app/routers/chat.py

@@ -1,10 +1,11 @@
 """
-app/routers/chat.py — RAG Endpunkt (WP-06 Hybrid Router + WP-04c Feedback)
-Version: 2.3.2 (Merged Stability Patch)
+app/routers/chat.py — RAG Endpunkt (WP-06 Hybrid Router + WP-07 Interview Mode)
+Version: 2.4.0 (Interview Support)
 
 Features:
 - Hybrid Intent Router (Keyword + LLM)
 - Strategic Retrieval (Late Binding via Config)
+- Interview Loop (Schema-driven Data Collection)
 - Context Enrichment (Payload/Source Fallback)
 - Data Flywheel (Feedback Logging Integration)
 """
@@ -21,7 +22,6 @@ from app.config import get_settings
 from app.models.dto import ChatRequest, ChatResponse, QueryRequest, QueryHit
 from app.services.llm_service import LLMService
 from app.core.retriever import Retriever 
-# [MERGE] Integration Feedback Service (WP-04c)
 from app.services.feedback_service import log_search 
 
 router = APIRouter()
@@ -62,6 +62,47 @@ def get_decision_strategy(intent: str) -> Dict[str, Any]:
     strategies = config.get("strategies", {})
     return strategies.get(intent, strategies.get("FACT", {}))
 
+# --- Helper: Target Type Detection (WP-07) ---
+
+def _detect_target_type(message: str, configured_schemas: Dict[str, Any]) -> str:
+    """
+    Versucht zu erraten, welchen Notiz-Typ der User erstellen will.
+    Nutzt Keywords und Mappings.
+    """
+    message_lower = message.lower()
+    
+    # 1. Direkter Match mit Schema-Keys (z.B. "projekt", "entscheidung")
+    # Ignoriere 'default' hier
+    for type_key in configured_schemas.keys():
+        if type_key == "default":
+            continue
+        if type_key in message_lower:
+            return type_key
+            
+    # 2. Synonym-Mapping (Deutsch -> Schema Key)
+    # Dies verbessert die UX, falls User deutsche Begriffe nutzen
+    synonyms = {
+        "projekt": "project",
+        "vorhaben": "project",
+        "entscheidung": "decision",
+        "beschluss": "decision",
+        "ziel": "goal",
+        "erfahrung": "experience",
+        "lektion": "experience",
+        "wert": "value",
+        "prinzip": "principle",
+        "grundsatz": "principle",
+        "notiz": "default",
+        "idee": "default"
+    }
+    
+    for term, schema_key in synonyms.items():
+        if term in message_lower:
+            # Prüfen, ob der gemappte Key auch konfiguriert ist
+            if schema_key in configured_schemas:
+                return schema_key
+                
+    return "default"
 
 # --- Dependencies ---
 
@@ -167,8 +208,56 @@ async def chat_endpoint(
 
         # Strategy Load
         strategy = get_decision_strategy(intent)
-        inject_types = strategy.get("inject_types", [])
         prompt_key = strategy.get("prompt_template", "rag_template")
+        
+        # --- SPLIT LOGIC: INTERVIEW vs. RAG ---
+        
+        sources_hits = []
+        final_prompt = ""
+        
+        if intent == "INTERVIEW":
+            # --- WP-07: INTERVIEW MODE ---
+            # Kein Retrieval. Wir nutzen den Dialog-Kontext.
+            
+            # 1. Schema Loading (Late Binding)
+            schemas = strategy.get("schemas", {})
+            target_type = _detect_target_type(request.message, schemas)
+            active_schema = schemas.get(target_type, schemas.get("default"))
+            
+            logger.info(f"[{query_id}] Starting Interview for Type: {target_type}")
+            
+            # Robustes Schema-Parsing (Dict vs List)
+            if isinstance(active_schema, dict):
+                fields_list = active_schema.get("fields", [])
+                hint_str = active_schema.get("hint", "")
+            else:
+                fields_list = active_schema # Fallback falls nur Liste definiert
+                hint_str = ""
+                
+            fields_str = "\n- " + "\n- ".join(fields_list)
+            
+            # 2. Context Logic
+            # Hinweis: In einer Stateless-API ist {context_str} idealerweise die History.
+            # Da ChatRequest (noch) kein History-Feld hat, nutzen wir einen Placeholder
+            # oder verlassen uns darauf, dass der Client die History im Prompt mitschickt 
+            # (Streamlit Pattern: Appends history to prompt).
+            # Wir labeln es hier explizit.
+            context_str = "Bisheriger Verlauf (falls vorhanden): Siehe oben/unten." 
+            
+            # 3. Prompt Assembly
+            template = llm.prompts.get(prompt_key, "")
+            final_prompt = template.replace("{context_str}", context_str) \
+                                   .replace("{query}", request.message) \
+                                   .replace("{target_type}", target_type) \
+                                   .replace("{schema_fields}", fields_str) \
+                                   .replace("{schema_hint}", hint_str)
+                                   
+            # Keine Hits im Interview
+            sources_hits = []
+            
+        else:
+            # --- WP-06: STANDARD RAG MODE ---
+            inject_types = strategy.get("inject_types", [])
             prepend_instr = strategy.get("prepend_instruction", "")
 
