komplett neues WP20 deployment
This commit is contained in:
1 parent
f1bfa40b5b
commit
0157faab89
7 files changed
+203
-137
No files matched your search
@@ -41,7 +41,7 @@ strategies:
|
||||
# 1. Fakten-Abfrage (Fallback & Default)
|
||||
FACT:
|
||||
description: "Reine Wissensabfrage."
|
||||
preferred_provider: "ollama" # Schnell und lokal ausreichend
|
||||
preferred_provider: "openrouter" # Schnell und lokal ausreichend
|
||||
trigger_keywords: []
|
||||
inject_types: []
|
||||
# WP-22: Definitionen & Hierarchien bevorzugen
|
||||
|
||||
+60
-25
@@ -1,4 +1,5 @@
|
||||
# config/prompts.yaml — Final V2.3.1 (Multi-Personality Support)
|
||||
# config/prompts.yaml — Final V2.4.0 (Hybrid & Multi-Provider Support)
|
||||
# WP-20: Optimierte Cloud-Templates bei unveränderten Ollama-Prompts.
|
||||
|
||||
system_prompt: |
|
||||
Du bist 'mindnet', mein digitaler Zwilling und strategischer Partner.
|
||||
@@ -29,11 +30,13 @@ rag_template:
|
||||
Beantworte die Frage präzise basierend auf den Quellen.
|
||||
Fasse die Informationen zusammen. Sei objektiv und neutral.
|
||||
gemini: |
|
||||
Analysiere diesen Kontext meines digitalen Zwillings:
|
||||
Nutze das Wissen meines digitalen Zwillings aus folgendem Kontext: {context_str}
|
||||
Beantworte die Anfrage präzise, detailliert und strukturiert: {query}
|
||||
openrouter: |
|
||||
Kontext-Analyse für Gemma/Llama:
|
||||
{context_str}
|
||||
Beantworte die Anfrage detailliert und prüfe auf Widersprüche: {query}
|
||||
openrouter: "Kontext-Analyse für Gemma/Llama: {context_str}\n\nAnfrage: {query}"
|
||||
|
||||
|
||||
Anfrage: {query}
|
||||
|
||||
# ---------------------------------------------------------
|
||||
# 2. DECISION: Strategie & Abwägung (Intent: DECISION)
|
||||
@@ -57,11 +60,16 @@ decision_template:
|
||||
FORMAT:
|
||||
- **Analyse:** (Kurze Zusammenfassung der Fakten)
|
||||
- **Abgleich:** (Gibt es Konflikte mit Werten/Zielen? Nenne die Quelle!)
|
||||
- **Empfehlung:** (Klare Meinung: Ja/Nein/Vielleicht mit Begründung)
|
||||
- **Empfehlung:** (Klare Meinung: Ja/No/Vielleicht mit Begründung)
|
||||
gemini: |
|
||||
Agierte als Senior Strategy Consultant. Nutze den Kontext {context_str}, um die Frage {query}
|
||||
tiefgreifend gegen meine langfristigen Ziele abzuwägen.
|
||||
openrouter: "Strategischer Check (OpenRouter): {query}\n\nReferenzdaten: {context_str}"
|
||||
Agiere als Senior Strategy Consultant für meinen digitalen Zwilling.
|
||||
Wäge die Frage {query} multiperspektivisch gegen meine Werte und langfristigen Ziele ab.
|
||||
Kontext: {context_str}
|
||||
openrouter: |
|
||||
Strategischer Check via OpenRouter/Gemma:
|
||||
Analyse der Entscheidungsfrage: {query}
|
||||
Referenzdaten aus dem Graph: {context_str}
|
||||
|
||||
# ---------------------------------------------------------
|
||||
# 3. EMPATHY: Der Spiegel / "Ich"-Modus (Intent: EMPATHY)
|
||||
# ---------------------------------------------------------
|
||||
@@ -83,6 +91,13 @@ empathy_template:
|
||||
|
||||
TONFALL:
|
||||
Ruhig, verständnisvoll, reflektiert. Keine Aufzählungszeichen, sondern fließender Text.
|
||||
gemini: |
|
||||
Reflektiere meine aktuelle Situation {query} basierend auf meinen Werten {context_str}.
|
||||
Sei mein empathischer digitaler Zwilling. Antworte als 'Ich'.
|
||||
openrouter: |
|
||||
Empathische Reflexion (OpenRouter):
|
||||
Situation: {query}
|
||||
Persönlicher Kontext: {context_str}
|
||||
|
||||
# ---------------------------------------------------------
|
||||
# 4. TECHNICAL: Der Coder (Intent: CODING)
|
||||
@@ -107,6 +122,14 @@ technical_template:
|
||||
- Kurze Erklärung des Ansatzes.
