Lars/shinkan-jinkendo
1
0
Fork 0
Code Issues 7 Pull Requests Actions Packages Projects Releases 3 Wiki Activity
f63b09fc9c
shinkan-jinkendo/docs/architecture/PLANNING_KI_ROADMAP.md
Lars 3be7606d90
All checks were successful
Deploy Development / deploy (push) Successful in 43s
Details
Test Suite / pytest-backend (push) Successful in 43s
Details
Test Suite / lint-backend (push) Successful in 0s
Details
Test Suite / build-frontend (push) Successful in 13s
Details
Test Suite / k6 /health Baseline (push) Successful in 34s
Details
Test Suite / playwright-tests (push) Successful in 1m25s
Details
Update documentation and enhance planning features in Progression Graph 
- Updated the `CLAUDE.md` to reflect changes in the Progression Graph, including the new Ist-Stand and roadmap specifications.
- Enhanced `PLANNING_EXERCISE_SUGGEST_CONTEXT.md` with detailed descriptions of the current state and features of the planning exercise.
- Revised `PLANNING_PROGRESSION_ROADMAP_SPEC.md` to document the implementation status of various phases and their corresponding migrations.
- Incremented application version to 0.8.217 to incorporate recent updates and improvements in the planning context and roadmap functionalities.
2026-06-10 07:50:29 +02:00

5.2 KiB
Raw Blame History

Planungs-KI — Produkt-Roadmap

Stand: 2026-05-22
App-Version: 0.8.217 — maßgeblich backend/version.py

Diese Roadmap ergänzt die Architektur-Refaktor-Roadmap (UMSETZUNGSPLAN_ROADMAP.md) und gilt nur für KI-gestützte Trainingsplanungsunterstützung.

Ist-Stand Progressionsgraph (detailliert): PLANNING_PROGRESSION_GRAPH_KI.md
Leit-Spec: .claude/docs/working/PLANNING_PROGRESSION_ROADMAP_SPEC.md

Strategische Entscheidung (verbindlich)

  1. Progressionsgraph: Planung vom Ziel rückwärts (Roadmap-first), nicht Bibliothek-first.
  2. Keine Gruppenanalyse im Graphen — Kontext = Zieltext, Thema, Schrittanzahl, optional Graph-Kanten.
  3. Trainingsplanung (Einheit, Rahmen, Abschnitt): eigene Pipeline später, mit Gruppenkontext — siehe AI_PLANNING_KI_MULTISTAGE_FORECAST.md S0–S4.
  4. Orchestrierung: Workflow-lite jetzt (planning_progression_roadmap.py); Mitai Workflow-Engine später, wenn 2–3 Pipelines stabil sind.

Phasen-Übersicht

Phase Domäne Kurzbeschreibung Status
P0–P2 Übungssuche Kontext-Pack, Hybrid-Score, LLM-Rerank ✅
A–C2 Übungssuche Voll-Library, Graph, Varianten ✅
C3 Progressionsgraph Pfad-Builder (retrieval-first) ✅
E–E3 Progressionsgraph Semantik, QA, Lücken-Angebote ✅
F0–F4 Progressionsgraph Roadmap-Pipeline, LLM, roadmap-first, UI Review ✅ 0.8.204–209
F5–F9 Progressionsgraph Start/Ziel, Gap-Prep, Skill-Expectations, Persistenz ✅ 0.8.210–217
D Übungs-Neuanlage planning_context an suggestExerciseAi ✅ 0.8.208
UX Progressionsgraph Wizard/Stepper statt Scroll-UI 🔲
G Trainingsplanung Kontext-Pack Gruppe/Historie, S0–S4 🔲
H Plattform Mitai-Workflow-Engine (optional) 🔲 Backlog

Phase F — Progressions-Roadmap (aktiver Fokus)

F0 — Foundation (0.8.204)

  • Spec PLANNING_PROGRESSION_ROADMAP_SPEC.md
  • Modul planning_progression_roadmap.py (Pydantic, Pipeline-Skeleton)
  • Migration 078 Prompt-Slugs (Zielanalyse, Roadmap)
  • API: include_roadmap_preview auf progression-path-suggest
  • Doku: HANDOVER, PLANNING_EXERCISE_SUGGEST_CONTEXT, MULTISTAGE_FORECAST

F1 — Deterministische Roadmap

  • Phase A aus Semantic Brief
  • Phase B: micro_objectives aus development_arc + Konsolidierung auf N
  • Phase C: heuristische stage_specs
  • pytest für Konsolidierung

F2 — LLM Roadmap (0.8.205)

  • Prompts 078/079 in ai_prompts — Code nur Slugs (PROMPT_SLUG_*)
  • include_llm_roadmap + load_and_render_ai_prompt + JSON-Validierung
  • Deterministischer Fallback wenn Prompt/OpenRouter fehlt
  • Response/UI: genutzte prompt_slugs sichtbar machen (Admin-Hinweis)

F3 — roadmap-first (0.8.206)

  • Retrieval pro major_step + stage_spec statt iterativem Pfad-Bau
  • Gap-Angebote für unbesetzte Roadmap-Stufen (roadmap_unfilled)
  • QA/Lücken an Roadmap gekoppelt (roadmap_first_lite: keine Brücken/Reorder zwischen Major Steps)

F4 — UI (0.8.207)

  • Roadmap-Review im ExerciseProgressionPathBuilder
  • Major Steps editierbar (Phase, Lernziel, Reihenfolge) vor Übungs-Match
  • API roadmap_only + roadmap_override

F5 — Start/Ziel (0.8.210–214)

  • Strukturierte Felder start_situation, target_state, roadmap_notes
  • Prompt 087 planning_progression_start_target
  • Priorität: Trainer > KI > Regex (resolve_roadmap_structured_input)
  • Zwei-Schritt-UI: „Start/Ziel analysieren“ / „Roadmap vorschlagen“

F6 — Gap-KI-Kontext (0.8.212–214)

  • ExerciseGapFillPrepModal vor KI-Call
  • planning_exercise_form_context.py — Gap-Snapshot, context_preview
  • Migration 085 — planning_context in Übungs-Prompts

F7 — Fähigkeiten-Scoring (0.8.215–216)

  • planning_skill_expectations.py (Scopes: progression_stage, progression_path)
  • Pro-Stufe-Retrieval + path_skill_expectations + UI-Tags
  • expected_skills in Gap-Fill

F8 — Stufen-Details UI (0.8.216)

  • Editierbare stage_specs in roadmap_override (Belastung, Erfolgskriterien, Vermeiden)

F9 — Persistenz (0.8.217)

  • Migration 088 — planning_roadmap JSONB am Graph
  • Laden/Speichern über GET/PUT Graph + Sequenz-Endpoint

UX — UI-Überarbeitung (offen)

  • Wizard mit 4 Schritten (Ziel → Roadmap → Match → Lücken)
  • Progressive disclosure — Details in Panels, nicht alles gleichzeitig
  • Briefing: PLANNING_PROGRESSION_GRAPH_KI.md §10

Abhängigkeiten

Von Nach Hinweis
F2 Enrichment / Skills Bessere Roadmap bei technikspezifischen Skills
F3 F2 LLM-Roadmap oder stabile heuristische B
G F4 Trainingsplanung kann Roadmap aus Graph referenzieren
H G + F4 Workflow-Engine lohnt bei verzweigten Planungsflows

Pflege

Bei Abschluss einer Teilphase: PLANNING_PROGRESSION_GRAPH_KI.md (Ist-Stand), diese Datei, HANDOVER.md §2.8, PLANNING_EXERCISE_SUGGEST_CONTEXT.md §24, Changelog in version.py.