@futdevpro/nts-dynamo 1.15.68 → 1.15.71

package/build/_modules/ai/_services/ai-embedding-mock.service.js

@@ -1,167 +1,167 @@
-"use strict";
-Object.defineProperty(exports, "__esModule", { value: true });
-exports.DyNTS_AI_Embedding_MockService = exports.DyNTS_AI_MOCK_EMBEDDING_DIMS = void 0;
-const tslib_1 = require("tslib");
-const crypto = tslib_1.__importStar(require("crypto"));
-const ai_1 = require("@futdevpro/fsm-dynamo/ai");
-const ai_embedding_service_base_1 = require("./ai-embedding.service-base");
-/** A mock-embedding default dimenziója (kicsi, hogy a teszt-pool gyors legyen, de elég a koszinuszhoz). */
-exports.DyNTS_AI_MOCK_EMBEDDING_DIMS = 64;
-/**
- * `DyNTS_AI_Embedding_MockService` (BFR-AM-008) — determinisztikus, hash-alapú, fix-dimenziós,
- * l2-normalizált pszeudo-vektor a szövegből. Provider- és hálózat-mentes → a tesztek + a tsc-/offline-
- * smoke valódi API-kulcs nélkül futnak. Azonos `(model, text)` → azonos vektor (idempotens), így a
- * koszinusz-keresés determinisztikusan tesztelhető. A FAM `FAM_Mock_EmbeddingProvider` workaround-ját
- * emeli bedrock-szintre, mint újrahasználható test-double.
- *
- * **Cost-event (BFR-AM-007):** minden call után `emitCostEvent`-tel jelez (fake token-fogyasztás,
- * 4 char ≈ 1 token), provider `'mock'`, callType `embedding-single` / `embedding-batch`. Így a
- * cost-aggregáló pipeline mock-providerrel is end-to-end tesztelhető.
- */
-class DyNTS_AI_Embedding_MockService extends ai_embedding_service_base_1.DyNTS_AI_Embedding_ServiceBase {
-    /** A mock a `LocalAI` provider-enum alá tartozik (nincs külső hívás). */
-    aiProvider = ai_1.DyFM_AI_Provider.LocalAI;
-    /** A cost-event provider-string (a `DyNTS_AI_CostEvent.provider` szabad-string mezőjéhez). */
-    costProvider = 'mock';
-    /** Mock capability-k: csak embedding (determinisztikus). */
-    capabilities = {
-        chat: false,
-        embeddings: true,
-        imageGeneration: false,
-        vision: false,
-        audioGeneration: false,
-        audioAnalysis: false,
-        functionCalling: false,
-        streaming: false,
-        batchOperations: true,
-        supportedModelTypes: [],
-    };
-    /** A generált vektor dimenziója. */
-    dims;
-    /** @param set opcionális dims + onCostEvent. */
-    constructor(set) {
-        super();
-        this.dims = set?.dims && set.dims > 0 ? set.dims : exports.DyNTS_AI_MOCK_EMBEDDING_DIMS;
-        if (set?.onCostEvent) {
-            this.onCostEvent = set.onCostEvent;
-        }
-    }
-    /** A mock-nak nincs külső config-ja; a `setup` a dimenzió override-jára szolgál (config.dimensions). */
-    setup(config) {
-        const dims = Reflect.get(config ?? {}, 'dimensions');
-        if (typeof dims === 'number' && dims > 0) {
-            this.dims = dims;
-        }
-    }
-    /**
-     * Egy determinisztikus embedding. A `model`-t beleszövi a seed-be, hogy modell-váltás más vektort
-     * adjon (re-embed teszteléshez). `fullResponse=true` → OpenAI-alakú válasz-objektum.
-     */
-    async createEmbedding(set) {
-        const start = Date.now();
-        const vector = this.deterministicVector(`${set.model}::${set.text ?? ''}`);
-        const durationMs = Date.now() - start;
-        this.emitMockCostEvent('embedding-single', set.model, [set.text ?? ''], durationMs, set.issuer);
-        if (set.fullResponse) {
-            return this.toResponse([vector], set.model, [set.text ?? '']);
-        }
-        return vector;
-    }
-    /**
-     * Determinisztikus batch-embedding: minden szöveghez a `(model, text)` seed-ből generál egy fix-
-     * dimenziós, l2-normalizált vektort. A `texts` sorrendje == a visszaadott `number[][]` sorrendje.
