Alfred
/
qc-text-builder
1
0
Vork 0
Code Kwesties 0 Pull-aanvragen 0 Publicaties 0 Wiki Activiteit
You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
21 Commits
1 Branch
35MB
Branch: master
Branches Labels
${ item.name }
Maak branch ${ searchTerm }
van 'master'
${ noResults }
Jan Svabenik a5d9c6dea0 docs: add leadharvester integration handout 1 maand geleden
cmd/qctextbuilder Initial QC Text Builder MVP scaffold 1 maand geleden
data chore: snapshot local database state 1 maand geleden
dist Add prompt settings and draft prompt context 1 maand geleden
docs docs: add leadharvester integration handout 1 maand geleden
internal chore: add configurable log levels for diagnostics 1 maand geleden
migrations Initial QC Text Builder MVP scaffold 1 maand geleden
test/integration Initial QC Text Builder MVP scaffold 1 maand geleden
web feat: add llm runtime tuning and validation 1 maand geleden
.env.local Initial QC Text Builder MVP scaffold 1 maand geleden
AGENTS.md docs: document database snapshot commit policy 1 maand geleden
README.md chore: add configurable log levels for diagnostics 1 maand geleden
build-local.ps1 Initial QC Text Builder MVP scaffold 1 maand geleden
concept.json Initial QC Text Builder MVP scaffold 1 maand geleden
go.mod Add SQLite persistence and draft review flow 1 maand geleden
go.sum Add SQLite persistence and draft review flow 1 maand geleden
run-local.ps1 fix: preserve provider suggestions over stale fallback state 1 maand geleden

README.md

QC Text Builder (Go)

QC Text Builder ist eine Go-Anwendung fuer den kontrollierten QC-Textprozess von Template bis Site-Build.

Aktueller Stand

Die App kann heute:

  • AI-Templates aus QC synchronisieren und anzeigen.
  • Templates onboarden (Discovery/Manifest) und Felder fuer Mapping/Review bearbeiten.
  • Drafts anlegen, aktualisieren und im Status draft -> reviewed -> submitted fuehren.
  • Externen Draft-Intake ueber POST /api/drafts/intake verarbeiten (Stammdaten + optional Website-/Stilkontext, kein Direkt-Build).
  • Globalen Master-Prompt in Settings pflegen sowie Prompt-Bloecke fuer den spaeteren LLM-Flow als Standard konfigurieren.
  • Im Settings-/Config-Bereich die LLM-Basiskonfiguration pflegen: aktiver Provider, aktives Modell (provider-aware statische Auswahlliste), Base URL fuer Ollama/kompatible Endpoints, Temperature/Max Tokens sowie getrennte API-Key-Speicher je Provider (OpenAI, Anthropic, Google, xAI, Ollama).
  • LLM-Provider-Konfiguration in Settings per leichtgewichtigem Validate-Action pruefen (aktiver Provider/Modell/Key/Base URL via kurzem Runtime-Request).
  • OpenAI-kompatible Runtime-Requests waehlen den Token-Limit-Parameter intern modellkompatibel (max_completion_tokens fuer OpenAI GPT-5-Modelle, sonst max_tokens), inkl. Settings-Validate-Action.
  • OpenAI-kompatible Runtime-Responses werden robust ueber mehrere Chat-/GPT-5-kompatible Content-Shapes extrahiert (u. a. choices[].message.content als String/Part-Array sowie output_text/output[].content); bei leerem Ergebnis werden nur sichere, priorisierte Strukturdiagnosen (inkl. choices/message-Shapes, message.content-Typ/Laenge und finish_reason falls vorhanden), keine Prompt-/Secret-Inhalte, zurueckgegeben.
  • Im Draft-/Build-UI den User-Flow auf Stammdaten, Intake-/Website-Kontext, Stil-Auswahl und Template-Felder fokussieren; Prompt-Interna liegen in Settings.
  • Interne semantische Zielslots (z. B. hero.title, service_items[n].description) auf Template-Felder abbilden als Vorbereitung fuer spaeteren LLM-Autofill.
  • Repeated-Bereiche in semantischen Slots werden block-/rollenbasiert getrennt (z. B. Services/Team/Testimonials pro Item statt Sammel-Slot).
  • LLM-first Autofill-Vorschlaege ueber provider-aware Runtime (OpenAI, Anthropic, Google, xAI, Ollama/kompatibel) mit aktiver Provider-/Modell-Auswahl aus Settings, strukturierter Feldzuordnung auf fieldPath/Slot und Rule-based Fallback fuer Ausfall-/Testfaelle.
  • Composite-Fallback laeuft nur fuer echte Zielfeld-Luecken: bei voller Primaerabdeckung kein Fallback-Aufruf, bei Teilabdeckung nur fuer fehlende fieldPaths; Primaer-Sources bleiben bei Merge priorisiert.
  • Suggestion-Workflow getrennt von Feldwerten (Preview), inkl. Generate all, Regenerate all, Apply all to empty sowie per-Feld Apply/Regenerate im Draft-/Build-UI.
  • Technische Felddetails (z. B. fieldPath, Suggestion-Metadaten, Slot-Preview) sind im UI standardmaessig ausgeblendet und nur per Debug-Toggle sichtbar.
  • Strukturierte Autofill-/LLM-Logs mit operativen Zusammenfassungen auf INFO (Provider-Pfad, Fallback-Status, Validate-Action, Dauer, Suggestion-Count).
  • Vertiefte Provider-/Runtime-Diagnostik (Prompt-/Payload-/Response-/Extract-/Parse-Snippets, Samples, Feld-Transition-Details) bleibt erhalten und ist ueber LOG_LEVEL=debug sichtbar; API-Key-/Authorization-Daten bleiben redigiert.
  • Kleine interne Log-API GET /api/logs?limit=<n> fuer aktuelle In-Memory-Logeintraege (Ring-Buffer, neueste zuerst).
  • Builds aus geprueften Daten starten sowie Job-Status pollen und Editor-URL nachladen.

