glpi-neuroforge-mega/docs/IMPLEMENTED.md

Implementierungsstand

Implementiert

• gemeinsames Monorepo mit go.work
• gemeinsamer Docker-Compose-Stack
• zentraler Ollama-Endpunkt für Agent/KB/NeuroForge
• NeuroForge + NFVJ2/SQAR Vector Journal
• App-Key-geschützte NeuroForge Knowledge Integration API
• namespace-isolierte semantische Suche
• Batch-Upsert/Batch-Delete für Knowledge-Chunks
• Agent local / dual / neuroforge Betriebsmodi
• explizites fail-open / fail-closed
• Remote-Semantik bleibt nur Evidenz; Agent-Hybrid-/Policy-Logik bleibt autoritativ
• inkrementelle Updates und Löschungen in NeuroForge
• vorhandene Brain-Activity-Hooks auf NeuroForge Events
• read-only Control Center
• gemeinsames produktives knowledge/ mit KB-RW / Agent-RO
• separater Bearer-geschützter Research-/Integration-Draft-Ingress in KB-Staging
• Research-Drafts können nicht produktiv schreiben und erzwingen auto_reply=false
• getrennte Secrets für Admin, App, Worker, Metrics und KB-Staging-Integration
• Tests für Namespace-Isolation, Lifecycle, Fail-open/fail-closed und Staging-Governance
• optionaler SearXNG-Service als Compose-Profil research
• Controlled-Learning-Bootstrap ohne automatisches Chat-Input/Assistant-Output-Lernen
• Human-Outcome-Learning (accepted/corrected) über separaten App-Key-Endpunkt
• lokales Outcome-Audit mit pending|learned|failed, Retry und unveränderlicher Revisionskette
• Stale-Run-Schutz gegen Lernen aus überholten GLPI-Ticketzuständen
• getrennte Schalter für Research/SearXNG und zeitgesteuerte Autonomie
• persistenter Master/Subagent-Orchestrator mit Resource-/Capability-Routing, Priorität, DAG-Dependencies, Retry/Backoff und Idempotenz
• Heartbeat/Lease-Fencing inklusive Expiry-Prüfung und stale-result Schutz
• zweiphasiger apply_wait-Commit für Worker-Ergebnisse, die autoritativen Master-State verändern
• CPU-Subagents für vector.relink, GPU-Subagents für model.chat/model.embed, optional remote über docker-compose.subagent.yml
• bounded Knowledge-Graph-Backfill für importierte Memories (ANN-Kandidaten statt O(N²))
• echte n:m-Adjamenz, Relationstypen, Multi-Hop-Retrieval und Graph-Health-Metriken
• Memory-Version + Vector-Fingerprint-Fencing gegen Delete/Recreate-Races während Relink

Bewusst nicht automatisiert

• Kein NeuroForge-Research-Run wird ohne expliziten Workflow automatisch zum KB-Entwurf.
• Kein KB-Entwurf wird automatisch promoted.
• Keine GLPI-Automation wird durch die Vektormigration automatisch aktiviert.
• Das Control Center besitzt keine Admin-Aktionen.

Diese Grenzen sind Teil des Kontrollmodells und können später gezielt über signierte/approvable Jobs erweitert werden.