-     */
-    async createEmbeddings(set) {
-        const texts = set.texts ?? [];
-        const start = Date.now();
-        const vectors = texts.map((text) => this.deterministicVector(`${set.model}::${text}`));
-        const durationMs = Date.now() - start;
-        this.emitMockCostEvent('embedding-batch', set.model, texts, durationMs, set.issuer);
-        if (set.fullResponse) {
-            return this.toResponse(vectors, set.model, texts);
-        }
-        return vectors;
-    }
-    /** Embedding model-info: provider `LocalAI`, model a megadott azonosító. */
-    getEmbeddingInfo(model) {
-        return {
-            provider: ai_1.DyFM_AI_Provider.LocalAI,
-            model: model,
-        };
-    }
-    /** A mock mindig elérhető (nincs külső függőség). */
-    async testConnection(_issuer) {
-        return true;
-    }
-    // =========================================================================
-    // belső: determinisztikus vektor + cost-event + response-alak
-    // =========================================================================
-    /**
-     * Egy determinisztikus, l2-normalizált vektor a seed-ből. A SHA-256 hash bájtjait körkörösen
-     * használja a `dims` kitöltésére, [-1, 1) tartományra képzi, majd l2-normalizál (egységhossz a
-     * koszinuszhoz). Egy második hash-bájttal kever, hogy a hosszabb dimenziókon ne ismétlődjön a minta.
-     */
-    deterministicVector(seed) {
-        const hash = crypto.createHash('sha256').update(seed).digest();
-        const vector = [];
-        for (let i = 0; i < this.dims; i++) {
-            const byte = hash[i % hash.length];
-            const mix = hash[(i * 7 + 3) % hash.length];
-            const combined = (byte ^ mix) & 0xff;
-            vector.push((combined / 255) * 2 - 1);
-        }
-        return this.l2Normalize(vector);
-    }
-    /** L2-normalizálás (egységhossz). Nulla-vektor → változatlan (elkerüli a 0-osztást). */
-    l2Normalize(vector) {
-        let sumSq = 0;
-        for (const value of vector) {
-            sumSq += value * value;
-        }
-        const norm = Math.sqrt(sumSq);
-        if (!norm) {
-            return vector;
-        }
-        return vector.map((value) => value / norm);
-    }
-    /** OpenAI-alakú válasz-objektum a vektorokból (a `fullResponse=true` ághoz). */
-    toResponse(vectors, model, texts) {
-        const tokens = this.estimateTokens(texts);
-        return {
-            object: 'list',
-            model: model,
-            data: vectors.map((embedding, index) => ({ object: 'embedding', embedding: embedding, index: index })),
-            usage: {
-                prompt_tokens: tokens,
-                total_tokens: tokens,
-            },
-        };
-    }
-    /** Cost-event emit (BFR-AM-007) fake tokennel (4 char ≈ 1 token), provider `'mock'`. */
-    emitMockCostEvent(callType, model, texts, durationMs, issuer) {
-        const tokens = this.estimateTokens(texts);
-        this.emitCostEvent({
-            callType: callType,
-            provider: this.costProvider,
-            model: model,
-            tokensUsed: {
-                input: tokens,
-                total: tokens,
-            },
-            durationMs: durationMs,
-            issuer: issuer,
-            timestamp: new Date(),
-            estimatedCostUsd: 0,
-        });
-    }
-    /** Becsült (fake) token-szám: 4 char ≈ 1 token. */
-    estimateTokens(texts) {
-        let chars = 0;
-        for (const text of texts) {
-            chars += (text ?? '').length;
-        }
-        return Math.max(1, Math.ceil(chars / 4));
-    }
-}
-exports.DyNTS_AI_Embedding_MockService = DyNTS_AI_Embedding_MockService;
+"use strict";
+Object.defineProperty(exports, "__esModule", { value: true });
+exports.DyNTS_AI_Embedding_MockService = exports.DyNTS_AI_MOCK_EMBEDDING_DIMS = void 0;
+const tslib_1 = require("tslib");
+const crypto = tslib_1.__importStar(require("crypto"));
+const ai_1 = require("@futdevpro/fsm-dynamo/ai");
+const ai_embedding_service_base_1 = require("./ai-embedding.service-base");
+/** A mock-embedding default dimenziója (kicsi, hogy a teszt-pool gyors legyen, de elég a koszinuszhoz). */
+exports.DyNTS_AI_MOCK_EMBEDDING_DIMS = 64;
+/**
+ * `DyNTS_AI_Embedding_MockService` (BFR-AM-008) — determinisztikus, hash-alapú, fix-dimenziós,
+ * l2-normalizált pszeudo-vektor a szövegből. Provider- és hálózat-mentes → a tesztek + a tsc-/offline-
+ * smoke valódi API-kulcs nélkül futnak. Azonos `(model, text)` → azonos vektor (idempotens), így a
+ * koszinusz-keresés determinisztikusan tesztelhető. A FAM `FAM_Mock_EmbeddingProvider` workaround-ját
+ * emeli bedrock-szintre, mint újrahasználható test-double.
