glpi-neural-brain/RUNTIME-CONTROLS-HONEYCOMB.md

Runtime Controls, Ansichten, Source-Filter und ECO

Die Fullscreen-Oberfläche kann Hintergrundprozesse und Darstellung ohne Neustart umschalten. Änderungen gelten sofort im Arbeitsspeicher und werden gebündelt in BRAIN_DATA_DIR/runtime-settings.json persistiert.

Living-only

Die Schalter LEARNING und THINKING befinden sich direkt in der unteren Steuerleiste.

• Learning aus: geplante lokale Scans, Reindex, GLPI-KB-Synchronisation und neue Embeddings werden pausiert. Der vorhandene In-Memory-Graph bleibt nutzbar.
• Thinking aus: automatische und manuelle AI-THINK-Zyklen, neue KI-Edges, Artikelsynthese und zugehörige Recherche werden pausiert.
• Sind beide Schalter aus, bleibt die Visualisierung im LIVING-Modus. Eingehende Agent- oder Knowledgebase-Anfragen dürfen weiterhin tatsächlich verwendete Notes aktivieren, starten aber keinen autonomen Zyklus.

Ein bereits laufender Ollama-Aufruf wird nicht hart abgebrochen. Die Deaktivierung verhindert nachfolgende Schritte und neue Zyklen.

Honeycomb-Ansicht

Mit HONEYCOMB wird die semantische Graphansicht durch eine gleichmäßig besetzte dreidimensionale Wabenstruktur ersetzt.

• Gerendert werden nur knowledge, ai-think und external.
• Die Punkte liegen auf einem dicht gepackten 3D-Gitter mit einheitlichem Abstand.
• Das Gitter wird auf die mathematische 3D-Grenze der beiden Gehirnhälften beschnitten.
• Der Abstand wird automatisch so gewählt, dass alle sichtbaren Notes in die Gehirnform passen.
• Edges, Partikelpfade, Cortex-Flächen und LOD-Supernodes werden in dieser Ansicht nicht gerendert.
• Wird eine Note durch Agent, Knowledgebase, Retrieval oder AI-THINK referenziert, leuchtet ihr Wabenpunkt auf.

Die Slotbelegung bleibt bei Graphupdates stabil. Neue Notes belegen freie Plätze, statt die komplette Wabe neu zu sortieren.

Constellation-Ansicht

Mit CONSTELLATION werden semantische Themenbereiche als ruhige Zentren mit umlaufenden Wissenssternen dargestellt. Aggregierte Verbindungen machen Wissensbrücken sichtbar, ohne jede Einzelkante zu rendern. Aktivierte Notes und Rechercheereignisse bleiben sichtbar.

ECO-Modus

Der persistierbare Schalter ECO optimiert die Darstellung für schwächere Systeme, ohne die Kernanimationen zu entfernen. Er begrenzt die Ausgabe auf ungefähr 30 FPS, reduziert Device-Pixel-Ratio sowie Budgets für inaktive Edges, Partikel, Wolken, Sterne und Quellenpunkte. Aktive Nodes, Rechercheanimationen, Fade-Übergänge und Themenzentren bleiben erhalten.

Der ECO-Modus ist unabhängig vom GPU-Node-Limit: ECO reduziert die Kosten pro Frame, das Node-Limit reduziert die Anzahl aufgebauter Elemente.

GPU-Limit für schwächere Systeme

max_display_nodes begrenzt die Anzahl der Nodes, die im Browser für Neural, Honeycomb und Constellation aufgebaut werden. 0 bedeutet unbegrenzt. Die Begrenzung wird nach dem Anzeige-Source-Filter angewendet. Das vollständige Wissen bleibt im Backend und im geladenen Graph-Snapshot erhalten.

Die Auswahl ist stabil und bevorzugt aktive Notes, AI-THINK-/Staging-Inhalte, Hubs und eine Grundabdeckung der vorhandenen Themenbereiche. Wird eine aktuell nicht dargestellte Note von Agent, Knowledgebase oder AI-THINK angefordert, ersetzt sie temporär einen inaktiven Node. Nach der Aktivitätsphase greift wieder die stabile Grundauswahl.

Im Web befindet sich die Einstellung unter FILTER → GPU-Limit. Voreinstellungen für 1.000, 5.000, 10.000 und 25.000 Nodes sind enthalten.

BRAIN_MAX_DISPLAY_NODES=5000

Zulässig sind Werte von 0 bis 500000.

Exakte Source-Filter

Das frühere Kategorie-/Source-Doppelfiltersystem wurde vollständig entfernt. Gefiltert wird nur nach dem exakten Wert des top-level JSON-Feldes source eines KB-Dokuments.

