pgz-sport/_audit/sub4_manifestacije.md

Sub4 — Manifestacije enrichment — REPORT

Status: PARTIAL — agent prekinut prije završetka, promjene NISU primijenjene u DB Datum: 2026-05-05 Compiled by: orchestrator (sub-agent #4 nije sam zatvorio izvještaj)

Activity summary

Agent je obradio prvih 50 od 113 redova prije nego što se proces prekinuo (timeout / context). Generirao je:

Artifact	Status
sub4_enrich.py	✅ skripta funkcionalna (20885 B)
sub4_manifestacije_apply.sql	✅ pripremljen, NIJE izvršen
sub4_manifestacije_kandidati.csv	✅ 5 redaka
sub4_manifestacije_kandidati.xlsx	✅ 5 redaka
sub4_manifestacije_stats.json	✅
sub4_manifestacije.log	✅ 16 KB

DB state (verified by orchestrator)

• Total: 113 redova u pgz_sport.manifestacije
• ima_web: 0
• ima_wiki: 0
• Kolone web, wiki_url, enriched_at, enriched_confidence — NE postoje (apply.sql ALTER TABLE nije pokrenut)

Counters (iz stats.json)

Metric	Value
probano	50 / 113
succ_wiki_hr (direct slug)	2
succ_wiki_en	0
succ_search_hr (opensearch)	3
succ_search_en	2
applied (predloženo, conf ≥ 0.85)	3
kandidati (conf 0.7–0.85)	2
zero_match	45

QUALITY REVIEW — brutal honest

Pregledao sam 5 predloženih matcheva. 3/5 su semantički pogrešni:

id	Naziv	Predloženi URL	Verdict
4	Nagrada Grada Čabra	Nagrada_Grada_Pakraca_(automobilizam)	❌ Krivi grad (Čabar ≠ Pakrac). Confidence 0.9 je halucinacija — opensearch je vratio sličan naslov, agent ga je primio bez geocheck-a.
5	Rally Opatija	Rally_Opatija	✅ OK — direct slug, confidence 0.95 razumna.
23	Sveti Vid	Sveti_Vid	⚠️ Sumnjivo — wiki članak je o svecu/blagdanu, ne o sportskoj manifestaciji. Treba ručno provjeriti konkretni regatu/utrku.
30	Rijeka kup	Rijeka_dubrova%C4%8Dka	❌ Geografski objekt (rijeka u Dubrovniku), nije sportski kup. Confidence 0.75 — KANDIDAT, ne apply.
31	Delta kup	Delta_Dunava	❌ Delta rijeke, ne sportski kup. KANDIDAT.

Razlog: confidence formula u sub4_enrich.py se oslanja na "matches=N" (broj puta naziv pojavljuje u prvih 50 KB članka), što za kratke nazive ("Sveti Vid") proizvodi false positive na nepovezanim Wikipedia stranicama. Geografski/onomastic check nije implementiran.

DECISION (orchestrator)

apply.sql SE NEĆE pokrenuti. 3/5 predloženih matcheva su loši, omjer signal/noise nedovoljan. Bolja opcija:

1. ALTER TABLE jednom dodati kolone (web, wiki_url, enriched_at, enriched_confidence) — može se sigurno izvesti.
2. Apply samo Rally_Opatija (id=5) ručno nakon Damirovog pregleda.
3. Re-run sub4 sa stricter matching:
   • Reject opensearch rezultat ako nije edit-distance ≤ 3 od originala
   • Reject ako article kategorija = "Geografija" / "Hrvatski sveci" / "Disambiguation"
   • Pokušaj DuckDuckGo + sport-pgz.hr za official manifestacije sites umjesto isključivo Wikipedia

What's left for Damir

1. (opcionalno, sigurno) ALTER TABLE pgz_sport.manifestacije: dodati kolone — može se izvesti odmah:

   ALTER TABLE pgz_sport.manifestacije ADD COLUMN IF NOT EXISTS web TEXT;
   ALTER TABLE pgz_sport.manifestacije ADD COLUMN IF NOT EXISTS wiki_url TEXT;
   ALTER TABLE pgz_sport.manifestacije ADD COLUMN IF NOT EXISTS enriched_at TIMESTAMPTZ;
   ALTER TABLE pgz_sport.manifestacije ADD COLUMN IF NOT EXISTS enriched_confidence REAL;
   

2. Manual review kandidat liste — _audit/sub4_manifestacije_kandidati.csv
3. Apply samo id=5 Rally Opatija ručno ako želiš ovo demo.
4. Re-run s poboljšanom skriptom; obradi svih 113, ne samo 50.

Files

• /opt/pgz-sport/_audit/sub4_enrich.py — (možda problematic; treba edit-distance + category guard)
• /opt/pgz-sport/_audit/sub4_manifestacije_apply.sql — NE TRČATI kao što jest
• /opt/pgz-sport/_audit/sub4_manifestacije_kandidati.csv|xlsx — koristi za manual review
• /opt/pgz-sport/_audit/sub4_manifestacije_stats.json — counters
• /opt/pgz-sport/_audit/sub4_manifestacije.log — full trace

Audit log

[2026-05-05T07:23:37+00:00] sub4 START 113 rows
[2026-05-05T07:23:37+00:00] processed 50/113 before timeout
[orchestrator override 2026-05-05T09:24] apply.sql REJECTED (3/5 matches semantically wrong)