+ *
+ * **Cost-event (BFR-AM-007):** minden call után `emitCostEvent`-tel jelez (fake token-fogyasztás,
+ * 4 char ≈ 1 token), provider `'mock'`, callType `embedding-single` / `embedding-batch`. Így a
+ * cost-aggregáló pipeline mock-providerrel is end-to-end tesztelhető.
+ */
+class DyNTS_AI_Embedding_MockService extends ai_embedding_service_base_1.DyNTS_AI_Embedding_ServiceBase {
+    /** A mock a `LocalAI` provider-enum alá tartozik (nincs külső hívás). */
+    aiProvider = ai_1.DyFM_AI_Provider.LocalAI;
+    /** A cost-event provider-string (a `DyNTS_AI_CostEvent.provider` szabad-string mezőjéhez). */
+    costProvider = 'mock';
+    /** Mock capability-k: csak embedding (determinisztikus). */
+    capabilities = {
+        chat: false,
+        embeddings: true,
+        imageGeneration: false,
+        vision: false,
+        audioGeneration: false,
+        audioAnalysis: false,
+        functionCalling: false,
+        streaming: false,
+        batchOperations: true,
+        supportedModelTypes: [],
+    };
+    /** A generált vektor dimenziója. */
+    dims;
+    /** @param set opcionális dims + onCostEvent. */
+    constructor(set) {
+        super();
+        this.dims = set?.dims && set.dims > 0 ? set.dims : exports.DyNTS_AI_MOCK_EMBEDDING_DIMS;
+        if (set?.onCostEvent) {
+            this.onCostEvent = set.onCostEvent;
+        }
+    }
+    /** A mock-nak nincs külső config-ja; a `setup` a dimenzió override-jára szolgál (config.dimensions). */
+    setup(config) {
+        const dims = Reflect.get(config ?? {}, 'dimensions');
+        if (typeof dims === 'number' && dims > 0) {
+            this.dims = dims;
+        }
+    }
+    /**
+     * Egy determinisztikus embedding. A `model`-t beleszövi a seed-be, hogy modell-váltás más vektort
+     * adjon (re-embed teszteléshez). `fullResponse=true` → OpenAI-alakú válasz-objektum.
+     */
+    async createEmbedding(set) {
+        const start = Date.now();
+        const vector = this.deterministicVector(`${set.model}::${set.text ?? ''}`);
+        const durationMs = Date.now() - start;
+        this.emitMockCostEvent('embedding-single', set.model, [set.text ?? ''], durationMs, set.issuer);
+        if (set.fullResponse) {
+            return this.toResponse([vector], set.model, [set.text ?? '']);
+        }
+        return vector;
+    }
+    /**
+     * Determinisztikus batch-embedding: minden szöveghez a `(model, text)` seed-ből generál egy fix-
+     * dimenziós, l2-normalizált vektort. A `texts` sorrendje == a visszaadott `number[][]` sorrendje.