Wichtig:

  • Leadharvester liefert nur Intake-Daten (Stammdaten + optional Kontext) in Drafts.
  • LLM-Autofill bleibt Assistenz im Review-Flow: Vorschlaege werden separat gespeichert und manuell angewendet; bei Provider-Ausfall greift ein Fallback-Pfad (QC-kompatibel, danach deterministisch Rule-based).
  • Provider-/Modell-/Base-URL/API-Key/Temperature/Max-Tokens-Settings steuern den primaeren Suggestion-Runtimepfad produktiv.

Lokaler Start

  1. Env setzen:
    • HTTP_ADDR=:8080
    • DB_DRIVER=sqlite (Default)
    • DB_URL=data/qctextbuilder.db (Default)
    • QC_BASE_URL=https://qc-api.yggdrasil.dev-mono.net/api/v1
    • QC_TOKEN=<bearer token>
    • optional: LOG_LEVEL=info|debug|warn|error (Default info; fuer tiefe Autofill-/Provider-Diagnostik debug)
    • optional: LOG_FILE=logs/qctextbuilder.log fuer zusaetzliches JSON-Logfile (stdout bleibt aktiv)
  2. Starten:
    • go run ./cmd/qctextbuilder

Persistenz

Default ist SQLite. Gespeichert werden Settings (inkl. Prompt-Konfig und LLM-Provider-/Modell-/Runtime-/Key-Grundlagen), Templates, Manifeste/Felder, Drafts und Site-Builds.

Draft-/Review-Flow

Empfohlener Ablauf:

  1. Draft anlegen oder via Intake vorbefuellen.
  2. Inhalte im UI/API pruefen und anpassen.
  3. Draft auf reviewed setzen.
  4. Build starten; Draft wird auf submitted fortgeschrieben.

Weiterfuehrende Projektdoku

Zielbild, Roadmap und Ausbaustufen stehen hier:

  • docs/TARGET_STATE_AND_ROADMAP.md

Projektlokale Agentenleitplanken stehen hier:

  • AGENTS.md