Chiusura fase di ristrutturazione e modularizzazione del workflow per favorire sviluppo modulare

harness/tests/test_memory_metadata.py

@@ -5,18 +5,18 @@ fonte delle memory. L'hit di search_similar deve bastare per ricostruire la deci
 completa. Per questo memory_vector_records mette subject/detail/rationale nel metadata
 del VectorRecord (pack_metadata li serializza nel jsonb via **record.metadata).
 """
-from datetime import datetime
+from datetime import UTC, datetime
 
 from tht.memory import MemoryRecord, memory_vector_records
 
 
 def _record(**kw) -> MemoryRecord:
-    base = dict(
-        id="mem-x", ts=datetime(2025, 1, 1), session_id="s", decision_seq=1,
-        type="concept_clarified", subject="paziente attivo", detail="flag_attivo = TRUE",
-        rationale="perche' serve", question_context="dammi pazienti",
-        tables=[], concepts=["paziente attivo"],
-    )
+    base = {
+        "id": "mem-x", "ts": datetime(2025, 1, 1, tzinfo=UTC), "session_id": "s", "decision_seq": 1,
+        "type": "concept_clarified", "subject": "paziente attivo", "detail": "flag_attivo = TRUE",
+        "rationale": "perche' serve", "question_context": "dammi pazienti",
+        "tables": [], "concepts": ["paziente attivo"],
+    }
     base.update(kw)
     return MemoryRecord(**base)