fehlerkorrektzur Hybrid chat

app/config.py

@@ -1,12 +1,7 @@
 """
-app/config.py — zentrale Konfiguration (ENV → Settings)
+app/config.py — zentrale Konfiguration
-
+Version: 0.4.0 (WP-06 Complete)
-Version:
-    0.4.0 (WP-06: Added Decision Engine Config)
-Stand:
-    2025-12-08
 """
-
 from __future__ import annotations
 import os
 from functools import lru_cache
@@ -27,8 +22,9 @@ class Settings:
     OLLAMA_URL: str = os.getenv("MINDNET_OLLAMA_URL", "http://127.0.0.1:11434")
     LLM_MODEL: str = os.getenv("MINDNET_LLM_MODEL", "phi3:mini") 
     PROMPTS_PATH: str = os.getenv("MINDNET_PROMPTS_PATH", "config/prompts.yaml")
-
+    
-    # WP-06 Decision Engine
+    # NEU für WP-06
+    LLM_TIMEOUT: float = float(os.getenv("MINDNET_LLM_TIMEOUT", "120.0"))
     DECISION_CONFIG_PATH: str = os.getenv("MINDNET_DECISION_CONFIG", "config/decision_engine.yaml")
 
     # API

app/services/llm_service.py

@@ -1,8 +1,6 @@
 """
 app/services/llm_service.py — LLM Client (Ollama)
-
+Version: 0.2.0 (WP-06 Hybrid Router Support)
-Version:
-    0.2.0 (WP-06 Hybrid Router Support)
 """
 
 import httpx
@@ -26,12 +24,9 @@ class LLMService:
         )
 
     def _load_prompts(self) -> dict:
-        """Lädt Prompts aus der konfigurierten YAML-Datei."""
         path = Path(self.settings.PROMPTS_PATH)
         if not path.exists():
-            logger.warning(f"Prompt config not found at {path}, using defaults.")
             return {}
-        
         try:
             with open(path, "r", encoding="utf-8") as f:
                 return yaml.safe_load(f)
@@ -41,16 +36,16 @@ class LLMService:
 
     async def generate_raw_response(self, prompt: str) -> str:
         """
-        Führt einen direkten LLM Call ohne RAG-Template aus.
+        NEU: Führt einen direkten LLM Call ohne RAG-Template aus.
-        Ideal für Classification/Routing.
+        Wird vom Router für die Antwortgenerierung genutzt.
         """
         payload = {
             "model": self.settings.LLM_MODEL,
             "prompt": prompt,
             "stream": False,
             "options": {
-                "temperature": 0.0, # Deterministisch für Routing!
+                "temperature": 0.0,
-                "num_ctx": 512      # Kleines Fenster reicht für Classification
+                "num_ctx": 512
             }
         }
 
@@ -58,76 +53,24 @@ class LLMService:
             response = await self.client.post("/api/generate", json=payload)
             if response.status_code != 200:
                 logger.error(f"Ollama Error ({response.status_code}): {response.text}")
-                return "FACT" # Fallback bei Fehler
+                return "Fehler bei der Generierung."
             
             data = response.json()
             return data.get("response", "").strip()
             
         except Exception as e:
             logger.error(f"LLM Raw Gen Error: {e}")
-            return "FACT"
+            return "Interner LLM Fehler."
 
     async def generate_rag_response(self, query: str, context_str: str) -> str:
-        """
+        """Legacy Support / Fallback"""
-        Generiert eine Antwort basierend auf Query und Kontext (RAG).
-        """
-        # Template hier ist nur Fallback, falls im Router nichts übergeben wird.
-        # Im Normalfall formatiert der Router den context_str bereits vor oder übergibt das Template.
-        # Hier nutzen wir simple substitution, da der Prompt meist schon vom Router aufbereitet ist
-        # oder wir nutzen das Standard-Template aus der YAML.
-        
-        # HINWEIS: In der neuen Architektur (chat.py) wird das Template bereits VOR diesem Aufruf
-        # geladen und formatiert, und als 'prompt' übergeben?
-        # Nein, chat.py ruft generate_rag_response(query, context_str) auf.
-        # Wir müssen sicherstellen, dass wir das *richtige* Template nutzen.
-        # Da generate_rag_response aktuell KEINEN 'template_key' Parameter hat,
-        # gehen wir davon aus, dass 'context_str' bereits Instruktionen enthält ODER
-        # dass chat.py den Prompt komplett baut.
-        
-        # Um die API sauber zu halten: chat.py übergibt jetzt den FERTIGEN Prompt als context_str?
-        # Nein, chat.py baut den Prompt mit replace().
-        # Wir ändern diese Methode leicht ab, um flexibler zu sein:
-        # Wir erwarten, dass der Aufrufer (chat.py) die volle Kontrolle hat.
-        
-        # Damit es 100% zusammenpasst mit dem chat.py unten:
-        # chat.py baut den finalen Prompt selbst zusammen!
-        # Wir nutzen daher generate_raw_response eigentlich auch für RAG, 
-        # ODER wir passen generate_rag_response an, dass es "dumm" ist.
-        
-        # Legacy Support für generate_rag_response:
-        # Wir bauen den Prompt zusammen, falls noch nicht geschehen.
-        # ABER: chat.py in meiner Version unten macht das Template-Handling.
-        # Daher ist der sauberste Weg: chat.py ruft generate_raw_response auf für die Antwort!
-        
-        # FIX für Kompatibilität: Wir leiten rag_response intern auf raw um, 
-        # bauen aber vorher den Prompt, falls context_str übergeben wird.
-        
-        # Da wir chat.py kontrollieren (siehe unten), ändern wir chat.py so, 
-        # dass es generate_raw_response nutzt! Das ist viel sauberer.
-        # Diese Methode bleibt für Backward Compatibility.
-        
         system_prompt = self.prompts.get("system_prompt", "")
         rag_template = self.prompts.get("rag_template", "{context_str}\n\n{query}")
         final_prompt = rag_template.format(context_str=context_str, query=query)
         
-        payload = {
+        # Wir nutzen intern nun auch raw_response, um Code zu sparen
-            "model": self.settings.LLM_MODEL,
+        full_prompt = f"{system_prompt}\n\n{final_prompt}"
-            "system": system_prompt,
+        return await self.generate_raw_response(full_prompt)
-            "prompt": final_prompt,
-            "stream": False,
-            "options": {
-                "temperature": 0.7,
-                "num_ctx": 2048 
-            }
-        }
-        
-        try:
-            response = await self.client.post("/api/generate", json=payload)
-            if response.status_code != 200:
-                return f"Error: {response.text}"
-            return response.json().get("response", "")
-        except Exception as e:
-            return f"Error: {str(e)}"
 
     async def close(self):
         await self.client.aclose()