Relation Thinking und Knowledge Synthesis

Das Brain trennt Relationserkennung, Recherche, Artikelautor und Qualitätskontrolle voneinander. Ein positiver Relationsentscheid erzeugt zunächst nur eine Graph-Edge. Erst wenn ein sinnvoller Quellenverbund vorliegt, kann die Artikelpipeline starten.

Quellenverbund und Planung

Der Quellenverbund besteht überwiegend aus produktivem Wissen und darf nur begrenzt AI-generierte Vorstufen enthalten. Intern wird zwischen create, update, merge und skip geplant. Diese Planung wird niemals als sichtbarer Artikeltext gespeichert.

Die interne KnowledgeBrief-Struktur ordnet vorhandenes Wissen und hilft bei der Formulierung von Recherchefragen. Sie ist seit der Generate-then-Review-Umstellung kein hartes Article-Readiness-Gate mehr.

Research → Generate → Review

Die aktive Artikelpipeline ist:

interne KB-Volltexte
+ offene SearXNG-Volltextrecherche
        ↓
Research-Materialpool
        ↓
Autor-Modell (z. B. Gemma)
        ↓
vollständiger KB-Artikel
        ↓
Reviewer-Modell (z. B. Qwen)
        ↓
Claim-by-Claim-Prüfung
        ↓
Staging oder gezielte Nachrecherche + Revision

Details: GENERATE-THEN-REVIEW.md.

Modelltrennung und Sprache

BRAIN_ARTICLE_LANGUAGE=de-DE
BRAIN_ARTICLE_SYNTHESIS_MODEL=gemma3:12b
BRAIN_ARTICLE_REVIEW_MODEL=qwen3:8b
BRAIN_ARTICLE_REVIEW_REPAIR_ROUNDS=1

BRAIN_ARTICLE_SYNTHESIS_MODEL schreibt den Artikel. BRAIN_ARTICLE_REVIEW_MODEL bewertet ausschließlich den bereits erzeugten Text gegen die Quellen. Wenn möglich sollten unterschiedliche Modelle eingesetzt werden.

Recherche

SearXNG arbeitet ohne site:-Filter. Für die Artikelsynthese werden Treffer deterministisch vorgerankt und passende Seiten als Volltext gesammelt. Im Synthese-Pfad gibt es vor dem Schreiben kein zusätzliches LLM-Gate, das jede Webquelle einzeln als „ausreichenden Beleg“ akzeptieren muss.

Deutsch- und englischsprachiges Material darf gemeinsam verwendet werden. Die Artikelausgabe folgt unabhängig davon BRAIN_ARTICLE_LANGUAGE.

BRAIN_RESEARCH_ENABLED=true
SEARXNG_URL=http://searxng:8080
BRAIN_ARTICLE_MAX_RESEARCH_QUERIES=6
BRAIN_ARTICLE_RESEARCH_RESULTS=12
BRAIN_ARTICLE_RESEARCH_FETCH_RESULTS=6

Review und Reparatur

Der Reviewer erzeugt für wesentliche Aussagen claim_reviews mit:

supported
partially_supported
unsupported
contradicted

Nicht belegte oder widersprochene Aussagen verhindern die Freigabe. Der Reviewer kann präzise missing_evidence_queries erzeugen. Diese lösen eine gezielte Nachrecherche aus; danach überarbeitet das Autor-Modell den Artikel und der Reviewer prüft erneut.

Sichtbares KB-Dokument und Audit

Die Staging-Datei enthält ausschließlich das normale KB-Schema (id, title, text, answer, Kategorien, Keywords, Sprache usw.). Planung, Quellenpool und Review werden separat unter

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

gespeichert.

Dort wird zwischen research_material (alles, was der Autor gesehen hat) und grounded_research_evidence (nur vom Reviewer tatsächlich referenzierte Webquellen) unterschieden. Der Graph erzeugt grounded_by ebenfalls nur zu diesen tatsächlich verwendeten Belegen.

Strukturelle Mindestgrenzen

Nach dem semantischen Review bleiben deterministische Schutzregeln aktiv, z. B. Mindestlängen, Mindestanteil produktiver Quellen und maximale Generierungstiefe. Diese Regeln sind artikeltypabhängig; concept/reference werden nicht wie how_to/troubleshooting bewertet.

3.5 KiB Raw Blame History