+     */
+    async createEmbeddings(set) {
+        const texts = set.texts ?? [];
+        const start = Date.now();
+        const vectors = texts.map((text) => this.deterministicVector(`${set.model}::${text}`));
+        const durationMs = Date.now() - start;
+        this.emitMockCostEvent('embedding-batch', set.model, texts, durationMs, set.issuer);
+        if (set.fullResponse) {
+            return this.toResponse(vectors, set.model, texts);
+        }
+        return vectors;
+    }
+    /** Embedding model-info: provider `LocalAI`, model a megadott azonosító. */
+    getEmbeddingInfo(model) {
+        return {
+            provider: ai_1.DyFM_AI_Provider.LocalAI,
+            model: model,
+        };
+    }
+    /** A mock mindig elérhető (nincs külső függőség). */
+    async testConnection(_issuer) {
+        return true;
+    }
+    // =========================================================================
+    // belső: determinisztikus vektor + cost-event + response-alak
+    // =========================================================================
+    /**
+     * Egy determinisztikus, l2-normalizált vektor a seed-ből. A SHA-256 hash bájtjait körkörösen
+     * használja a `dims` kitöltésére, [-1, 1) tartományra képzi, majd l2-normalizál (egységhossz a
+     * koszinuszhoz). Egy második hash-bájttal kever, hogy a hosszabb dimenziókon ne ismétlődjön a minta.
+     */
+    deterministicVector(seed) {
+        const hash = crypto.createHash('sha256').update(seed).digest();
+        const vector = [];
+        for (let i = 0; i < this.dims; i++) {
+            const byte = hash[i % hash.length];
+            const mix = hash[(i * 7 + 3) % hash.length];
+            const combined = (byte ^ mix) & 0xff;
+            vector.push((combined / 255) * 2 - 1);
+        }
+        return this.l2Normalize(vector);
+    }
+    /** L2-normalizálás (egységhossz). Nulla-vektor → változatlan (elkerüli a 0-osztást). */
+    l2Normalize(vector) {
+        let sumSq = 0;
+        for (const value of vector) {
+            sumSq += value * value;
+        }
+        const norm = Math.sqrt(sumSq);
+        if (!norm) {
+            return vector;
+        }
+        return vector.map((value) => value / norm);
+    }
+    /** OpenAI-alakú válasz-objektum a vektorokból (a `fullResponse=true` ághoz). */
+    toResponse(vectors, model, texts) {
+        const tokens = this.estimateTokens(texts);
+        return {
+            object: 'list',
+            model: model,
+            data: vectors.map((embedding, index) => ({ object: 'embedding', embedding: embedding, index: index })),
+            usage: {
+                prompt_tokens: tokens,
+                total_tokens: tokens,
+            },
+        };
+    }
+    /** Cost-event emit (BFR-AM-007) fake tokennel (4 char ≈ 1 token), provider `'mock'`. */
+    emitMockCostEvent(callType, model, texts, durationMs, issuer) {
+        const tokens = this.estimateTokens(texts);
+        this.emitCostEvent({
+            callType: callType,
+            provider: this.costProvider,
+            model: model,
+            tokensUsed: {
+                input: tokens,
+                total: tokens,
+            },
+            durationMs: durationMs,
+            issuer: issuer,
+            timestamp: new Date(),
+            estimatedCostUsd: 0,
+        });
+    }
+    /** Becsült (fake) token-szám: 4 char ≈ 1 token. */
+    estimateTokens(texts) {
+        let chars = 0;
+        for (const text of texts) {
+            chars += (text ?? '').length;
+        }
+        return Math.max(1, Math.ceil(chars / 4));
+    }
+}
+exports.DyNTS_AI_Embedding_MockService = DyNTS_AI_Embedding_MockService;
 //# sourceMappingURL=ai-embedding-mock.service.js.map

package/build/_modules/ai/_services/ai-embedding-provider.registry.d.ts

@@ -1,52 +1,52 @@
-import { DyFM_OAI_Settings } from '@futdevpro/fsm-dynamo/ai/open-ai';
-import { DyNTS_AI_Embedding_ServiceBase } from './ai-embedding.service-base';
-import { DyNTS_LMStudio_Embedding_Settings } from './lmstudio-embedding.control-service';
-import { DyNTS_AI_Embedding_MockSettings } from './ai-embedding-mock.service';
-import { DyNTS_AI_CostEventCallback } from '../_models/interfaces/dynts-ai-cost-event-callback.interface';
-/**
- * Az embedding-provider kulcsa (BFR-AM-002). String-union, NEM enum (a cost-event provider-stringekkel
- * konzisztens): `'openai'` (SDK reuse), `'lmstudio'` (lokális OpenAI-kompatibilis HTTP), `'mock'`
- * (determinisztikus test-double). Az env-feloldás kis-/nagybetűt és a `lm-studio` alias-t is elfogad.
