feat(Day 47c): keyword tuning — 1/16 → 19/19 on natural-language smoke

The classifier requires substring matches with weighted scoring
(1-word=0.6, 2-word=1.0, 3+-word=1.5, threshold≥1.0). Existing
catalog keywords were mostly 2-word legal-jargon phrases that
didn't match how lawyers actually phrase questions. Result: even
well-tested doctrines like chovat_shimoa failed on "פיטרתי בלי שימוע".

Two changes:

1) +71 keyword variants across 19 doctrines:
- 56 natural-language phrasings ("פיצויי פיטורים", "בלי שימוע",
"לא הפריש לפנסיה", "טעות באבחנה")
- 15 ה-prefix variants ("הרשומה הרפואית", "המידע הרפואי",
"התיק הרפואי") for the cases where Hebrew prefix-stripping
in the algorithm was too risky.

2) Reverted attempted algorithm change in _normalize_hebrew.
Tried adding programmatic prefix-stripping (ה/ב/ל/מ/ש/כ/ו from
start of words ≥4 chars) — broke real words starting with those
letters ("שימוע" → "ימוע"). Backed out. Manual keyword variants
are safer. Updated docstring to record the lesson.

Smoke test: 19 natural-language queries (14 labor+health doctrines
covered, 1 contracts sanity, 2 existing chovat_shimoa, 2 OOS).
Result: 19/19 pass. OOS gate (5/5) preserved — no false positives
from prose-style queries against adversarial input.

Catalog after this commit: 38 doctrines, 9 labor, 5 health/medical
(under torts), expanded keyword index ~71 entries.

