bug fix Wp20

This commit is contained in:
Lars committed 2025-12-23 21:44:49 +01:00
1 parent 2c073c7d3c
commit 867a7a8b44
2 files changed
+86 -59

No files matched your search

+30 -44
View File
@@ -31,12 +31,10 @@ rag_template:
Beantworte die Frage präzise basierend auf den Quellen.
Fasse die Informationen zusammen. Sei objektiv und neutral.
gemini: |
Nutze das Wissen meines digitalen Zwillings aus folgendem Kontext: {context_str}
Beantworte die Anfrage präzise, detailliert und strukturiert: {query}
Kontext meines digitalen Zwillings: {context_str}
Beantworte strukturiert: {query}
openrouter: |
Kontext-Analyse für Gemma/Llama:
{context_str}
Kontext: {context_str}
Anfrage: {query}
# ---------------------------------------------------------
@@ -63,13 +61,10 @@ decision_template:
- **Abgleich:** (Gibt es Konflikte mit Werten/Zielen? Nenne die Quelle!)
- **Empfehlung:** (Klare Meinung: Ja/No/Vielleicht mit Begründung)
gemini: |
Agiere als Senior Strategy Consultant für meinen digitalen Zwilling.
Wäge die Frage {query} multiperspektivisch gegen meine Werte und langfristigen Ziele ab.
Kontext: {context_str}
Agiere als strategischer Partner. Analysiere {query} basierend auf {context_str}.
openrouter: |
Strategischer Check via OpenRouter/Gemma:
Analyse der Entscheidungsfrage: {query}
Referenzdaten aus dem Graph: {context_str}
Entscheidungsanalyse für: {query}
Datenbasis: {context_str}
# ---------------------------------------------------------
# 3. EMPATHY: Der Spiegel / "Ich"-Modus (Intent: EMPATHY)
@@ -92,13 +87,8 @@ 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}
gemini: "Sei mein digitaler Spiegel für {query}. Kontext: {context_str}"
openrouter: "Empathische Analyse: {query}. Kontext: {context_str}"
# ---------------------------------------------------------
# 4. TECHNICAL: Der Coder (Intent: CODING)
@@ -123,13 +113,8 @@ 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}
gemini: "Generiere Code für {query}. Kontext: {context_str}"
openrouter: "Technischer Support: {query}. Kontext: {context_str}"
# ---------------------------------------------------------
# 5. INTERVIEW: Der "One-Shot Extractor" (Performance Mode)
@@ -166,8 +151,8 @@ interview_template:
## (Zweiter Begriff aus STRUKTUR)
(Text...)
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}."
gemini: "Extrahiere Daten für {target_type} aus {query}."
openrouter: "Strukturiere {query} nach {schema_fields}."
# ---------------------------------------------------------
# 6. EDGE_ALLOCATION: Kantenfilter (Intent: OFFLINE_FILTER)
@@ -194,16 +179,17 @@ edge_allocation_template:
DEIN OUTPUT (JSON):
gemini: |
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!
TASK: Ordne Kanten einem Textabschnitt zu.
ERLAUBTE TYPEN: {valid_types}
TEXT: {chunk_text}
KANDIDATEN: {edge_list}
OUTPUT: STRIKT eine flache JSON-Liste ["typ:ziel"]. Keine Objekte!
openrouter: |
Filtere die relevanten Kanten für den Graphen.
Kandidaten: {edge_list}
Text: {chunk_text}
Output: JSON-Liste ["typ:ziel"].
Filtere relevante Kanten.
ERLAUBTE TYPEN: {valid_types}
TEXT: {chunk_text}
KANDIDATEN: {edge_list}
OUTPUT: STRIKT JSON-Liste von Strings ["typ:ziel"].
# ---------------------------------------------------------
# 7. SMART EDGE ALLOCATION: Extraktion (Intent: INGEST)
# ---------------------------------------------------------
@@ -230,12 +216,12 @@ edge_extraction:
DEIN OUTPUT (JSON):
gemini: |
Führe eine semantische Analyse der Notiz '{note_id}' durch.
Finde explizite und implizite Relationen.
Antworte STRIKT als JSON: [[{{"to": "Ziel", "kind": "typ", "reason": "begründung"}}]]
Keine Erklärungen, nur JSON.
Text: {text}
Analysiere '{note_id}'. Extrahiere semantische Beziehungen.
ERLAUBTE TYPEN: {valid_types}
TEXT: {text}
OUTPUT: STRIKT JSON-Liste von Objekten: [{"to": "Ziel", "kind": "typ"}]. Keine Erklärungen!
openrouter: |
Analysiere den Text für den Graphen. Identifiziere semantische Verbindungen.
Output STRIKT als JSON-Liste: [[{{"to": "X", "kind": "Y"}}]].
Text: {text}
Wissensgraph-Extraktion für '{note_id}'.
ERLAUBTE TYPEN: {valid_types}
TEXT: {text}
OUTPUT: STRIKT JSON-Liste von Objekten: [{"to": "Ziel", "kind": "typ"}]. Keine Dictionaries mit Schlüsseln wie 'edges'!