- */
-export type DyNTS_AI_EmbeddingProviderKey = 'openai' | 'lmstudio' | 'mock';
-/**
- * A provider-feloldás opciói. A `provider` explicit kulcsot ad; ha hiányzik, az env-ből oldjuk fel
- * (`AI_EMBEDDING_PROVIDER`, default `openai`). A többi mező a megfelelő provider config-ját adja át.
- */
-export interface DyNTS_AI_EmbeddingResolveOptions {
-    /** Explicit provider-kulcs; ha hiányzik → env-feloldás. */
-    provider?: DyNTS_AI_EmbeddingProviderKey | string;
-    /** Per-call cost-event sink (FR-002 / BFR-AM-007) — mind a 3 providernek átadva. */
-    onCostEvent?: DyNTS_AI_CostEventCallback;
-    /** OpenAI-specifikus config (apiKey/org/project/defaultSettings) — `openai` providerhez. */
-    openAiSettings?: DyFM_OAI_Settings;
-    /** LM Studio config (baseUrl/apiKey) — `lmstudio` providerhez; baseUrl hiány → env (`LMSTUDIO_BASE_URL`). */
-    lmStudioSettings?: Partial<DyNTS_LMStudio_Embedding_Settings>;
-    /** Mock config (dims) — `mock` providerhez. */
-    mockSettings?: DyNTS_AI_Embedding_MockSettings;
-}
-/**
- * `DyNTS_AI_EmbeddingProvider_Registry` (BFR-AM-002) — provider-dispatch resolver. A provider-kulcs
- * (`openai` | `lmstudio` | `mock`) alapján a megfelelő `DyNTS_AI_Embedding_ServiceBase` példányt adja
- * vissza, így a hívók egységes embedding-felületet látnak a konkrét provider-impl mögött (a FAM
- * `FAM_Embedding_ControlService.buildProvider` dispatch-ét emeli bedrock-szintre, generikusan).
- *
- * Static util (nincs állapota): minden hívás friss példányt épít (env/secret a hívás-időpontban
- * érvényes — memory: `dynts_dataservice_eager_resolve`-konzisztens, nincs élő singleton-állapot).
- */
-export declare class DyNTS_AI_EmbeddingProvider_Registry {
-    /**
-     * A megadott (vagy env-ből feloldott) provider-kulcs alapján egy embedding-service példányt épít.
-     * - `openai` → `DyNTS_OAI_Embedding_ControlService` (SDK reuse, cost-event sink-kel),
-     * - `lmstudio` → `DyNTS_LMStudio_Embedding_ControlService` (HTTP; baseUrl a config vagy env),
-     * - `mock` → `DyNTS_AI_Embedding_MockService` (determinisztikus),
-     * - ismeretlen → `Error` (provider nincs konfigurálva — nem néma).
-     */
-    static resolve(options?: DyNTS_AI_EmbeddingResolveOptions): DyNTS_AI_Embedding_ServiceBase;
-    /**
-     * A provider-kulcs normalizálása: kis-/nagybetű-független, a `lm-studio` / `local-ai` alias-t
-     * `lmstudio`-ra képzi. Hiány → env (`AI_EMBEDDING_PROVIDER`) → default `openai`. Ismeretlen → `Error`.
-     */
-    static normalizeKey(provider?: string): DyNTS_AI_EmbeddingProviderKey;
-}
+import { DyFM_OAI_Settings } from '@futdevpro/fsm-dynamo/ai/open-ai';
+import { DyNTS_AI_Embedding_ServiceBase } from './ai-embedding.service-base';
+import { DyNTS_LMStudio_Embedding_Settings } from './lmstudio-embedding.control-service';
+import { DyNTS_AI_Embedding_MockSettings } from './ai-embedding-mock.service';
+import { DyNTS_AI_CostEventCallback } from '../_models/interfaces/dynts-ai-cost-event-callback.interface';
+/**
+ * Az embedding-provider kulcsa (BFR-AM-002). String-union, NEM enum (a cost-event provider-stringekkel
+ * konzisztens): `'openai'` (SDK reuse), `'lmstudio'` (lokális OpenAI-kompatibilis HTTP), `'mock'`
+ * (determinisztikus test-double). Az env-feloldás kis-/nagybetűt és a `lm-studio` alias-t is elfogad.
