Priorisierung

Erst haerten, dann personalisieren.

Die Roadmap folgt dem Statusplan: Search sicher und nutzbar machen, CaiLama daran anbinden, personalisiertes Training schliessen und danach RAG, Jobs und Observability ausbauen.

Jetzt

Search-Auth-Hardening, interner SearchAdapter.

Danach

PTG-MVP/Folgehaertung, DWZ-Identity-Linking.

Spaeter

RAG-Analysepakete, einheitliche Job-Orchestrierung.

Ausbau

Observability, optionale semantische Retrieval-Schicht.

Jetzt.

Die besten Quick Wins betreffen Sicherheits- und Integrationsdisziplin.

CaiLama-Search

Search-Auth-Hardening

  • MeiliKeyManager in Runtime-Pfade verdrahten.
  • Env-Namen zwischen API, CLI, Scheduler und Config vereinheitlichen.
  • Bootstrap-Key von Runtime-Keys trennen.
  • Admin-Endpunkte schuetzen und testen.
CaiLama

Interner SearchAdapter

  • /v1/search, /v1/context und /v1/dwz/* konsumieren.
  • Rueckgabeformate normalisieren.
  • internal_first, external_fallback, external_only pruefen.
  • Browser-Websuche nur als bewussten Fallback nutzen.

Danach.

Die Produktwirkung entsteht, wenn Datenbasis, Training und Feedback geschlossen werden.

CaiLama

PTG-MVP und Folgehaertung

  • Importierte Partien in Feature-Signale ueberfuehren.
  • Schwaechenprofil und Kartenqueue nachvollziehbar ableiten.
  • Review-Ergebnisse in Schwierigkeit, Prioritaet und Wiederholung zurueckfuehren.
  • Datenschutz fuer Leistungsprofile klaeren.
CaiLama + Search

DWZ-Identity-Linking

  • Plattformprofile mit DWZ-Treffern verknuepfen.
  • Mehrdeutige Treffer manuell bestaetigen lassen.
  • Vereins-, Verbands- und Rating-Kontext fuer Training nutzen.
  • PII-Minimierung und Export-/Retention-Regeln dokumentieren.

Spaeter und Ausbau.

Breitere Plattformfeatures kommen, wenn SearchAdapter, PTG und Search-Auth stabil sind.

RAG-Analysepakete

Researcher/Analyst-Rollen mit Search-Kontext fuer Dossiers, Gegnerprofile und evidenzbasierte Berichte.

Unified Job Layer

Import, Crawl, Game-Analyse, PTG und Reindex als koordinierte Job-Landschaft.

Observability

Privacy-safe KPIs fuer Router, Search und Training, ohne Prompt-/Response- oder Secret-Inhalte.

Semantisches Retrieval

Embedding/Reranking nur mit Eval-Datensatz und Fallback ueber bestehendem Meili-Lexikalindex.

Quellenpolitik

Whitelists, Trafilatura, Robots, Rate-Limits und rechtliche Grenzen stabil dokumentieren.

Modelle benchmarken

Bestes Modell je Aufgabe statt Lieblingsmodell: router, small, large und task bewusst einsetzen.