glpi-neural-brain/KNOWLEDGE-SYNTHESIS.md

Relation Thinking und Grounded Knowledge Synthesis

Das Brain trennt seine autonome Arbeit in klar voneinander isolierte Schritte. Interne Bewertungen werden nicht mehr als Knowledgebase-Inhalt gespeichert.

1. Relation Thinking

Relation Thinking beantwortet ausschließlich Graphfragen:

• Sind zwei Wissenseinträge belastbar verwandt?
• Welcher Relationstyp gilt (supports, depends_on, contradicts, same_topic usw.)?
• Wie hoch ist die Konfidenz?
• Fehlt Evidenz für die Relationsentscheidung?

Ein positiver Entscheid erzeugt eine nachvollziehbare Edge. Aus einem Zweiervergleich wird noch kein Artikel geschrieben.

2. Quellenverbund

Nach einer bestätigten Relation sucht das Brain einen größeren Themenverbund. Standardregeln:

• mindestens drei produktive Quellen;
• höchstens acht Quellen;
• mindestens 70 Prozent Produktionswissen;
• keine reine AI-THINK-Quellenkette;
• begrenzte AI-Generierungstiefe;
• vollständige lokale und GLPI-KB-Inhalte statt nur kurzer Graph-Summaries.

Danach wird intern zwischen create, update, merge und skip entschieden. Diese Bewertung bleibt interne Metadaten und erscheint nicht im Artikel.

3. Fachliche Wissenskonsolidierung

Vor der Texterzeugung erstellt Qwen eine interne, quellengebundene Wissensbasis:

• Geltungsbereich;
• belegte Fakten;
• Symptome;
• Voraussetzungen;
• konkrete Lösungsschritte;
• Validierung;
• Fehlerbehandlung;
• Widersprüche;
• fehlende Informationen;
• gezielte Rechercheanfragen.

Jede fachliche Aussage enthält interne Quellenreferenzen. Diese Konsolidierung wird niemals als KB-Artikel gespeichert.

4. Iterative Recherche ungeklärter Punkte

Die Konsolidierung trennt critical_gaps, optional_gaps und resolved_gaps. Nur kritische Lücken und kritische Widersprüche erzwingen eine Recherche und blockieren einen Artikel.

Die Research-Pipeline arbeitet in mehreren Runden:

1. breite Lücken werden in kleine Forschungsfragen zerlegt;
2. pro Frage entstehen präzise deutsche und englische SearXNG-Queries;
3. Snippets werden nach Relevanz, Quellenklasse und erwartbarer Umsetzbarkeit bewertet;
4. nur die besten Treffer werden als vollständige Webseite geladen;
5. der extrahierte Volltext wird erneut fachlich bewertet;
6. nur akzeptierte Belege werden gelernt und zur erneuten Konsolidierung verwendet;
7. verbleibende kritische Lücken lösen eine reformulierte nächste Runde aus.

Ein einzelner Such- oder Fetchfehler beendet den Vorgang nicht. Optional fehlende Varianten oder Beispiele werden in den Metadaten festgehalten, verhindern aber keinen ansonsten belastbaren Artikel.

BRAIN_RESEARCH_ENABLED=true
SEARXNG_URL=http://searxng:8080
BRAIN_ARTICLE_MAX_RESEARCH_QUERIES=6
BRAIN_ARTICLE_RESEARCH_RESULTS=8
BRAIN_ARTICLE_RESEARCH_ROUNDS=3
BRAIN_ARTICLE_RESEARCH_FETCH_RESULTS=4
BRAIN_ARTICLE_RESEARCH_MIN_RELEVANCE=0.65
BRAIN_ARTICLE_RESEARCH_MIN_QUALITY=0.45
BRAIN_ARTICLE_RESEARCH_PAGE_MAX_BYTES=2097152
BRAIN_ARTICLE_RESEARCH_PAGE_MAX_CHARS=14000
BRAIN_ARTICLE_RESEARCH_FETCH_TIMEOUT=20s
BRAIN_ARTICLE_RESEARCH_ALLOW_PRIVATE=false

Webseiten werden standardmäßig nur von öffentlichen HTTP-/HTTPS-Adressen geladen. Redirects, DNS-Ziele, Größen und Zeitlimits werden geprüft. PDF-Quellen werden sichtbar als nicht unterstützt abgelehnt. Extrahierter Webinhalt wird als unvertrauenswürdige Belegdaten behandelt; darin enthaltene Anweisungen oder Prompt-Texte dürfen das Modell nicht steuern.

Ausführliche Beschreibung: ITERATIVE-GROUNDED-RESEARCH.md.