+ */
+export type DyNTS_AI_EmbeddingProviderKey = 'openai' | 'lmstudio' | 'mock';
+/**
+ * A provider-feloldás opciói. A `provider` explicit kulcsot ad; ha hiányzik, az env-ből oldjuk fel
+ * (`AI_EMBEDDING_PROVIDER`, default `openai`). A többi mező a megfelelő provider config-ját adja át.
+ */
+export interface DyNTS_AI_EmbeddingResolveOptions {
+    /** Explicit provider-kulcs; ha hiányzik → env-feloldás. */
+    provider?: DyNTS_AI_EmbeddingProviderKey | string;
+    /** Per-call cost-event sink (FR-002 / BFR-AM-007) — mind a 3 providernek átadva. */
+    onCostEvent?: DyNTS_AI_CostEventCallback;
+    /** OpenAI-specifikus config (apiKey/org/project/defaultSettings) — `openai` providerhez. */
+    openAiSettings?: DyFM_OAI_Settings;
+    /** LM Studio config (baseUrl/apiKey) — `lmstudio` providerhez; baseUrl hiány → env (`LMSTUDIO_BASE_URL`). */
+    lmStudioSettings?: Partial<DyNTS_LMStudio_Embedding_Settings>;
+    /** Mock config (dims) — `mock` providerhez. */
+    mockSettings?: DyNTS_AI_Embedding_MockSettings;
+}
+/**
+ * `DyNTS_AI_EmbeddingProvider_Registry` (BFR-AM-002) — provider-dispatch resolver. A provider-kulcs
+ * (`openai` | `lmstudio` | `mock`) alapján a megfelelő `DyNTS_AI_Embedding_ServiceBase` példányt adja
+ * vissza, így a hívók egységes embedding-felületet látnak a konkrét provider-impl mögött (a FAM
+ * `FAM_Embedding_ControlService.buildProvider` dispatch-ét emeli bedrock-szintre, generikusan).
+ *
+ * Static util (nincs állapota): minden hívás friss példányt épít (env/secret a hívás-időpontban
+ * érvényes — memory: `dynts_dataservice_eager_resolve`-konzisztens, nincs élő singleton-állapot).
+ */
+export declare class DyNTS_AI_EmbeddingProvider_Registry {
+    /**
+     * A megadott (vagy env-ből feloldott) provider-kulcs alapján egy embedding-service példányt épít.
+     * - `openai` → `DyNTS_OAI_Embedding_ControlService` (SDK reuse, cost-event sink-kel),
+     * - `lmstudio` → `DyNTS_LMStudio_Embedding_ControlService` (HTTP; baseUrl a config vagy env),
+     * - `mock` → `DyNTS_AI_Embedding_MockService` (determinisztikus),
+     * - ismeretlen → `Error` (provider nincs konfigurálva — nem néma).
+     */
+    static resolve(options?: DyNTS_AI_EmbeddingResolveOptions): DyNTS_AI_Embedding_ServiceBase;
+    /**
+     * A provider-kulcs normalizálása: kis-/nagybetű-független, a `lm-studio` / `local-ai` alias-t
+     * `lmstudio`-ra képzi. Hiány → env (`AI_EMBEDDING_PROVIDER`) → default `openai`. Ismeretlen → `Error`.
+     */
+    static normalizeKey(provider?: string): DyNTS_AI_EmbeddingProviderKey;
+}
 //# sourceMappingURL=ai-embedding-provider.registry.d.ts.map

package/build/_modules/ai/_services/ai-embedding-provider.registry.js

@@ -1,79 +1,79 @@
-"use strict";
-Object.defineProperty(exports, "__esModule", { value: true });
-exports.DyNTS_AI_EmbeddingProvider_Registry = void 0;
-const oai_embedding_control_service_1 = require("../_modules/open-ai/_services/oai-embedding.control-service");
-const lmstudio_embedding_control_service_1 = require("./lmstudio-embedding.control-service");
-const ai_embedding_mock_service_1 = require("./ai-embedding-mock.service");
-/**
- * `DyNTS_AI_EmbeddingProvider_Registry` (BFR-AM-002) — provider-dispatch resolver. A provider-kulcs
- * (`openai` | `lmstudio` | `mock`) alapján a megfelelő `DyNTS_AI_Embedding_ServiceBase` példányt adja
- * vissza, így a hívók egységes embedding-felületet látnak a konkrét provider-impl mögött (a FAM
- * `FAM_Embedding_ControlService.buildProvider` dispatch-ét emeli bedrock-szintre, generikusan).
