fix(resolver): mart locali nello scan + perf find + discovery dir≠slug

[Gabrymi93]

Tipo

root fix (3 problemi del resolver emersi da audit + prove cross-repo MCP).

Problema reale

1. Mart locali non leggibili: _scan_workspace_parquets scansionava solo *_clean.parquet — i mart su disco (bologna/eurostat/DI, 479 file) non erano risolvibili in catalog mode. resolve_slug(layer='mart') mostrava solo i mart GCS. Inoltre la dedup (slug, year, bucket) faceva collidere 2 mart dello stesso dataset+anno con tabelle diverse (vinceva il primo).

2. Find lento: _scan_workspace_parquets faceva rglob su tutti i repo del workspace (48 dir), inclusi project residui non-dati (open-conto-annuale 106 parquet, open-siope, out/, data/) → 3.8s al primo find di ogni istanza MCP. read_yaml (PyYAML ~7ms/file) riparsava 158 dataset.yml a ogni istanza.

3. Discovery dir≠slug: resolve_config_path Stage 3 cercava {section}/{slug}/dataset.yml con lo slug letterale (underscore), ma le dir reali possono essere hyphen ≠ slug (es. eurostat-nrg-chddr2-a-nuts3 vs slug eurostat_nrg_chddr2_a_nuts3). Colpiva 3/39 dataset eurostat/bologna.

Contratto riusato/sostituito

• Riusato: naming canonico pipeline mart_{table}.parquet (già usato dalla pipeline per scrivere); repo_dataset_dirs/euristica repo-dati (già usata da _scan_workspace_configs); il table filter di resolve_slug (già usato da toolkit_layer).
• Sostituito: read_yaml senza cache → cache mtime-based.

Implementazione

File	Cosa
toolkit/domain/catalog.py	Scan mart locali (bucket local-mart, dedup con table, flat multi-anno year=None); filtro repo dati nello scan parquet; _matches_layer riconosce local-mart; escluso None da years (crash sorted)
toolkit/core/io.py	Cache YAML mtime-based in read_yaml/read_yaml_or_none (keyed su path+mtime_ns+size)
toolkit/core/discovery.py	resolve_config_path prova entrambe le forme slug (underscore/hyphen)
tests/test_catalog_ops.py	4 test mart (con anno, flat, skip non-data, resolve locale+gcs)
tests/test_paths.py	1 test dir≠slug

Verifica

• Mart locali: centraline_aria risolve 2 mart locali + 2 GCS; spire_traffico 3 locali (2 per-anno + 1 flat multi-anno) + 3 GCS; query toolkit_layer table=mart_trend su eurostat funziona sul locale
• Perf: find cold 3.8s → ~2.4s, secondo find ~0.8s (cache YAML); scan parquet 1.95s → 0.26s
• Discovery: resolve_config_path('eurostat_nrg_chddr2_a_nuts3') ora risolve; casi standard invariati
• 1329 test verdi, ruff pulito

Rischio residuo

• I mart flat multi-anno locali (es. spire_traffico/mart_spire_trend.parquet senza anno) sono esposti con year=None — coerente col fatto che il registry GCS li pubblica flat.
• bologna non è su GCS: il registry dichiara location gs:// inesistenti (35 file) — il resolver le espone come has_remote=True. Noto e fuori scope: fix al wrapper build_registry di bologna (derive_mode check-gcs), repo separato.
• resolve_config_path risolve per dir (hyphen o underscore); non risolve slug presenti solo nel registry senza dir locale (es. chddr2_m) — serve la dir o il fallback registry.

Follow-up obbligatorio

• Riavvio MCP per caricare i fix (cache resolver per istanza).
• (repo bologna) --check-gcs nel wrapper per non committare location GCS inesistenti.