Deploy mindnet to llm-node / deploy (push) Successful in 4s

Details

Enhance .env loading mechanism and EdgeDTO creation with error handling

- Updated the .env loading process to first check for an explicit path, improving reliability in different working directories.
- Added logging for successful .env loading and fallback mechanisms.
- Enhanced EdgeDTO creation with robust error handling, including fallbacks for unsupported provenance values and logging of errors for better traceability.

2026-01-12 15:27:23 +01:00

3.8 KiB

Raw Blame History

Deployment-Checkliste: Prod vs. Dev Retrieval-Problem

Datum: 2026-01-12
Version: v4.5.10
Status: 🔴 Kritisch

Problem

Prod-System findet keine Suchergebnisse, während Dev-System korrekt funktioniert. Identischer Code, identische Daten.

Identifizierte Ursachen

1. 🔴 KRITISCH: Alte EdgeDTO-Version in Prod

Symptom:

ERROR: 1 validation error for EdgeDTO
provenance
  Input should be 'explicit', 'rule', 'smart' or 'structure' 
  [type=literal_error, input_value='explicit:callout', input_type=str]

Ursache:

Prod verwendet eine alte Version des EdgeDTO-Modells aus app/models/dto.py
Die alte Version unterstützt nur: "explicit", "rule", "smart", "structure"
Die neue Version (v4.5.3+) unterstützt: "explicit:callout", "explicit:wikilink", "explicit:note_zone", ...

Lösung:

✅ Code in dto.py ist bereits korrekt (Zeile 51-56)
⚠️ Prod muss neu gestartet werden, um die neue Version zu laden
⚠️ Python-Modul-Cache leeren falls nötig: find . -type d -name __pycache__ -exec rm -r {} +

2. ✅ Collection-Präfix korrekt

Prod: COLLECTION_PREFIX=mindnet → mindnet_chunks ✅
Dev: COLLECTION_PREFIX=mindnet_dev → mindnet_dev_chunks ✅
Kein Problem hier

Sofortmaßnahmen

Schritt 1: Code-Verifikation in Prod

# In Prod-System
cd /path/to/mindnet
grep -A 10 "provenance.*Literal" app/models/dto.py

Erwartete Ausgabe:

provenance: Optional[Literal[
    "explicit", "rule", "smart", "structure",
    "explicit:callout", "explicit:wikilink", "explicit:note_zone", ...
]] = "explicit"

Falls nicht vorhanden: Code ist nicht aktualisiert → Deployment erforderlich

Schritt 2: Python-Cache leeren

# In Prod-System
find . -type d -name __pycache__ -exec rm -r {} +
find . -name "*.pyc" -delete

Schritt 3: Service neu starten

# FastAPI/uvicorn neu starten
# Oder Docker-Container neu starten

Schritt 4: Verifikation

Test-Query ausführen:

curl -X POST http://localhost:8001/api/chat \
  -H "Content-Type: application/json" \
  -d '{"message": "Was für einen Status hat das Projekt mindnet?"}'

Log prüfen:
- ✅ Keine validation error for EdgeDTO mehr
- ✅ ✨ [SUCCESS] Stream 'facts_stream' lieferte X Treffer.
- ✅ Ergebnisse werden zurückgegeben

Code-Vergleich

Aktuelle Version (sollte in Prod sein):

# app/models/dto.py (Zeile 51-56)
provenance: Optional[Literal[
    "explicit", "rule", "smart", "structure",
    "explicit:callout", "explicit:wikilink", "explicit:note_zone", "explicit:note_scope",
    "inline:rel", "callout:edge", "semantic_ai", "structure:belongs_to", "structure:order",
    "derived:backlink", "edge_defaults", "global_pool"
]] = "explicit"

Alte Version (verursacht Fehler):

# Alte Version (nur 4 Werte)
provenance: Optional[Literal[
    "explicit", "rule", "smart", "structure"
]] = "explicit"

Weitere mögliche Ursachen (wenn Fix nicht hilft)

1. Unterschiedliche Python-Versionen

Prüfen: python --version in Dev vs. Prod
Pydantic-Verhalten kann zwischen Versionen variieren

2. Unterschiedliche Pydantic-Versionen

Prüfen: pip list | grep pydantic in Dev vs. Prod
requirements.txt sollte identisch sein

3. Unterschiedliche Embedding-Modelle

Prüfen: MINDNET_EMBEDDING_MODEL in beiden Systemen
Beide verwenden: nomic-embed-text ✅

4. Unterschiedliche Vektor-Dimensionen

Prüfen: VECTOR_DIM in beiden Systemen
Beide verwenden: 768 ✅

Erwartetes Ergebnis nach Fix

✅ Keine Pydantic-Validierungsfehler mehr
✅ Alle Streams liefern Ergebnisse
✅ Retrieval funktioniert identisch in Dev und Prod
✅ explicit:callout Provenance wird korrekt akzeptiert

3.8 KiB Raw Blame History