Enhance callout extraction in graph_extractors.py: Update regex to support nested [!edge] callouts and improve handling of indentation levels. This allows for more flexible parsing of callout structures in the input text.
Deploy mindnet to llm-node / deploy (push) Successful in 4s
Deploy mindnet to llm-node / deploy (push) Successful in 4s
This commit is contained in:
1 parent
548c503e7c
commit
d17c966301
4 files changed
+186
-12
No files matched your search
@@ -0,0 +1,39 @@
|
||||
# 📋 Mindnet Feature-Backlog (V3.1 - V4.0)
|
||||
|
||||
**Projekt:** Mindnet – Der Digitale Zwilling
|
||||
**Status:** Aktiv nach Meilenstein WP-25b
|
||||
**Architektur:** MoE, Multi-Stream RAG, Lazy-Prompt-Orchestration
|
||||
|
||||
---
|
||||
|
||||
## 🟢 Priorisierte Features (V3.1 - V3.5)
|
||||
|
||||
### WP-26: Conversational Soul (Memory & Context)
|
||||
* **Nutzerwert:** Ermöglicht echte Dialoge ("Erkläre mir den Punkt von eben genauer").
|
||||
* **Lösungsskizze:**
|
||||
* Implementierung eines `SessionStore` (SQLite) für Chat-Verläufe.
|
||||
* Erweiterung der `DecisionEngine` um einen `ContextReducer`, der die Historie asynchron zusammenfasst (via Profil `compression_fast`).
|
||||
* Einspeisung der Historie in die Synthese-Prompts via `{history}` Platzhalter.
|
||||
* **Abhängigkeiten:** `DecisionEngine` v1.3.2, `LLMService` v3.5.6.
|
||||
|
||||
### WP-27: Autonomous Tuning (Self-Calibration)
|
||||
* **Nutzerwert:** Das System lernt aus Fehlern und optimiert das Retrieval selbstständig.
|
||||
* **Lösungsskizze:**
|
||||
* Auswertung der JSONL-Feedback-Logs (Daumen hoch/runter).
|
||||
* Automatisierte Anpassung von `edge_boosts` und `top_k` in einer neuen `tuning_registry.json`, die Werte in der `decision_engine.yaml` überschreibt.
|
||||
* **Besonderheit:** Nutzt den `[PROMPT-TRACE]` zur Korrelation von Erfolg und Instruktions-Set.
|
||||
|
||||
### WP-28: Global Discovery Screen (UI)
|
||||
* **Nutzerwert:** Eine zentrale Anlaufstelle für Suche und Wissens-Exploration.
|
||||
* **Lösungsskizze:**
|
||||
* Hybride Suche: Kombination aus Keyword (BM25), Vektor (Semantic) und Graph-Traversierung.
|
||||
* "Reasoning-Trace" Visualisierung: Grafische Darstellung, warum ein Chunk gefunden wurde (Tracing über `stream_origin`).
|
||||
|
||||
---
|
||||
|
||||
## 🟡 Zukünftige Features (Ideenspeicher)
|
||||
|
||||
* **WP-13 (Agentic Layer):** MCP-Server Integration für externe Agenten (Claude/OpenAI).
|
||||
* **WP-21 (Semantic Routing v2):** Dynamisches Intent-Boosting (Bessere Gewichte basierend auf der Frage-Art).
|
||||
* **WP-18 (Graph Health):** Automatisierte Reparatur von "Dangling Edges" und Inconsistencies.
|
||||
* **WP-24 (Knowledge Mining):** Automatisches Erstellen von Notiz-Drafts aus Chat-Erkenntnissen ("Chat-to-Vault").
|
||||
@@ -0,0 +1,29 @@
|
||||
# 🏃 Sprint-Planung: Sprint 1 (V3.1)
|
||||
**Fokus:** Intelligenz & Gedächtnis
|
||||
|
||||
## 🎯 Sprint-Ziel
|
||||
Mindnet kann sich an den Kontext des aktuellen Gesprächs erinnern und seine Retrieval-Logik basierend auf historischen Feedback-Daten anpassen.
|
||||
|
||||
## 🛠️ Aufgaben & Lösungsskizzen
|
||||
|
||||
### Aufgabe 1: SQLite Session Management (Backend)
|
||||
* **Datei:** `app/core/retrieval/session_manager.py` (Neu)
|
||||
* **Details:** Erstelle eine DB-Struktur für `sessions` und `messages`.
|
||||
* **Logik:** Jede Anfrage im `chat.py` Endpunkt muss eine `session_id` verarbeiten.
|
||||
|
||||
### Aufgabe 2: Context Injection in DecisionEngine
|
||||
* **Datei:** `app/core/retrieval/decision_engine.py`
|
||||
* **Details:** 1. Abruf der letzten 5 Nachrichten aus dem `SessionManager`.
|
||||
2. Verdichtung der Historie auf max. 500 Token via `llm_service.generate_raw_response(prompt_key="compression_template", ...)`.
|
||||
3. Injection in `_generate_final_answer` als Variable `history`.
|
||||
|
||||
### Aufgabe 3: Das Tuning-Modul (Self-Calibration)
|
||||
* **Datei:** `app/services/tuning_service.py` (Neu)
|
||||
* **Details:** 1. Parser für `logs/feedback.jsonl`.
|
||||
2. Logik: Wenn `negative_feedback` + `intent == 'CODING'`, erhöhe `tech_stream` boost um 0.5.
|
||||
3. Persistenz in `config/tuning_registry.yaml`.
|
||||
|
||||
## 📦 Definition of Done (DoD)
|
||||
- [ ] Test A: Rückfrage "Was meinst du damit?" bezieht sich auf das vorherige Ergebnis.
|
||||
- [ ] Test B: Tuning-Werte werden nach manuellem Feedback in den Logs berücksichtigt.
|
||||
- [ ] Test C: `[PROMPT-TRACE]` zeigt korrekte Level-1/2 Matches für Memory-Prompts.
|
||||
Reference in new issue
Block a user