2.3 KiB
Architektur und Vertrauensgrenzen
Lokale Knowledge-JSONs ──ro──┐
GLPI Knowledge Base ─────ro──┼──► Ingest ─► In-Memory Graph + Vectors
Agent runs.jsonl ─────────ro──┘ │
├──► Ollama Pool
├──► AI-THINK / Research
├──► SSE / Hierarchical LOD UI
└──► Batched Persistence
├── staging drafts
├── GLPI cache
└── graph-state.json
Edge-Klassen
categorized_as,mentions,derived_from: deterministisch aus lokalen oder GLPI-Daten.research_evidence: aus explizit kontrollierter Recherche, weiterhinstaging.related_to,depends_on,supports,contradicts,extends,same_topic,caused_by: Qwen-Inferenz mit Confidence und Evidence.rejected: intern gespeicherte Prüfung ohne sichtbare Beziehung.
Schreibmodell
Produktive Knowledge-Dateien und GLPI sind read-only. AI-THINK wird nur in das konfigurierte Staging geschrieben. Alle Schreibzugriffe laufen durch einen Prozess-weiten Coordinator, der Dateien dedupliziert und seriell vor dem Graph-Snapshot schreibt.
Ollama-Pool
Chat- und Embeddingaufrufe werden als vollständige Requests geroutet. Healthchecks prüfen Erreichbarkeit und Modelle. Ein Per-Node-Inflight-Limit verhindert lokale Überlastung. Failover verändert keine produktiven Daten, da Schreiboperationen erst nach erfolgreicher Inferenz deterministisch ausgeführt werden.
Hierarchische Render-Schicht
Der persistierte Wissensgraph bleibt vollständig. Das Frontend leitet eine temporäre LOD-Struktur ab:
Full Graph
└── Cortex-Region
└── Themenwolke
└── lokale Gruppe
└── einzelner Wissensknoten
Außenkanten werden nach sichtbaren Endpunkten, Relationstyp, Richtung, Herkunft und Status aggregiert. Aktivität öffnet nur den betroffenen Hierarchiepfad.