Protokoll #2549

{
    "event": "PreToolUse",
    "tool_name": "mcp__mcp-docs__docs_get",
    "tool_input": {
        "id": 52
    }
}

{
    "tool_response": [
        {
            "type": "text",
            "text": "{\n  \"success\": true,\n  \"doc\": {\n    \"id\": 52,\n    \"parent_id\": 51,\n    \"slug\": \"chat\",\n    \"path\": \"\/api\/chat\",\n    \"title\": \"Chat-API\",\n    \"description\": \"RAG-basierter Chat mit Vektorsuche und LLM-Integration. Verwendet lokale Embeddings (Ollama), Vektorsuche (Qdrant) und Claude (Anthropic) oder Ollama als LLM.\",\n    \"content\": \"<nav class=\\\"breadcrumb\\\">\\n    <a href=\\\"\/docs\\\">Dokumentation<\/a> &raquo; <a href=\\\"\/docs\/api\\\">API<\/a> &raquo; Chat\\n<\/nav>\\n\\n<h1>Chat API<\/h1>\\n<p>RAG-basierter Chat mit Vektorsuche und LLM-Integration. Verwendet lokale Embeddings (Ollama), Vektorsuche (Qdrant) und Claude (Anthropic) oder Ollama als LLM.<\/p>\\n\\n<table>\\n    <tr><th>Endpunkt (HTML)<\/th><td>POST \/chat\/message<\/td><\/tr>\\n    <tr><th>Endpunkt (JSON)<\/th><td>POST \/api\/v1\/chat<\/td><\/tr>\\n    <tr><th>Controller<\/th><td>\/src\/Controller\/ChatController.php<\/td><\/tr>\\n    <tr><th>Service<\/th><td>\/src\/Infrastructure\/AI\/ChatService.php<\/td><\/tr>\\n<\/table>\\n\\n<h2>Request<\/h2>\\n<pre><code>POST \/api\/v1\/chat\\nContent-Type: application\/json\\n\\n{\\n    \\\"question\\\": \\\"Was ist systemische Therapie?\\\",\\n    \\\"model\\\": \\\"anthropic\\\",\\n    \\\"collection\\\": \\\"documents\\\",\\n    \\\"limit\\\": 5\\n}<\/code><\/pre>\\n\\n<table>\\n    <tr><th>Parameter<\/th><th>Typ<\/th><th>Default<\/th><th>Beschreibung<\/th><\/tr>\\n    <tr><td>question<\/td><td>string<\/td><td>required<\/td><td>Benutzer-Frage<\/td><\/tr>\\n    <tr><td>model<\/td><td>string<\/td><td>\\\"anthropic\\\"<\/td><td>\\\"anthropic\\\" (claude-opus-4-5-20251101) oder \\\"ollama\\\" (gemma3:4b-it-qat)<\/td><\/tr>\\n    <tr><td>collection<\/td><td>string<\/td><td>\\\"documents\\\"<\/td><td>Qdrant Collection<\/td><\/tr>\\n    <tr><td>limit<\/td><td>int<\/td><td>5<\/td><td>Max. Kontext-Chunks<\/td><\/tr>\\n<\/table>\\n\\n<h2>Response<\/h2>\\n<pre><code>{\\n    \\\"answer\\\": \\\"Systemische Therapie ist ein psychotherapeutischer Ansatz...\\\",\\n    \\\"sources\\\": [\\n        {\\n            \\\"title\\\": \\\"Einführung in die systemische Therapie\\\",\\n            \\\"content\\\": \\\"...\\\",\\n            \\\"score\\\": 0.89,\\n            \\\"path\\\": \\\"\/Documents\/therapie\/einfuehrung.pdf\\\"\\n        }\\n    ],\\n    \\\"model\\\": \\\"claude-opus-4-5-20251101\\\",\\n    \\\"tokens\\\": 1234\\n}<\/code><\/pre>\\n\\n<h2>RAG-Pipeline<\/h2>\\n<p>Die Chat-Funktionalität nutzt native PHP-Services (keine Python-Aufrufe mehr):<\/p>\\n<pre><code>1. Embedding erstellen (OllamaService)\\n   question → mxbai-embed-large → [1024-dim vector]\\n\\n2. Vektorsuche (QdrantService)\\n   vector → Qdrant :6333 → top-k similar chunks\\n\\n3. Kontext aufbauen (ChatService)\\n   chunks → formatierter Kontext mit Quellenangaben\\n   max. 3000 tokens (~12000 chars)\\n\\n4. LLM-Anfrage (ClaudeService oder OllamaService)\\n   system_prompt + rag_prompt + context → answer\\n\\n5. Quellen extrahieren (ChatService)\\n   search_results → deduplizierte Quellen-Liste\\n\\n6. Response zusammenstellen (ChatService)\\n   answer + sources + metadata + usage<\/code><\/pre>\\n\\n<h2>Architektur<\/h2>\\n<pre><code>Browser\/Client\\n    ↓\\nChatController (\/src\/Controller\/)\\n    ↓\\nChatService (\/src\/Infrastructure\/AI\/)\\n    ↓\\n┌──────────────────┬──────────────────┬──────────────────┐\\n│ OllamaService    │ QdrantService    │ ClaudeService    │\\n│ (Embeddings)     │ (Vektorsuche)    │ (LLM)            │\\n└──────────────────┴──────────────────┴──────────────────┘\\n    ↓                   ↓                   ↓\\n┌──────────────────┬──────────────────┬──────────────────┐\\n│ Ollama API       │ Qdrant API       │ Anthropic API    │\\n│ :11434           │ :6333            │ api.anthropic... │\\n└──────────────────┴──────────────────┴──────────────────┘\\n\\nMigration: Python shell_exec → Native PHP (2025-12-20)\\nStatus: Produktiv<\/code><\/pre>\\n\\n<h2>Fehlerbehandlung<\/h2>\\n<table>\\n    <tr><th>HTTP Code<\/th><th>Bedeutung<\/th><\/tr>\\n    <tr><td>400<\/td><td>Fehlende oder ungültige Parameter<\/td><\/tr>\\n    <tr><td>500<\/td><td>Service-Fehler (Ollama, Qdrant, Claude)<\/td><\/tr>\\n    <tr><td>503<\/td><td>Service nicht verfügbar<\/td><\/tr>\\n<\/table>\\n\\n<h3>Exception-Handling<\/h3>\\n<p>Alle Services werfen RuntimeException bei Fehlern:<\/p>\\n<pre><code>try {\\n    $config = AIConfig::fromCredentialsFile();\\n    $chat = $config->createChatService();\\n    $result = $chat->chat($question);\\n} catch (RuntimeException $e) {\\n    \/\/ Fehler-Logging\\n    error_log('Chat failed: ' . $e->getMessage());\\n\\n    \/\/ JSON Response\\n    http_response_code(500);\\n    echo json_encode([\\n        'error' => 'Chat request failed',\\n        'message' => $e->getMessage()\\n    ]);\\n}<\/code><\/pre>\\n\\n<h3>Typische Fehler<\/h3>\\n<table>\\n    <tr><th>Fehler<\/th><th>Ursache<\/th><th>Lösung<\/th><\/tr>\\n    <tr><td>Embedding generation failed<\/td><td>Ollama nicht erreichbar<\/td><td>systemctl status ollama prüfen<\/td><\/tr>\\n    <tr><td>Vector search failed<\/td><td>Qdrant nicht erreichbar<\/td><td>systemctl status qdrant prüfen<\/td><\/tr>\\n    <tr><td>No relevant documents found<\/td><td>Keine Treffer in Collection<\/td><td>Collection prüfen, limit erhöhen<\/td><\/tr>\\n    <tr><td>Claude API request failed<\/td><td>API-Key ungültig, Rate-Limit<\/td><td>credentials.md prüfen, warten<\/td><\/tr>\\n<\/table>\\n\\n<h2>HTMX-Integration<\/h2>\\n<pre><code>&lt;form hx-post=\\\"\/chat\/message\\\" hx-target=\\\"#chat-messages\\\" hx-swap=\\\"beforeend\\\"&gt;\\n    &lt;select name=\\\"model\\\" id=\\\"chat-model\\\"&gt;\\n        &lt;option value=\\\"anthropic\\\"&gt;claude-opus-4-5-20251101&lt;\/option&gt;\\n        &lt;option value=\\\"ollama\\\"&gt;gemma3:4b-it-qat (lokal)&lt;\/option&gt;\\n    &lt;\/select&gt;\\n    &lt;input type=\\\"text\\\" name=\\\"message\\\" placeholder=\\\"Frage stellen...\\\"&gt;\\n    &lt;button type=\\\"submit\\\"&gt;Senden&lt;\/button&gt;\\n&lt;\/form&gt;\\n\\n&lt;div id=\\\"chat-messages\\\"&gt;&lt;\/div&gt;<\/code><\/pre>\\n\\n<h3>Model-Persistenz<\/h3>\\n<p>Die Modell-Auswahl wird im localStorage gespeichert und beim Seitenaufruf wiederhergestellt:<\/p>\\n<pre><code>\/\/ Speichern\\nlocalStorage.setItem('chat-model-preference', model);\\n\\n\/\/ Laden\\nconst saved = localStorage.getItem('chat-model-preference');<\/code><\/pre>\",\n    \"status\": \"published\",\n    \"sort_order\": 1,\n    \"depth\": 1,\n    \"created_at\": \"2025-12-20T11:13:58\",\n    \"updated_at\": \"2025-12-20T11:13:58\"\n  }\n}"
        }
    ]
}