- *
- * Static util (nincs állapota): minden hívás friss példányt épít (env/secret a hívás-időpontban
- * érvényes — memory: `dynts_dataservice_eager_resolve`-konzisztens, nincs élő singleton-állapot).
- */
-class DyNTS_AI_EmbeddingProvider_Registry {
-    /**
-     * A megadott (vagy env-ből feloldott) provider-kulcs alapján egy embedding-service példányt épít.
-     * - `openai` → `DyNTS_OAI_Embedding_ControlService` (SDK reuse, cost-event sink-kel),
-     * - `lmstudio` → `DyNTS_LMStudio_Embedding_ControlService` (HTTP; baseUrl a config vagy env),
-     * - `mock` → `DyNTS_AI_Embedding_MockService` (determinisztikus),
-     * - ismeretlen → `Error` (provider nincs konfigurálva — nem néma).
-     */
-    static resolve(options) {
-        const key = DyNTS_AI_EmbeddingProvider_Registry.normalizeKey(options?.provider);
-        const onCostEvent = options?.onCostEvent;
-        switch (key) {
-            case 'openai':
-                return new oai_embedding_control_service_1.DyNTS_OAI_Embedding_ControlService({
-                    ...(options?.openAiSettings ?? {}),
-                    onCostEvent: onCostEvent,
-                });
-            case 'lmstudio': {
-                const baseUrl = options?.lmStudioSettings?.baseUrl ?? process.env.LMSTUDIO_BASE_URL;
-                if (!baseUrl) {
-                    throw new Error('DyNTS_AI_EmbeddingProvider_Registry: the lmstudio provider was selected but no baseUrl '
-                        + 'was provided (set lmStudioSettings.baseUrl or the LMSTUDIO_BASE_URL env var).');
-                }
-                return new lmstudio_embedding_control_service_1.DyNTS_LMStudio_Embedding_ControlService({
-                    baseUrl: baseUrl,
-                    apiKey: options?.lmStudioSettings?.apiKey ?? process.env.LMSTUDIO_API_KEY,
-                    onCostEvent: onCostEvent,
-                });
-            }
-            case 'mock':
-                return new ai_embedding_mock_service_1.DyNTS_AI_Embedding_MockService({
-                    ...(options?.mockSettings ?? {}),
-                    onCostEvent: onCostEvent,
-                });
-        }
-    }
-    /**
-     * A provider-kulcs normalizálása: kis-/nagybetű-független, a `lm-studio` / `local-ai` alias-t
-     * `lmstudio`-ra képzi. Hiány → env (`AI_EMBEDDING_PROVIDER`) → default `openai`. Ismeretlen → `Error`.
-     */
-    static normalizeKey(provider) {
-        const raw = (provider ?? process.env.AI_EMBEDDING_PROVIDER ?? 'openai').trim().toLowerCase();
-        switch (raw) {
-            case 'openai':
-            case 'open-ai':
-            case 'oai':
-                return 'openai';
-            case 'lmstudio':
-            case 'lm-studio':
-            case 'local-ai':
-            case 'localai':
-                return 'lmstudio';
-            case 'mock':
-            case 'fake':
-            case 'test':
-                return 'mock';
-            default:
-                throw new Error(`DyNTS_AI_EmbeddingProvider_Registry: unknown embedding provider '${raw}'. `
-                    + `Available: 'openai' | 'lmstudio' | 'mock'.`);
-        }
-    }
-}
-exports.DyNTS_AI_EmbeddingProvider_Registry = DyNTS_AI_EmbeddingProvider_Registry;
+"use strict";
+Object.defineProperty(exports, "__esModule", { value: true });
+exports.DyNTS_AI_EmbeddingProvider_Registry = void 0;
+const oai_embedding_control_service_1 = require("../_modules/open-ai/_services/oai-embedding.control-service");
+const lmstudio_embedding_control_service_1 = require("./lmstudio-embedding.control-service");
+const ai_embedding_mock_service_1 = require("./ai-embedding-mock.service");
+/**
+ * `DyNTS_AI_EmbeddingProvider_Registry` (BFR-AM-002) — provider-dispatch resolver. A provider-kulcs
+ * (`openai` | `lmstudio` | `mock`) alapján a megfelelő `DyNTS_AI_Embedding_ServiceBase` példányt adja
+ * vissza, így a hívók egységes embedding-felületet látnak a konkrét provider-impl mögött (a FAM
+ * `FAM_Embedding_ControlService.buildProvider` dispatch-ét emeli bedrock-szintre, generikusan).
