jbergner
a6bc71fb3a
7.3 KiB
Architektur
Zielbild
┌─────────────────────┐
│ GLPI │
└─────────┬───────────┘
│
▼
┌─────────────────────┐
│ GLPI AI Agent │
│ policies / actions │
└──────┬───────┬──────┘
│ │ events
semantic query │ └──────────────┐
▼ ▼
┌─────────────────────┐ ┌──────────────┐
│ NeuroForge Brain │ │ Control │
│ HNSW / Disk-PQ │ │ read-only │
│ NFVJ2 + SQAR │ └──────────────┘
│ memory / research │
│ validated outcomes │
└─────────┬───────────┘
│ draft proposal only
▼
┌─────────────────────┐
│ Knowledge Staging │
│ human review │
└─────────┬───────────┘
│ promote
▼
┌─────────────────────┐
│ Production KB │
└─────────┬───────────┘
│ shared files / incremental scan
└──────────────► Agent
Verantwortungsgrenzen
GLPI AI Agent
Bleibt die autoritative Schicht für:
- Kategorien- und Prioritätslogik
- Eskalation
- Auto-Reply-Gates
- GLPI-Schreiboperationen
- Dry-Run
- Idempotenz und Ticket-State
- Hybrid-Scoring nach semantischer Kandidatensuche
- Quellen-Allowlisten
NeuroForge darf diese Regeln weder verändern noch umgehen.
NeuroForge
Ist die autoritative Schicht für zentral externalisierte Chunk-Vektoren:
- namespace-isolierte Knowledge-Chunks
- HNSW-/Disk-PQ-Kandidatensuche
- Vector Journal NFVJ2
- SQAR-Kompression des Vector Journals
- Brain-/Knowledge-Events
- eigenes Learning/Research
Die neue Integrations-API ist mit dem App Key geschützt und enthält bewusst keine Admin-Funktionen.
Knowledgebase
Bleibt die Governance-Schicht:
- kanonische JSON-Artikel
- Editor
- Suche
- Staging
- Backup
- Review
- Promotion
Maschinelle Integrationen können nur Staging-Entwürfe ablegen.
Datenfluss für Retrieval
Tickettext
-> Embedding-Profil des Agenten
-> NeuroForge namespace search
-> Top-N semantische Kandidaten
-> Agent ordnet Treffer Dokumenten zu
-> exakte lokale Titel-/Keyword-/Kategorie-/Lexikal-Signale
-> deterministischer Hybrid-Score
-> bestehende GLPI Policy-Gates
-> ggf. Aktion
Damit bleibt ANN ein Kandidatengenerator, nicht die finale Policy-Entscheidung.
Persistenz
Agent
- lokale Knowledge-Metadaten und Chunks
- Titelvektoren
- im
local/dual-Modus auch Chunk-Vektoren - Audit-/Run-/State-Dateien
NeuroForge
- Memory/WAL/Segments
- HNSW bzw. Disk-PQ
- NFVJ2 Vector Journal
- SQAR nur auf geeigneten Vektorblöcken
Knowledgebase
knowledge/produktivstaging/ungeprüftbackups/Recovery
Konsistenzmodell
Die JSON-Knowledgebase bleibt fachlich kanonisch. NeuroForge ist ein abgeleiteter semantischer Index. Dokument-IDs und Chunk-Indizes erzeugen deterministische NeuroForge-Memory-IDs. Änderungen ersetzen Chunks batchweise; entfernte Chunks werden entfernt. Dadurch kann ein kompletter Neuaufbau aus der Knowledgebase erfolgen.
Eventing
Die vorhandenen brainactivity-Clients zeigen jetzt auf:
POST /api/v1/integrations/events
Diese Events sind Telemetrie/Audit, keine Policy-Eingaben. Beispiele sind knowledge.search sowie Synchronisationsereignisse.
Kontrolliertes Lernmodell (v1.2.0)
Human Outcome Gate
Ticket -> AI proposal -> technician accept/correct
|
v
immutable local audit
| App Key
v
/api/v1/integrations/outcomes
|
v
trusted semantic outcome memory
Der Agent bestimmt nicht selbst die vertrauenswürdige Provenance. NeuroForge akzeptiert über diesen Pfad ausschließlich accepted und corrected und setzt glpi.outcome.* serverseitig. Eine spätere Korrektur wird als neue Outcome-Version mit supersedes_id geführt.
Optionaler Research-Layer
[compose profile: research]
SearXNG
|
v
Goal/manual research -> Search -> Fetch -> Evidence
|
v
provenance + dedup +
independent corroboration
|
v
NeuroForge Memory
|
v
KB staging only
Research-Infrastruktur und zeitgesteuerte Autonomie sind getrennt. NEUROFORGE_AUTONOMY_ENABLED=false verhindert selbstlaufende Goal-Cycles auch dann, wenn SearXNG und manuelles Research aktiv sind.
v1.3: Closed Outcome Feedback Loop
Menschlich validierte Helpdesk-Erfahrung besitzt einen eigenen, schmalen Retrieval-Pfad:
Agent ticket query
|--------------------------|
v v
Knowledge namespace Validated outcomes
HNSW/PQ + hybrid active accepted/corrected only
| |
+------------+-------------+
v
Reply selection
|
Knowledge ID allow-list
|
Policy gates / GLPI
Die beiden Evidenzklassen werden absichtlich nicht vermischt. Outcome-Memories liegen im NeuroForge-Brain und sind Trust-/Revision-basiert; Knowledge bleibt die veröffentlichte Autorität. Bei Korrekturen bleiben alte Memories auditierbar, wechseln aber auf superseded und sind nicht mehr search-active.
Für source-begrenzte Exact-Fallbacks hält der Store einen rebuildbaren In-Memory-Index Provenance.Source -> Memory IDs. Damit wächst der Fallback mit der betreffenden Integration/Source statt mit dem gesamten Memory-Katalog. HNSW/Disk-PQ bleiben globale Kandidatenindizes.
Die Qualitätsmessung ist vom Schreibpfad getrennt: /api/quality/replay ist read-only und evaluiert live die aktuelle Knowledge-/Outcome-Retrieval-Konfiguration gegen einen bereitgestellten historischen Fallkorpus.