Beispiel:

{
  "id": "KB-AD-001",
  "title": "Active Directory prüfen",
  "source": "internal-category"
}

Dazu passt ausschließlich:

internal-category

Nicht passend sind Internal-Category, glpi-kb, ein technischer origin-Wert oder eine Kategorie des Artikels. Vor dem Vergleich werden lediglich äußere Leerzeichen entfernt; Groß-/Kleinschreibung bleibt relevant.

Für gelernte Webbelege wird als explizite Quelle der Hostname gesetzt, zum Beispiel learn.microsoft.com. Nodes ohne source erscheinen bei einer konkreten Auswahl nicht als eigener synthetischer Filterwert; sie bleiben nur bei „Alle“ sichtbar beziehungsweise nutzbar.

Lernen

learning_sources steuert:

• welche neuen oder geänderten Nodes eingebettet werden;
• welche vorhandenen Vektoren bei semantischen Abfragen berücksichtigt werden.

Bereits gespeicherte Vektoren anderer Quellen bleiben in graph.db, sind unter dem aktuellen Filter aber inaktiv. Eine spätere Freigabe erfordert daher kein erneutes Embedding.

Anzeige

display_sources begrenzt die sichtbaren Wissens-Nodes. Wissens-Nodes mit einem anderen source-Wert werden nicht über semantische Kanten hereingezogen. In der Neural-Ansicht dürfen direkt verbundene category, source und concept-Taxonomieknoten als visueller Kontext mitgeführt werden. Honeycomb zeigt weiterhin nur Notes.

Der Anzeige-Filter ist eine Rendersteuerung und keine Zugriffskontrolle. /api/graph liefert weiterhin den vollständigen Graphen.

Thinking

thinking_sources begrenzt:

• beide Nodes eines Relationskandidaten;
• Quellen eines Themenverbunds;
• Knowledge-Synthesis-Quellen;
• wiederverwendete Research-Evidence;
• neu akzeptierte SearXNG-Volltextbelege.

Mehrere ausgewählte Quellen verwenden ODER-Semantik. Eine leere Liste bedeutet in allen drei Bereichen alle Source-Werte.

GLPI-Source

Der genaue Source-Wert aller GLPI-KB-Nodes wird durch folgende Variable festgelegt:

GLPI_KB_SOURCE=GLPI Knowledge Base

Genau dieser Wert wird in metadata.source der GLPI-Nodes gespeichert und steht in der WebUI immer zur Auswahl – auch vor dem ersten GLPI-Sync, bei deaktiviertem GLPI-Ingest oder bei aktuell 0 Beiträgen.

Der technische Origin glpi-kb ist absichtlich kein Alias und wird nicht als Treffer behandelt.

Konfiguration und Persistenz

BRAIN_LEARNING_ENABLED=true
BRAIN_THINKING_ENABLED=true

# Exakte Werte des JSON-Feldes source; kommagetrennt, leer = alle
BRAIN_LEARNING_SOURCES=
BRAIN_DISPLAY_SOURCES=
BRAIN_THINKING_SOURCES=

BRAIN_DEFAULT_VIEW=neural
BRAIN_MAX_DISPLAY_NODES=0
BRAIN_LOW_POWER_MODE=false

Die drei Environment-Listen sind ausschließlich Startwerte. Sobald die neue WebUI-Konfiguration gespeichert wurde, ist runtime-settings.json maßgeblich. Es gibt keine zusätzliche ENV/WebUI-Schnittmenge.

Die neue Datei kennzeichnet die Semantik mit:

{
  "source_filter_version": 1
}

Alte Kategorie-Felder sowie unversionierte Source-Auswahlen werden bei der Umstellung bewusst ignoriert. Learning-/Thinking-Schalter, Ansicht, Node-Limit und ECO-Wert werden weiterhin feldweise übernommen. graph.db muss nicht gelöscht werden.

API

GET /api/runtime-settings
PUT /api/runtime-settings
GET /api/sources

GET /api/sources enthält die exakt im Graph gefundenen Source-Werte mit Anzahl und zusätzlich immer den aktuell konfigurierten Wert aus GLPI_KB_SOURCE.

Beispiel:

curl -X PUT http://localhost:8090/api/runtime-settings \
  -H 'Content-Type: application/json' \
  -d '{
    "source_filter_version": 1,
    "learning_enabled": true,
    "thinking_enabled": true,
    "learning_sources": ["internal-category", "GLPI Knowledge Base"],
    "display_sources": ["GLPI Knowledge Base"],
    "thinking_sources": ["internal-category", "learn.microsoft.com"],
    "view_mode": "constellation",
    "max_display_nodes": 5000,
    "low_power_mode": true
  }'

Ist BRAIN_API_KEY gesetzt, benötigt der PUT-Aufruf Authorization: Bearer … oder X-Brain-Key.