+ *
+ * Static util (nincs állapota): minden hívás friss példányt épít (env/secret a hívás-időpontban
+ * érvényes — memory: `dynts_dataservice_eager_resolve`-konzisztens, nincs élő singleton-állapot).
+ */
+class DyNTS_AI_EmbeddingProvider_Registry {
+    /**
+     * A megadott (vagy env-ből feloldott) provider-kulcs alapján egy embedding-service példányt épít.
+     * - `openai` → `DyNTS_OAI_Embedding_ControlService` (SDK reuse, cost-event sink-kel),
+     * - `lmstudio` → `DyNTS_LMStudio_Embedding_ControlService` (HTTP; baseUrl a config vagy env),
+     * - `mock` → `DyNTS_AI_Embedding_MockService` (determinisztikus),
+     * - ismeretlen → `Error` (provider nincs konfigurálva — nem néma).
+     */
+    static resolve(options) {
+        const key = DyNTS_AI_EmbeddingProvider_Registry.normalizeKey(options?.provider);
+        const onCostEvent = options?.onCostEvent;
+        switch (key) {
+            case 'openai':
+                return new oai_embedding_control_service_1.DyNTS_OAI_Embedding_ControlService({
+                    ...(options?.openAiSettings ?? {}),
+                    onCostEvent: onCostEvent,
+                });
+            case 'lmstudio': {
+                const baseUrl = options?.lmStudioSettings?.baseUrl ?? process.env.LMSTUDIO_BASE_URL;
+                if (!baseUrl) {
+                    throw new Error('DyNTS_AI_EmbeddingProvider_Registry: the lmstudio provider was selected but no baseUrl '
+                        + 'was provided (set lmStudioSettings.baseUrl or the LMSTUDIO_BASE_URL env var).');
+                }
+                return new lmstudio_embedding_control_service_1.DyNTS_LMStudio_Embedding_ControlService({
+                    baseUrl: baseUrl,
+                    apiKey: options?.lmStudioSettings?.apiKey ?? process.env.LMSTUDIO_API_KEY,
+                    onCostEvent: onCostEvent,
+                });
+            }
+            case 'mock':
+                return new ai_embedding_mock_service_1.DyNTS_AI_Embedding_MockService({
+                    ...(options?.mockSettings ?? {}),
+                    onCostEvent: onCostEvent,
+                });
+        }
+    }
+    /**
+     * A provider-kulcs normalizálása: kis-/nagybetű-független, a `lm-studio` / `local-ai` alias-t
+     * `lmstudio`-ra képzi. Hiány → env (`AI_EMBEDDING_PROVIDER`) → default `openai`. Ismeretlen → `Error`.
+     */
+    static normalizeKey(provider) {
+        const raw = (provider ?? process.env.AI_EMBEDDING_PROVIDER ?? 'openai').trim().toLowerCase();
+        switch (raw) {
+            case 'openai':
+            case 'open-ai':
+            case 'oai':
+                return 'openai';
+            case 'lmstudio':
+            case 'lm-studio':
+            case 'local-ai':
+            case 'localai':
+                return 'lmstudio';
+            case 'mock':
+            case 'fake':
+            case 'test':
+                return 'mock';
+            default:
+                throw new Error(`DyNTS_AI_EmbeddingProvider_Registry: unknown embedding provider '${raw}'. `
+                    + `Available: 'openai' | 'lmstudio' | 'mock'.`);
+        }
+    }
+}
+exports.DyNTS_AI_EmbeddingProvider_Registry = DyNTS_AI_EmbeddingProvider_Registry;
 //# sourceMappingURL=ai-embedding-provider.registry.js.map