fix: enforce assistant data quality disclosures

backend/app/services/geo_assistant_service.py

@@ -37,12 +37,48 @@ class GeoAssistantService:
         "gedaald",
         "gestegen",
     )
+    ESTIMATE_TOPIC_TERMS = {
+        "population": ("bevolk", "inwoner"),
+    }
+    ESTIMATE_TOPIC_LABELS = {
+        "population": "bevolkingswaarden",
+    }
 
     @classmethod
     def history_requested(cls, question: str) -> bool:
         normalized = question.casefold()
         return any(keyword in normalized for keyword in cls.HISTORY_KEYWORDS)
 
+    @classmethod
+    def ensure_estimate_disclosure(
+        cls,
+        answer: str,
+        metrics: list[AssistantContextMetric],
+    ) -> str:
+        normalized = answer.casefold()
+        if "schat" in normalized:
+            return answer
+        disclosed_themes = {
+            metric.theme
+            for metric in metrics
+            if metric.is_estimate
+            and any(
+                term in normalized
+                for term in cls.ESTIMATE_TOPIC_TERMS.get(metric.theme, (metric.label.casefold(),))
+            )
+        }
+        if not disclosed_themes:
+            return answer
+        labels = ", ".join(
+            cls.ESTIMATE_TOPIC_LABELS.get(theme, theme)
+            for theme in sorted(disclosed_themes)
+        )
+        return (
+            f"Datakwaliteit: {labels} in dit antwoord zijn schattingen volgens de bronmetadata, "
+            "geen exacte tellingen.\n\n"
+            f"{answer}"
+        )
+
     def __init__(self, settings: Settings | None = None):
         self.settings = settings or get_settings()
 
@@ -262,6 +298,9 @@ class GeoAssistantService:
                     )
                     context_metrics.append(item)
                     serialized_metrics.append(item.model_dump(mode="json"))
+                    serialized_metrics[-1]["measurement_quality"] = (
+                        "schatting" if item.is_estimate else "exact_binnen_bronrepresentatie"
+                    )
                 source_dataset_ids.append(dataset.id)
                 current_context.append(
                     {
@@ -307,6 +346,9 @@ class GeoAssistantService:
                             "value": summary["metric_value"],
                             "unit": summary["metric_unit"],
                             "is_estimate": summary["is_estimate"],
+                            "measurement_quality": (
+                                "schatting" if summary["is_estimate"] else "exact_binnen_bronrepresentatie"
+                            ),
                         }
                     )
                     if dataset.id not in source_dataset_ids:
@@ -356,6 +398,7 @@ class GeoAssistantService:
             "Als is_estimate true is, noem de waarde verplicht een schatting en nooit exact. "
             "Objectaantallen zijn ondersteunend; geef betekenisvolle oppervlakte-, lengte- of bevolkingsmetriek voorrang. "
             "Beschrijf alleen waargenomen verschillen; verzin geen oorzaak, voorspelling, verzadiging of andere verklaring. "
+            "Neem waarden en jaren letterlijk over en bereken zelf geen gemiddelde, tempo, oorzaak of afgeleide trend. "
             "Gebruik platte tekst met korte alinea's en opsommingen, zonder Markdown-symbolen. "
             "Bereken of suggereer nooit watervolume zonder gekoppelde diepte of bathymetrie. "
             "Als de gevraagde informatie niet in de context staat, zeg precies welke bron of meting ontbreekt. "
@@ -393,6 +436,7 @@ class GeoAssistantService:
         answer = str(message.get("content") or "").strip()
         if not answer:
             raise AppError(code="OLLAMA_EMPTY_RESPONSE", message="Ollama gaf geen antwoord terug.", status_code=502)
+        answer = self.ensure_estimate_disclosure(answer, metrics)
         return AssistantQueryResponse(
             answer=answer,
             model=model,