|
||||
- Markdown Code-Block (Copy-Paste fertig).
|
||||
- Wichtige Edge-Cases.
|
||||
gemini: |
|
||||
Du bist Senior Software Engineer. Löse die technische Aufgabe {query}
|
||||
unter Berücksichtigung meiner Dokumentation: {context_str}.
|
||||
openrouter: |
|
||||
Technischer Support via OpenRouter:
|
||||
Task: {query}
|
||||
Kontext-Snippets: {context_str}
|
||||
|
||||
# ---------------------------------------------------------
|
||||
# 5. INTERVIEW: Der "One-Shot Extractor" (Performance Mode)
|
||||
# ---------------------------------------------------------
|
||||
@@ -142,9 +165,8 @@ interview_template:
|
||||
|
||||
## (Zweiter Begriff aus STRUKTUR)
|
||||
(Text...)
|
||||
|
||||
(usw.)
|
||||
|
||||
gemini: "Transformiere den Input {query} in das Schema {schema_fields} für Typ {target_type}."
|
||||
openrouter: "Extrahiere Daten für Typ {target_type} aus {query}. Schema: {schema_fields}."
|
||||
|
||||
# ---------------------------------------------------------
|
||||
# 6. EDGE_ALLOCATION: Kantenfilter (Intent: OFFLINE_FILTER)
|
||||
@@ -164,24 +186,37 @@ edge_allocation_template:
|
||||
{edge_list}
|
||||
|
||||
REGELN:
|
||||
1. Die Kanten haben das Format "typ:ziel". Der "typ" ist variabel und kann ALLES sein (z.B. uses, blocks, inspired_by, loves, etc.).
|
||||
1. Die Kanten haben das Format "typ:ziel". Der "typ" ist variabel und kann ALLES sein.
|
||||
2. Gib NUR die Strings aus der Kandidaten-Liste zurück, die zum Text passen.
|
||||
3. Erfinde KEINE neuen Kanten. Nutze exakt die Schreibweise aus der Liste.
|
||||
3. Erfinde KEINE neuen Kanten.
|
||||
4. Antworte als flache JSON-Liste.
|
||||
|
||||
BEISPIEL (Zur Demonstration der Logik):
|
||||
Input Text: "Das Projekt Alpha scheitert, weil Budget fehlt."
|
||||
Input Kandidaten: ["blocks:Projekt Alpha", "inspired_by:Buch der Weisen", "needs:Budget"]
|
||||
Output: ["blocks:Projekt Alpha", "needs:Budget"]
|
||||
|
||||
DEIN OUTPUT (JSON):
|
||||
|
||||
gemini: |
|
||||
Extrahiere semantische Kanten für den Graphen ({note_id}).
|
||||
Finde auch implizite Verbindungen.
|
||||
JSON: [{"to": "X", "kind": "Y", "reason": "Z"}].
|
||||
TEXT: {text}
|
||||
Analysiere den Textabschnitt: {chunk_text}
|
||||
Wähle aus folgender Liste alle relevanten Kanten aus: {edge_list}
|
||||
Antworte STRIKT als JSON-Liste von Strings im Format ["typ:ziel"].
|
||||
Kein Text davor oder danach!
|
||||
openrouter: |
|
||||
Filtere die relevanten Kanten für den Graphen.
|
||||
Kandidaten: {edge_list}
|
||||
Text: {chunk_text}
|
||||
Output: JSON-Liste ["typ:ziel"].
|
||||
|
||||
# ---------------------------------------------------------
|
||||
# 7. SMART EDGE ALLOCATION: Extraktion (Intent: INGEST)
|
||||
# ---------------------------------------------------------
|
||||
edge_extraction:
|
||||
ollama: |
|
||||
Extrahiere Kanten als JSON: [{"to": "X", "kind": "Y"}].
|
||||
Text: {text}
|
||||
gemini: |
|
||||
Führe eine semantische Analyse der Notiz '{note_id}' durch.
|
||||
Finde explizite und implizite Relationen.
|
||||
Antworte als JSON: [{"to": "Ziel", "kind": "typ", "reason": "begründung"}]
|
||||
Keine Erklärungen, nur JSON.
|
||||
Text: {text}
|
||||
openrouter: |
|
||||
Analysiere den Text für den Graphen. Identifiziere semantische Verbindungen.
|
||||
Output JSON: [{"to": "X", "kind": "Y"}].
|
||||
Output STRIKT als JSON-Liste: [{"to": "X", "kind": "Y"}].
|
||||
Text: {text}
|
||||
Reference in new issue
Block a user