From f76184340e31b6911a54fa9c976bb3e6bb4c92ad Mon Sep 17 00:00:00 2001
From: Davide Grilli <davide.grilli@outlook.com>
Date: Wed, 20 May 2026 16:23:03 +0200
Subject: [PATCH] chore: rimuove comando /post-chunk obsoleto

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
---
 .claude/commands/post-chunk.md | 119 ---------------------------------
 1 file changed, 119 deletions(-)
 delete mode 100644 .claude/commands/post-chunk.md

diff --git a/.claude/commands/post-chunk.md b/.claude/commands/post-chunk.md
deleted file mode 100644
index 05a139e..0000000
--- a/.claude/commands/post-chunk.md
+++ /dev/null
@@ -1,119 +0,0 @@
----
-description: Perfeziona i chunk di un documento (verifica, dry-run, fix, ri-verifica) e li prepara per la vettorizzazione.
-allowed-tools: Read Bash Grep
-argument-hint: <stem>
----
-
-## Passo 0 — Verifica fresca
-
-Esegui sempre `verify_chunks.py` per un report aggiornato:
-
-```bash
-source .venv/bin/activate && python chunks/verify_chunks.py --stem $ARGUMENTS
-```
-
-Leggi il report appena generato:
-
-!`python3 -c "
-import json, sys
-try:
-    r = json.load(open('chunks/$ARGUMENTS/report.json'))
-    v = r.get('verdict','?')
-    s = r.get('stats', {})
-    t = r.get('thresholds', {})
-    print(f'Verdict: {v}')
-    print(f'Totale chunk: {s.get(\"total\",\"?\")}  |  OK: {s.get(\"ok\",\"?\")}')
-    print(f'Min: {s.get(\"min_chars\",\"?\")} char  Max: {s.get(\"max_chars\",\"?\")} char  Media: {s.get(\"avg_chars\",\"?\")} char')
-    print(f'Soglie: MIN={t.get(\"min_chars\",200)}  MAX={t.get(\"max_chars\",800)}')
-    bl = r.get('blockers', {})
-    wa = r.get('warnings', {})
-    for cat, label in [('empty','Vuoti'), ('no_prefix','Senza prefisso'), ('incomplete','Frasi spezzate')]:
-        items = bl.get(cat, [])
-        if items:
-            print(f'  🔴 {label}: {len(items)}')
-            for c in items[:3]:
-                print(f'     [{c[\"chunk_id\"]}] {c[\"n_chars\"]} char → {c[\"last_text\"][-60:]!r}')
-    for cat, label in [('too_short','Troppo corti'), ('too_long','Troppo lunghi'), ('incomplete_math','Math incompleto')]:
-        items = wa.get(cat, [])
-        if items:
-            print(f'  🟡 {label}: {len(items)}')
-            for c in items[:3]:
-                print(f'     [{c[\"chunk_id\"]}] {c[\"n_chars\"]} char')
-except Exception as e: print(f'ERRORE lettura report: {e}')
-" 2>/dev/null`
-
----
-
-## Se verdict == "ok"
-
-✅ Nessun problema bloccante. Comunica:
-
-```
-✅ Chunk pronti — procedi con la vettorizzazione:
-   python ingestion/ingest.py --stem $ARGUMENTS
-```
-
-Se ci sono solo 🟡, spiega brevemente i warning e chiedi se l'utente vuole risolverli prima o procedere.
-
----
-
-## Se verdict == "warnings_only" o "blocked"
-
-### Passo 1 — Dry-run
-
-```bash
-source .venv/bin/activate && python chunks/fix_chunks.py --stem $ARGUMENTS --dry-run
-```
-
-Spiega in italiano ogni operazione pianificata:
-
-- **rimuovi chunk vuoti** — privi di testo, non contribuiscono al retrieval
-- **aggiungi prefisso** — `[sezione > titolo]` fornisce contesto all'embedding; senza, il chunk è decontestualizzato
-- **fondi incompleti** — frase spezzata a metà: il chunk corrente e il successivo formano una frase unica
-- **fondi troppo corti** — sotto MIN_CHARS: troppo brevi per portare informazione semantica utile
-- **spezza troppo lunghi** — sopra MAX_CHARS×1.5: troppo densi, degradano la precision del retrieval
-
-Se ci sono solo 🟡 (nessun 🔴), informa che si può procedere anche senza fix e chiedi la preferenza.
-
-### Passo 2 — Conferma
-
-Chiedi: **"Applico le correzioni?"**
-
-Applica solo su risposta affermativa esplicita.
-
-### Passo 3 — Applica
-
-```bash
-source .venv/bin/activate && python chunks/fix_chunks.py --stem $ARGUMENTS
-```
-
-### Passo 4 — Ri-verifica automatica
-
-```bash
-source .venv/bin/activate && python chunks/verify_chunks.py --stem $ARGUMENTS
-```
-
-Leggi il nuovo `chunks/$ARGUMENTS/report.json` e riporta:
-- Nuovo verdict
-- Delta chunk (N prima → N dopo)
-- Problemi residui se presenti
-
-### Passo 5 — Conclusione
-
-Se verdict finale è `ok` o `warnings_only` senza 🔴:
-
-```
-✅ Chunk pronti in chunks/$ARGUMENTS/chunks.json
-   Procedi con la vettorizzazione:
-   python ingestion/ingest.py --stem $ARGUMENTS
-```
-
-Se rimangono 🔴 dopo il fix (testo non spezzabile o struttura anomala nel sorgente):
-
-```
-🔴 X problemi residui non risolvibili automaticamente.
-   Torna a conversione/$ARGUMENTS/clean.md e correggi manualmente le sezioni indicate,
-   poi riesegui nell'ordine:
-     python chunks/chunker.py --stem $ARGUMENTS --force
-     python chunks/verify_chunks.py --stem $ARGUMENTS
-```