5. Reine Artikelgenerierung

Erst eine vollständige Wissensbasis wird an den Fachautor-Aufruf übergeben. Der sichtbare Artikel enthält ausschließlich:

• title: fachlicher Titel;
• text: Problem, Geltungsbereich und Symptome;
• answer: Lösungsschritte, Voraussetzungen, Ergebnisprüfung und Fehlerbehandlung;
• fachliche Kategorien und Keywords.

Unzulässig sind Formulierungen über Quellenbewertung, Mehrwert, Relation, Ähnlichkeit, Graph, Nodes, Edges, KI, Qwen, Prompt, Confidence, Staging oder den Erzeugungsprozess. Solche Entwürfe werden automatisch neu geschrieben oder verworfen.

6. Sauberes Knowledgebase-Dokument

Die Staging-Datei enthält nur das bekannte KB-Schema:

{
  "id": "KB-AI-THINK-ARTICLE-20260804-...",
  "title": "VPN-Gateway-Störung systematisch beheben",
  "text": "Der VPN-Client kann keinen Tunnel zum Gateway aufbauen ...",
  "answer": "1. Prüfen Sie ...\n\n## Ergebnis prüfen\n- Der VPN-Tunnel wird aufgebaut ...",
  "auto_reply": false,
  "min_score": 0.82,
  "categories": ["AI-THINK", "AI-Staging", "AI-Synthesis", "VPN"],
  "keywords": ["VPN", "Gateway"],
  "source": "Neural Brain / qwen3:8b (Knowledge Synthesis)",
  "source_uri": "brain://article/...",
  "language": "de-DE",
  "communication_style": "formal"
}

Planung, Qualitätsbewertung, Confidence, Quellen-IDs, Widersprüche und Recherchebelege werden separat unter folgendem Pfad gespeichert:

BRAIN_DATA_DIR/article-metadata/<artikel-id>.json

Dadurch kann der KB-Editor interne Bewertungen nicht mehr als sichtbaren Artikelinhalt behandeln.

7. Lernen und Verknüpfen

Nach erfolgreicher Erstellung wird der Artikel sofort:

1. als AI-Synthesis-Node in den In-Memory-Graph aufgenommen;
2. über synthesized_from mit allen internen Quellen verbunden;
3. über grounded_by mit verwendeten Recherchebelegen verbunden;
4. über proposes_update oder proposes_merge mit einem Zielartikel verbunden;
5. mit EmbeddingGemma eingebettet und für weitere semantische Verknüpfungen verfügbar gemacht.

Ist Learning im Webinterface deaktiviert, bleibt der Artikel sichtbar und verknüpft, wird aber erst nach erneuter Aktivierung des Learning-Modus eingebettet.

Qualitätsgrenzen

BRAIN_ARTICLE_SYNTHESIS_ENABLED=true
BRAIN_ARTICLE_MIN_SOURCES=3
BRAIN_ARTICLE_MAX_SOURCES=8
BRAIN_ARTICLE_MIN_PRODUCTION_RATIO=0.70
BRAIN_ARTICLE_MAX_GENERATION_DEPTH=2
BRAIN_ARTICLE_MIN_CONFIDENCE=0.74
BRAIN_ARTICLE_MIN_TEXT_CHARS=180
BRAIN_ARTICLE_MIN_ANSWER_CHARS=420
BRAIN_ARTICLE_MAX_RESEARCH_QUERIES=6
BRAIN_ARTICLE_RESEARCH_RESULTS=8
BRAIN_ARTICLE_RESEARCH_ROUNDS=3
BRAIN_ARTICLE_RESEARCH_FETCH_RESULTS=4
BRAIN_ARTICLE_RESEARCH_MIN_RELEVANCE=0.65
BRAIN_ARTICLE_RESEARCH_MIN_QUALITY=0.45

Ein Entwurf, der diese Regeln nicht erfüllt, wird nicht geschrieben. Bereits erkannte belastbare Relationen bleiben dennoch im Graphen bestehen.

Artikeltypabhängige Ausgabe

Der Artikelplan unterscheidet troubleshooting, how_to, reference, concept und decision_guide. How-to- und Troubleshooting-Artikel erhalten nummerierte Arbeitsschritte. Konzept- und Referenzartikel verwenden belegte Kernaussagen sowie Einordnung und Abgrenzung; Entscheidungsartikel verwenden Entscheidungskriterien. Dadurch werden bei rein fachlichen Vergleichs- oder Referenzthemen keine künstlichen Lösungsschritte erzeugt.

Die interne Konsolidierung verwirft außerdem jede Aussage, deren source_refs nicht auf eine tatsächlich im aktuellen Kontext vorhandene interne Quelle oder Recherche-Referenz verweisen.