{
"event": "PreToolUse",
"tool_name": "mcp__mcp-tasks__tasks_create",
"tool_input": {
"title": "Semantik und Taxonomie in Content-Generierung einbauen",
"description": "## Ziel\nBei der Content-Generierung im Content Studio sollen Semantik-Daten (Entitäten, Relationen) und Taxonomie-Daten aus dem Semantic Explorer in den LLM-Prompt injiziert werden, um kontextreichere und präzisere Inhalte zu generieren.\n\n## Aktuelle Situation\n- Content-Generierung nutzt nur RAG-Chunks aus Qdrant (documents Collection)\n- Semantik-Daten (ki_content: entities, relations) werden NICHT verwendet\n- Taxonomie-Daten (ki_content: taxonomy_terms, taxonomy_assignments) werden NICHT verwendet\n- Ontologie-Daten (ki_content: ontology_classes, ontology_properties) werden NICHT verwendet\n\n## Umsetzung\n\n### 1. Relevante Entitäten finden\n- Briefing analysieren und passende Entitäten aus `entities` Tabelle suchen\n- Entitäten nach Typ filtern (Person, Konzept, Methode, etc.)\n- Relationen zwischen gefundenen Entitäten laden\n\n### 2. Taxonomie-Kontext laden\n- Relevante Taxonomie-Terme für das Thema finden\n- Hierarchie der Terme (parent_id) berücksichtigen\n- Taxonomy-Assignments zu Dokumenten\/Chunks nutzen\n\n### 3. Prompt-Erweiterung\n- `build_generation_prompt()` in generate.py erweitern\n- Neuer Abschnitt: \"## Semantischer Kontext\"\n- Entitäten mit Beschreibungen und Relationen einfügen\n- Taxonomie-Hierarchie als Themen-Kontext einfügen\n\n### 4. UI-Erweiterung (optional)\n- Im Content Studio Auswahl ermöglichen welche Semantik-Daten verwendet werden\n- Checkbox: \"Semantik einbeziehen\" \/ \"Taxonomie einbeziehen\"\n\n## Betroffene Dateien\n- \/var\/www\/scripts\/pipeline\/generate.py (Hauptlogik)\n- \/var\/www\/scripts\/pipeline\/db.py (neue Queries)\n- \/var\/www\/dev.campus.systemische-tools.de\/src\/View\/content\/new.php (UI optional)\n- \/var\/www\/dev.campus.systemische-tools.de\/src\/View\/content\/show.php (UI optional)\n\n## Datenbank-Tabellen (ki_content)\n- entities (id, name, type, description, properties)\n- relations (id, source_entity_id, target_entity_id, relation_type, properties)\n- taxonomy_terms (id, name, slug, parent_id, description)\n- taxonomy_assignments (id, term_id, assignable_type, assignable_id)",
"type": "ai_task"
}
}
{
"tool_response": [
{
"type": "text",
"text": "{\n \"success\": true,\n \"task\": {\n \"id\": 294,\n \"uuid\": \"a13e39da-e9fd-4122-9d40-51c2abd3dbcd\",\n \"title\": \"Semantik und Taxonomie in Content-Generierung einbauen\",\n \"description\": \"## Ziel\\nBei der Content-Generierung im Content Studio sollen Semantik-Daten (Entitäten, Relationen) und Taxonomie-Daten aus dem Semantic Explorer in den LLM-Prompt injiziert werden, um kontextreichere und präzisere Inhalte zu generieren.\\n\\n## Aktuelle Situation\\n- Content-Generierung nutzt nur RAG-Chunks aus Qdrant (documents Collection)\\n- Semantik-Daten (ki_content: entities, relations) werden NICHT verwendet\\n- Taxonomie-Daten (ki_content: taxonomy_terms, taxonomy_assignments) werden NICHT verwendet\\n- Ontologie-Daten (ki_content: ontology_classes, ontology_properties) werden NICHT verwendet\\n\\n## Umsetzung\\n\\n### 1. Relevante Entitäten finden\\n- Briefing analysieren und passende Entitäten aus `entities` Tabelle suchen\\n- Entitäten nach Typ filtern (Person, Konzept, Methode, etc.)\\n- Relationen zwischen gefundenen Entitäten laden\\n\\n### 2. Taxonomie-Kontext laden\\n- Relevante Taxonomie-Terme für das Thema finden\\n- Hierarchie der Terme (parent_id) berücksichtigen\\n- Taxonomy-Assignments zu Dokumenten\/Chunks nutzen\\n\\n### 3. Prompt-Erweiterung\\n- `build_generation_prompt()` in generate.py erweitern\\n- Neuer Abschnitt: \\\"## Semantischer Kontext\\\"\\n- Entitäten mit Beschreibungen und Relationen einfügen\\n- Taxonomie-Hierarchie als Themen-Kontext einfügen\\n\\n### 4. UI-Erweiterung (optional)\\n- Im Content Studio Auswahl ermöglichen welche Semantik-Daten verwendet werden\\n- Checkbox: \\\"Semantik einbeziehen\\\" \/ \\\"Taxonomie einbeziehen\\\"\\n\\n## Betroffene Dateien\\n- \/var\/www\/scripts\/pipeline\/generate.py (Hauptlogik)\\n- \/var\/www\/scripts\/pipeline\/db.py (neue Queries)\\n- \/var\/www\/dev.campus.systemische-tools.de\/src\/View\/content\/new.php (UI optional)\\n- \/var\/www\/dev.campus.systemische-tools.de\/src\/View\/content\/show.php (UI optional)\\n\\n## Datenbank-Tabellen (ki_content)\\n- entities (id, name, type, description, properties)\\n- relations (id, source_entity_id, target_entity_id, relation_type, properties)\\n- taxonomy_terms (id, name, slug, parent_id, description)\\n- taxonomy_assignments (id, term_id, assignable_type, assignable_id)\",\n \"type\": \"ai_task\",\n \"status\": \"pending\",\n \"created_by\": \"mcp-tasks\",\n \"created_by_type\": \"ai\",\n \"parent_task_id\": null,\n \"due_date\": null,\n \"created_at\": \"2025-12-24T09:30:53.341728\",\n \"updated_at\": \"2025-12-24T09:30:53.341734\",\n \"completed_at\": null,\n \"metadata\": {}\n },\n \"message\": \"Task #294 created\"\n}"
}
]
}