# Cluster/Fast-Verarbeitungsmodus

Ab dieser Version besitzt das Brain zwei Backend-Verarbeitungsmodi. Der Modus kann über `BRAIN_PROCESSING_MODE` vorbelegt und zur Laufzeit im Einstellungsdialog gewechselt werden.

## `precise`

`precise` ist der bisherige Modus. Für jeden rotierenden AI-THINK-Anchor wird die Cosine-Ähnlichkeit gegen den gesamten zulässigen Wissensraum berechnet. Das maximiert den Recall, skaliert aber ungefähr mit `Anchors × Vektoren × Embedding-Dimensionen`.

Bei etwa 21.000 Wissensvektoren und 48 Anchors entstehen pro Kandidatensuche ungefähr eine Million vollständige Cosine-Berechnungen.

## `clustered`

`clustered` verwendet eine zweistufige Approximate-Nearest-Neighbour-Suche:

1. Aus jedem Embedding werden mehrere deterministische sparse random-projection Signaturen gebildet (Semantic Hashing / SimHash-artig).
2. Der gesamte Wissensraum wird nur per XOR + Hamming-Distanz grob verglichen.
3. Je Anchor werden nur die besten `BRAIN_CLUSTER_CANDIDATES_PER_ANCHOR` Kandidaten weitergereicht.
4. Nur für diese Shortlist wird die echte Cosine-Ähnlichkeit über alle Embedding-Dimensionen berechnet.
5. Bereits vorhandene Graph-Edges werden weiterhin ausgeschlossen; AI-Depth und Source-Filter bleiben unverändert wirksam.

Mit den Defaults `48 Anchors × 96 Kandidaten` liegt das theoretische Maximum bei 4.608 vollständigen Cosine-Prüfungen pro Suchschritt statt ungefähr einer Million. Die grobe Suche durchläuft den Korpus weiterhin, verwendet aber nur sehr günstige Integer-Hamming-Operationen.

## Artikelquellen

Im Cluster/Fast-Modus erstellt `selectArticleSources` keinen vollständigen Graph-Snapshot mehr. Verwendet werden:

- die Seed-Artikel,
- ihre direkten nicht-taxonomischen Graph-Nachbarn,
- bis zu `BRAIN_CLUSTER_ARTICLE_CANDIDATES` semantisch vorselektierte Wissensnodes.

Die endgültige Quellenauswahl verwendet weiterhin echte Cosine-Werte, Produktionsquoten, Generation-Depth und Kategorieaffinität.

## Artikelpipeline

Der Generate-then-Review-Grundsatz bleibt erhalten. Der finale Claim-Review wird **nicht** durch Vektormathematik ersetzt.

Im Cluster/Fast-Modus werden aber zwei teure Schritte reduziert:

- Die zusätzliche KnowledgeBrief-LLM-Vorstrukturierung wird übersprungen. Sie war im Generate-then-Review-Pfad kein Freigabe-Gate mehr; stattdessen wird die deterministische Fallback-Struktur aus Artikelplan und Quellen verwendet.
- Der Reviewer erhält einen priorisierten und domain-diversifizierten Research-Satz von maximal `BRAIN_CLUSTER_REVIEW_EVIDENCE` Quellen und pro Quellenblock höchstens `BRAIN_CLUSTER_REVIEW_CONTEXT_CHARS` Kontextzeichen.

Gemma/Autor, gezielte Repair-Recherche und der abschließende Qwen/Reviewer bleiben erhalten.

## Retrieval und Autonomous Research

Normale semantische Retrieval-Abfragen und die Seed-Auswahl für Autonomous Research verwenden im Cluster/Fast-Modus denselben Semantic-Hash-Shortlist-Mechanismus. Im präzisen Modus bleiben sie unverändert.

## Einstellungen

```env
BRAIN_PROCESSING_MODE=clustered
BRAIN_CLUSTER_HASH_BITS=24
BRAIN_CLUSTER_HASH_TABLES=2
BRAIN_CLUSTER_CANDIDATES_PER_ANCHOR=96
BRAIN_CLUSTER_ARTICLE_CANDIDATES=192
BRAIN_CLUSTER_REVIEW_EVIDENCE=8
BRAIN_CLUSTER_REVIEW_CONTEXT_CHARS=8000
```

Empfohlener Start für große Graphen ist `clustered`. Für Diagnose, Recall-Vergleiche oder kleine Datenbestände kann jederzeit auf `precise` zurückgeschaltet werden. Die Umschaltung über das WebUI wird in `runtime-settings.json` gespeichert.

## Observability

Neue Events und Metriken unterscheiden bewusst zwischen:

- `coarse_comparisons`: billige Hash-/Hamming-Vergleiche,
- `exact_comparisons`: vollständige Cosine-Berechnungen,
- `candidate_pool`: Größe der exakten Shortlists,
- `indexed_nodes`: Anzahl der einbezogenen Wissensvektoren,
- `processing_mode`: `precise` oder `clustered`.

Im Analysis Center werden Cluster/Fast-Läufe als `Cosine` + `Hash` statt als eine irreführende gemeinsame Vergleichszahl dargestellt.