             # 2. Primary Retrieval
@@ -204,30 +293,33 @@ async def chat_endpoint(
             else:
                 context_str = _build_enriched_context(hits)
 
-        # 5. Generation
+            # 5. Generation Setup
             template = llm.prompts.get(prompt_key, "{context_str}\n\n{query}")
-        system_prompt = llm.prompts.get("system_prompt", "")
             
             if prepend_instr:
                  context_str = f"{prepend_instr}\n\n{context_str}"
 
             final_prompt = template.replace("{context_str}", context_str).replace("{query}", request.message)
+            sources_hits = hits
+        
+        # --- COMMON GENERATION ---
+        
+        system_prompt = llm.prompts.get("system_prompt", "")
         
         logger.info(f"[{query_id}] Sending to LLM (Intent: {intent}, Template: {prompt_key})...")
         
-        # System-Prompt separat übergeben (WP-06a Fix)
+        # System-Prompt separat übergeben
         answer_text = await llm.generate_raw_response(prompt=final_prompt, system=system_prompt)
 
         duration_ms = int((time.time() - start_time) * 1000)
         
-        # 6. Logging (Fire & Forget) - [MERGE POINT]
-        # Wir loggen alles für das Data Flywheel (WP-08 Self-Tuning)
+        # 6. Logging (Fire & Forget)
         try:
             log_search(
                 query_id=query_id,
                 query_text=request.message,
-                results=hits,
-                mode="chat_rag",
+                results=sources_hits,
+                mode="interview" if intent == "INTERVIEW" else "chat_rag",
                 metadata={
                     "intent": intent,
                     "intent_source": intent_source,
@@ -242,7 +334,7 @@ async def chat_endpoint(
         return ChatResponse(
             query_id=query_id,
             answer=answer_text,
-            sources=hits,
+            sources=sources_hits,
             latency_ms=duration_ms,
             intent=intent,
             intent_source=intent_source

config/decision_engine.yaml

@@ -1,17 +1,19 @@
 # config/decision_engine.yaml
-# Steuerung der Decision Engine (WP-06)
+# Steuerung der Decision Engine (WP-06 + WP-07)
 # Hybrid-Modus: Keywords (Fast) + LLM Router (Smart Fallback)
-version: 1.2
+version: 1.3
 
 settings:
   llm_fallback_enabled: true
   
   # Few-Shot Prompting für bessere SLM-Performance
+  # Erweitert um INTERVIEW Beispiele
   llm_router_prompt: |
     Du bist ein Klassifikator. Analysiere die Nachricht und wähle die passende Strategie.
     Antworte NUR mit dem Namen der Strategie.
     
     STRATEGIEN:
+    - INTERVIEW: User will Wissen strukturieren, Notizen anlegen, Projekte starten ("Neu", "Festhalten").
     - DECISION: Rat, Strategie, Vor/Nachteile, "Soll ich".
     - EMPATHY: Gefühle, Frust, Freude, Probleme, "Alles ist sinnlos", "Ich bin traurig".
     - CODING: Code, Syntax, Programmierung, Python.
@@ -20,6 +22,8 @@ settings:
     BEISPIELE:
     User: "Wie funktioniert Qdrant?" -> FACT
     User: "Soll ich Qdrant nutzen?" -> DECISION
+    User: "Ich möchte ein neues Projekt anlegen" -> INTERVIEW
+    User: "Lass uns eine Entscheidung festhalten" -> INTERVIEW
     User: "Schreibe ein Python Script" -> CODING
     User: "Alles ist grau und sinnlos" -> EMPATHY
     User: "Mir geht es heute gut" -> EMPATHY
@@ -87,3 +91,53 @@ strategies:
     inject_types: ["snippet", "reference", "source"]
     prompt_template: "technical_template"
     prepend_instruction: null
+
+  # 5. Interview / Datenerfassung (WP-07)
+  INTERVIEW:
+    description: "Der User möchte strukturiertes Wissen erfassen (Projekt, Notiz, Idee)."
+    trigger_keywords:
+      - "neue notiz"
+      - "neues projekt"
+      - "neue entscheidung"
+      - "neues ziel"
+      - "festhalten"
+      - "entwurf erstellen"
+      - "interview"
+      - "dokumentieren"
+      - "erfassen"
+      - "idee speichern"
+    inject_types: [] # Keine RAG-Suche, reiner Kontext-Dialog
+    prompt_template: "interview_template"
+    prepend_instruction: null
+    
+    # LATE BINDING SCHEMAS:
+    # Definition der Pflichtfelder pro Typ (korrespondiert mit types.yaml)
+    # Wenn ein Typ hier fehlt, wird 'default' genutzt.
+    schemas:
+      default: 
+        fields: ["Titel", "Thema/Inhalt", "Tags"]
+        hint: "Halte es einfach und übersichtlich."
+
+      project:
+        fields: ["Titel", "Zielsetzung (Goal)", "Status (draft/active)", "Wichtige Stakeholder", "Nächste Schritte"]
+        hint: "Achte darauf, Abhängigkeiten zu anderen Projekten mit [[rel:depends_on]] zu erfragen."
+
+      decision:
+        fields: ["Titel", "Kontext (Warum entscheiden wir?)", "Getroffene Entscheidung", "Betrachtete Alternativen", "Status (proposed/final)"]
+        hint: "Wichtig: Frage explizit nach den Gründen gegen die Alternativen."
+
+      goal:
+        fields: ["Titel", "Zeitrahmen (Deadline)", "Messkriterien (KPIs)", "Verbundene Werte"]
+        hint: "Ziele sollten SMART formuliert sein."
+
+      experience:
+        fields: ["Titel", "Situation (Kontext)", "Erkenntnis (Learning)", "Emotionale Keywords (für Empathie-Suche)"]
+        hint: "Fokussiere dich auf die persönliche Lektion."
+
+      value:
+        fields: ["Titel (Name des Werts)", "Definition (Was bedeutet das für uns?)", "Anti-Beispiel (Was ist es nicht?)"]
+        hint: "Werte dienen als Entscheidungsgrundlage."
+      
+      principle:
+        fields: ["Titel", "Handlungsanweisung", "Begründung"]
+        hint: "Prinzipien sind härter als Werte."

