Floke/Brancheneinstufung2
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

planning.md aktualisiert

Browse Source
This commit is contained in:
Floke
2025-08-18 12:48:37 +00:00
parent b898026a3a
commit 10b453091c
1 changed files with 17 additions and 21 deletions
Download Patch File Download Diff File Expand all files Collapse all files

38
planning.md
View File

@@ -1,25 +1,21 @@
# Projektplanung v2.1.1
# Projektplanung v2.2.0
## 1. Übergeordnete Ziele
* **Priorität 1: Stabilität:** Wiederherstellung einer zuverlässigen, fehlerfreien Ausführung der Kernprozesse zur Datenanreicherung.
* **Priorität 2: Finalisierung:** Abschluss der Entwicklungsarbeiten an den neuen Modulen (Duplikats-Check, Marketing-Texte).
* **Priorität 3: Automatisierung:** Vorbereitung der Skripte für den regelmäßigen, automatisierten Betrieb.
## 1. Aktueller Stand
* **[X] Kern-Datenanreicherung implementiert:** Die Module für Scraping, Brancheneinstufung 2.0 und ML-Prognose sind funktional.
* **[X] Content-Generierung implementiert:** Die Engine zur Erstellung von Marketing-Texten ist fertig und liefert qualitativ hochwertige Ergebnisse.
* **[X] Remote-Steuerung implementiert:** Die Docker-basierte Brücke zu Google Sheets ist funktionsfähig und als Proof of Concept validiert.
* **[!] Duplikats-Check blockiert:** Der `duplicate_checker.py` kann seine Ergebnisse nicht ins Google Sheet zurückschreiben, was seine Funktionalität blockiert.
## 2. Aktueller Stand (v2.1.1) - **NEUSTART ERFORDERLICH**
* **[X] Modularisierung abgeschlossen:** Die Codebasis wurde erfolgreich in eine modulare Architektur überführt.
* **[!] Kernfunktionalität instabil:** Während des Refactorings und der Weiterentwicklung sind kritische Fehler in den Hauptprozessen (Brancheneinstufung, ML-Training) aufgetreten. Die Ergebnisse sind unzuverlässig oder die Ausführung bricht ab.
* **[ ] Neue Module im Prototypen-Stadium:** Die Konzepte und erste Implementierungen für den Duplikats-Check und die Marketing-Text-Generierung sind vorhanden, aber noch nicht finalisiert oder robust.
* **[X] Wissensbasis-Konzept validiert:** Die Strategie, eine reichhaltige Wissensbasis (`config.py`, `marketing_wissen.yaml`) zu nutzen, hat sich als vielversprechend erwiesen.
## 2. Strategischer Plan
**Phase 1: Finalisierung & Stabilisierung**
* **[ ]** **Schritt 1.1 (Bugfix Duplikats-Check):** Analyse des Logs und des `duplicate_checker.py`-Codes, um den Fehler im finalen Schreibprozess zu identifizieren und zu beheben.
* **[ ]** **Schritt 1.2 (Validierung):** Durchführung eines vollständigen, erfolgreichen Laufs des `duplicate_checker.py` über die Google Sheets-Schnittstelle.
* **[ ]** **Schritt 1.3 (Produktivsetzung der Brücke):** Umstellung auf eine permanente `ngrok`-URL (via Paid Plan) und Aktualisierung der `app.py` und `Code.gs`-Skripte.
## 3. Strategischer Plan für den Neustart
**Phase 2: Skalierung der Inhalte**
* **[ ]** **Schritt 2.1 (Wissensbasis vervollständigen):** Ausführen des `build_knowledge_base.py`-Skripts für alle verbleibenden Branchen.
* **[ ]** **Schritt 2.2 (Marketing-Texte vervollständigen):** Ausführen des `generate_marketing_text.py`-Skripts für alle 54 Branchen.
**Phase 1: Stabilisierung der Kernfunktionalität (`brancheneinstufung.py`)**
* **[ ]** **Schritt 1.1 (Code Review):** Analyse des **gesamten** aktuellen Code-Stands aller `.py`-Dateien, um Inkonsistenzen und Fehler (z.B. falsche Funktionsaufrufe, veraltete Logik) zu identifizieren.
* **[ ]** **Schritt 1.2 (Bugfixing):** Systematische Behebung der identifizierten Fehler, beginnend mit den kritischsten Blockern:
* **[ ]** Fehler `AttributeError: 'GoogleSheetHandler' object has no attribute 'sheet_values'` im ML-Training beheben.
* **[ ]** Sicherstellen, dass die **Brancheneinstufung 2.0** (kontextbasiert) korrekt implementiert und aufgerufen wird.
* **[ ]** **Schritt 1.3 (Validierung):** Durchführung eines vollständigen, fehlerfreien `reeval`-Laufs zur Bestätigung der Stabilität.
**Phase 2: Finalisierung der neuen Module**
* **[ ]** **Schritt 2.1 (Duplikats-Check):** Entwicklung einer finalen, robusten Version von `duplicate_checker.py`, die die beste Balance aus Sensitivität und Präzision liefert.
* **[ ]** **Schritt 2.2 (Marketing-Texte):** Finalisierung des `generate_marketing_text.py`-Skripts und Durchführung des vollständigen Generierungslaufs für alle Branchen.
**Phase 3: Produktion & Wartung**
* **[ ]** Dokumentation der finalen Workflows für den täglichen Gebrauch.
* **[ ]** Planung für regelmäßiges Nachtrainieren des ML-Modells.