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

tau_rag/data/doctrines.json

@@ -206,7 +206,14 @@
         "שימוע לעובד",
         "פיטורים ללא שימוע",
         "פגם בשימוע",
-        "פגיעה מהותית בעובד"
+        "פגיעה מהותית בעובד",
+        "בלי שימוע",
+        "ללא שימוע",
+        "פיטורים בלי שימוע",
+        "פוטרתי בלי שימוע",
+        "לא קיימו שימוע",
+        "שימוע פיקטיבי",
+        "זכות לשימוע"
       ]
     },
     {
@@ -1019,7 +1026,12 @@
         "הסכמה מדעת",
         "סיכון רפואי",
         "טיפול חסר",
-        "אובדן סיכויי החלמה"
+        "אובדן סיכויי החלמה",
+        "תביעת רשלנות רפואית",
+        "טעות רפואית",
+        "נזק רפואי",
+        "טיפול רשלני",
+        "רופא רשלן"
       ]
     },
     {
@@ -1120,7 +1132,15 @@
         "שנת ותק",
         "התפטרות בדין מפוטר",
         "סעיף 14",
-        "שכר קובע"
+        "שכר קובע",
+        "מגיעים פיצויים",
+        "תביעת פיצויי פיטורים",
+        "פיצויים על פיטורים",
+        "חישוב פיצויים",
+        "פיצויים מוגדלים",
+        "חישב פיצויים",
+        "פיצויים בטעות",
+        "חישוב פיצויים שגוי"
       ]
     },
     {
@@ -1166,7 +1186,11 @@
         "סחיטה מינית",
         "מעשה מגונה",
         "התנכלות בעבודה",
-        "יחסי מרות"
+        "יחסי מרות",
+        "הטרדה במקום עבודה",
+        "התנכלות מינית",
+        "תלונה על הטרדה",
+        "פיצוי על הטרדה"
       ]
     },
     {
@@ -1206,7 +1230,10 @@
         "פיטורים ללא הודעה",
         "תמורת הודעה מוקדמת",
         "תקופת הודעה",
-        "30 ימי הודעה"
+        "30 ימי הודעה",
+        "בלי הודעה מוקדמת",
+        "ללא הודעה מוקדמת",
+        "פיצוי הודעה מוקדמת"
       ]
     },
     {
@@ -1516,7 +1543,11 @@
         "פנקס שעות",
         "רישום נוכחות",
         "תפקיד הנהלה",
-        "תפקיד אמון אישי"
+        "תפקיד אמון אישי",
+        "תשלום שעות נוספות",
+        "לא משלם שעות נוספות",
+        "גמול עבור שעות",
+        "תביעה לשעות נוספות"
       ]
     },
     {
@@ -1558,7 +1589,9 @@
         "שכר שעתי מינימום",
         "חוק שכר מינימום",
         "תוספת שכר מינימום",
-        "השלמה לשכר מינימום"
+        "השלמה לשכר מינימום",
+        "פחות משכר מינימום",
+        "תביעה לשכר מינימום"
       ]
     },
     {
@@ -1621,7 +1654,14 @@
         "התעמרות בעבודה",
         "מועמדות לעבודה",
         "חוק שוויון הזדמנויות",
-        "היפוך נטל הוכחה"
+        "היפוך נטל הוכחה",
+        "פיטורים מטעמי אפליה",
+        "אפליה מטעמי הריון",
+        "תביעת אפליה",
+        "בגלל גיל",
+        "בגלל מין",
+        "בגלל הריון",
+        "בגלל מוצא"
       ]
     },
     {
@@ -1670,7 +1710,12 @@
         "פרילנסר",
         "פסול-דין סיווג",
         "תאונת עבודה קבלן",
-        "פיצויי פיטורים קבלן"
+        "פיצויי פיטורים קבלן",
+        "סיווג כעובד",
+        "סיווג עובד או קבלן",
+        "אני עובד או קבלן",
+        "יחסי עובד מעביד",
+        "תביעת סיווג עובד"
       ]
     },
     {
@@ -1724,7 +1769,10 @@
         "תביעת פנסיה",
         "ביטוח מנהלים",
         "קרן פנסיה",
-        "בחירת קרן פנסיה"
+        "בחירת קרן פנסיה",
+        "לא הפריש לפנסיה",
+        "פיגור בהפרשות",
+        "תביעה לפנסיה"
       ]
     },
     {
@@ -1778,7 +1826,14 @@
         "טיפול בלי הסכמה",
         "טיפול פולשני",
         "סיבוכים רפואיים",
-        "חלופות טיפול"
+        "חלופות טיפול",
+        "ללא הסכמה מדעת",
+        "לא הסביר סיכונים",
+        "לא הסבירו לי",
+        "טיפול ללא הסכמה",
+        "לא קיבלתי הסבר",
+        "סיכוני הניתוח",
+        "סיבוכים מהטיפול"
       ]
     },
     {
@@ -1836,7 +1891,13 @@
         "תלונה על רופא",
         "תלונה על בית חולים",
         "מידע רפואי",
-        "סודיות רפואית"
+        "סודיות רפואית",
+        "תיק רפואי",
+        "לקבל את התיק הרפואי",
+        "עיון בתיק רפואי",
+        "הרשומה הרפואית",
+        "התיק הרפואי",
+        "המידע הרפואי"
       ]
     },
     {
@@ -1892,7 +1953,12 @@
         "הסרת חיסיון",
         "ויתור על חיסיון",
         "תיק רפואי בתביעה",
-        "חובת דיווח רופא"
+        "חובת דיווח רופא",
+        "חשיפת מידע רפואי",
+        "סודות רפואיים",
+        "חיסיון רופא חולה",
+        "המידע הרפואי",
+        "הסודיות הרפואית"
       ]
     },
     {
@@ -1943,7 +2009,12 @@
         "סטיה מסטנדרט",
         "הרופא הסביר",
         "החמרה במחלה",
-        "אבחון מוטעה"
+        "אבחון מוטעה",
+        "טעות באבחון",
+        "אבחנה מאוחרת",
+        "איחר באבחון",
+        "איחר באבחנה",
+        "איחר לזהות"
       ]
     }
   ]

tau_rag/intelligence/doctrine_classifier.py

@@ -110,14 +110,14 @@ _STATUTE_PAT = re.compile(
 
 
 def _normalize_hebrew(text: str) -> str:
-    """Normalize prefixes that commonly attach to Hebrew keywords:
-    ה-, ב-, ל-, מ-, ש-, כ- → strip before exact match.
+    """Normalize whitespace + dashes between Hebrew words.
 
-    Example: 'בתום-לב' matches keyword 'תום לב'.
-    Conservative: only strip from the *start* of a word + handle
-    dash/space variants of multi-word terms.
+    Day 47c note: tried to add programmatic prefix-stripping
+    (ה/ב/ל/מ/ש/כ/ו from start of words) — broke real words that start
+    with those letters legitimately (e.g. "שימוע" → "ימוע"). Backed
+    out. Keyword variants are now expanded MANUALLY in doctrines.json
+    instead (e.g. both "רשומה רפואית" AND "הרשומה הרפואית" as keywords).
     """
-    # Normalize all whitespace + dashes between words (so 'תום-לב' = 'תום לב')
     return re.sub(r"[\s\-־]+", " ", text)