config/prompts.yaml

@@ -94,3 +94,46 @@ technical_template: |
   - Kurze Erklärung des Ansatzes.
   - Markdown Code-Block (Copy-Paste fertig).
   - Wichtige Edge-Cases.
+
+# ---------------------------------------------------------
+# 5. INTERVIEW: Der Analyst (Intent: INTERVIEW)
+# ---------------------------------------------------------
+interview_template: |
+  CHAT_HISTORIE (BISHERIGER KONTEXT):
+  =========================================
+  {context_str}
+  =========================================
+
+  AKTUELLE USER-EINGABE:
+  {query}
+
+  DEINE ROLLE:
+  Du bist 'Mindnet Analyst'. Dein Ziel ist es, einen strukturierten Entwurf für eine Notiz vom Typ '{target_type}' zu erstellen.
+  
+  PFLICHTFELDER (SCHEMA):
+  {schema_fields}
+  
+  HINWEIS ZUM TYP:
+  {schema_hint}
+
+  ANWEISUNG:
+  1. Analysiere den bisherigen Verlauf und die Eingabe. Welche der Pflichtfelder sind bereits bekannt?
+  2. STATUS CHECK:
+     - Fehlen Pflichtfelder? -> Stelle GENAU EINE gezielte Frage, um das nächste fehlende Feld zu klären. Warte auf die Antwort.
+     - Sind alle Felder grob geklärt? -> Generiere den finalen Entwurf.
+
+  OUTPUT FORMAT (Nur wenn alle Infos da sind):
+  Erstelle einen Markdown-Codeblock. Nutze Frontmatter.
+  Verlinke erkannte Entitäten aggressiv mit [[Wikilinks]] oder [[rel:relation Ziel]].
+  
+  Beispiel Output:
+  "Danke, ich habe alle Infos. Hier ist dein Entwurf:"
+  
+  ```markdown
+  ---
+  type: {target_type}
+  status: draft
+  tags: [...]
+  ---
+  # Titel
+  ...

tests/test_interview_intent.py

@@ -0,0 +1,48 @@
+import requests
+import json
+
+# URL anpassen, falls du auf Port 8001 (Prod) oder 8002 (Dev) bist
+API_URL = "http://localhost:8002/chat/"
+
+def test_intent(message, expected_intent, expected_type_hint):
+    payload = {
+        "message": message,
+        "top_k": 0,       # Für Interview irrelevant
+        "explain": False
+    }
+    
+    try:
+        response = requests.post(API_URL, json=payload)
+        response.raise_for_status()
+        data = response.json()
+        
+        intent = data.get("intent")
+        answer = data.get("answer")
+        
+        print(f"--- TEST: '{message}' ---")
+        print(f"Erkannter Intent: {intent}")
+        print(f"Antwort-Snippet: {answer[:100]}...")
+        
+        if intent == expected_intent:
+            print("✅ Intent SUCCESS")
+        else:
+            print(f"❌ Intent FAILED (Erwartet: {expected_intent})")
+            
+        if expected_type_hint.lower() in answer.lower():
+            print(f"✅ Context Check SUCCESS (Typ '{expected_type_hint}' erkannt)")
+        else:
+            print(f"⚠️ Context Check WARNING (Typ '{expected_type_hint}' nicht explizit im Start-Prompt gefunden)")
+        print("\n")
+        
+    except Exception as e:
+        print(f"❌ Error: {e}")
+
+if __name__ == "__main__":
+    # Test 1: Projekt-Start
+    test_intent("Ich möchte ein neues Projekt anlegen", "INTERVIEW", "project")
+    
+    # Test 2: Entscheidungs-Doku
+    test_intent("Lass uns eine Entscheidung festhalten", "INTERVIEW", "decision")
+    
+    # Test 3: Standard Chat (Gegenprobe)
+    test_intent("Was ist ein Vektor?", "FACT", "")