4 лови информация, която липсва; правило 7 бута модела да обяснява връзките между фактите. Заедно значат, че повреден източник не създава видима дупка, а добре написано погрешно твърдение. Ново правило би искало от модела да отбележи очевидно противоречив факт, вместо да го помирява.

С шест източника и top_k 8 широк въпрос може да опре в тавана от max_tokens 2048 и да се среже по средата на изречението. Досега 1 от 27 отговора при средно 562 токена. Вариантите са по-висок таван (решение за пари), по-меко правило 7 или по-нисък top_k.

Двама различни Райчо Чакорови (дядо и внук) засега не могат да се разграничат в отговорите.

Проверка за реален потребител при отваряне на чата; сесиен токен (HMAC, 60 мин.), проверяван в Worker-а преди всяко извикване на Claude API.

1–2 уеб камери, стрийм в YouTube, вградени на сайта.

Възможност постовете да включват звукозапис.

По-нататъшно подобряване на текущата система с 6-цифрен код + HMAC бисквитка.

164-те отделни дървета от износа — в единен граф.

Лексикон от имената в GEDCOM корпуса за автоматична корекция на разпознатите имена.

Обобщена статистика върху родословната база — първа публична функционалност от нея.

Определяне на връзката между две лица с българската роднинска терминология.

Върху Leaflet слоя на картата на местностите.

PDF лист за лице/род.

Native колекция, захранваща визуализацията през REST API; кандидат-материал са портретите с имена и години (1882–1930) от Фондация NALIS в Europeana, всички с Public Domain Mark. Дотогава релационното поле „Свързана личност“ в „Външни източници“ сочи само към колекция 961.

Вертикална странична навигация (Gutenberg Columns 30/70, Synced Pattern) със секции: Библиотека, Кафе-читалня, Дистанционна работа, Събития, Кино салон, Екип, Уъркшопи — списъкът със секции предстои да се потвърди.

Политика за поверителност, политика за бисквитки, условия за ползване, лиценз CC BY-NC-SA за съдържанието.

План за анонимизация на живи лица в родословните данни.

Cloudflare Web Analytics, UptimeRobot, тримесечен тест за възстановяване на UpdraftPlus копие в локален Docker.

Обратната посока към Europeana — колекциите на читалището да бъдат обхождани от агрегатори. Националният агрегатор за България е библиотеката във Варна; директното кандидатстване не е пътят.

Документирани Tainacan REST endpoints + износ в CSV/JSON.

Преместване на целия сайт от текущия адрес.

Автоматично извличане на имена/дати от OCR текста за захранване на родословието.

20 записа tnc_col_62_item от 22.07.2026 — почистване или оставяне; отделно решение, не част от функционална работа.

Git вече покрива RAG чатбот проекта (Cloudflare Workers); липсва версионна история и тестова среда за самия WordPress сайт.

Проверка на критичните функции при всяка промяна.