[31388f42] Implement Expert Response Generator with Gemini & CE integration

lead-engine/enrich.py

@@ -5,7 +5,7 @@ import sqlite3
 
 # Füge das Hauptverzeichnis zum Python-Pfad hinzu, damit der Connector gefunden wird
 sys.path.append(os.path.abspath(os.path.join(os.path.dirname(__file__), '..')))
-from company_explorer_connector import handle_company_workflow
+from company_explorer_connector import handle_company_workflow, get_company_details
 from db import get_leads, DB_PATH
 
 def update_lead_enrichment(lead_id, data, status):
@@ -18,6 +18,26 @@ def update_lead_enrichment(lead_id, data, status):
     conn.close()
     print(f"Lead {lead_id} aktualisiert. Neuer Status: {status}")
 
+def refresh_ce_data(lead_id, ce_id):
+    """
+    Holt die aktuellsten Daten (inkl. Analyse-Ergebnis) vom Company Explorer
+    und aktualisiert den lokalen Lead.
+    """
+    print(f"Refreshing data for CE ID {ce_id}...")
+    ce_data = get_company_details(ce_id)
+    
+    # Bestehende Enrichment-Daten holen, um nichts zu überschreiben
+    # (Vereinfachung: Wir bauen das dict neu auf)
+    enrichment_data = {
+        "sync_status": "refreshed",
+        "ce_id": ce_id,
+        "message": "Data refreshed from CE",
+        "ce_data": ce_data
+    }
+    
+    update_lead_enrichment(lead_id, enrichment_data, status='synced')
+    return ce_data
+
 def run_sync():
     """
     Haupt-Synchronisationsprozess.