- Added Dockerfile and nginx.conf for frontend production build.
- Added docker-compose.yml to orchestrate backend and frontend.
- Updated geminiService.ts to support relative API paths via Nginx proxy.
- Updated documentation with deployment instructions for Synology/Docker.
- Implementierung der rollenbasierten Campaign-Engine mit operativem Fokus (Grit).
- Integration von Social Proof (Referenzkunden) in die E-Mail-Generierung.
- Erweiterung des Deep Tech Audits um gezielte Wettbewerber-Recherche (Technographic Search).
- Fix des Lösch-Bugs in der Target-Liste und Optimierung des Frontend-States.
- Erweiterung des Markdown-Exports um transparente Proof-Links und Evidenz.
- Aktualisierung der Dokumentation in readme.md und market_intel_backend_plan.md.
- Integrated ICP-based lookalike sourcing.
- Implemented Deep Tech Audit with automated evidence collection.
- Enhanced processing terminal with real-time logs.
- Refined daily logging and resolved all dependency issues.
- Documented final status and next steps.
- Updated readme.md with new step 3 audit details.
- Updated market_intel_backend_plan.md with current status and achievements.
- Fixed SerpAPI key file path in orchestrator.
- Documented the transition to direct REST API calls and enhanced terminal UX.
- Added to parse industries from Markdown.
- Added to find local/national/international lookalikes.
- Added for deep tech audit (website search, scraping, AI analysis).
- Updated prompt engineering for better results grounding.
- Refactored market_intel_orchestrator.py for direct Gemini API (v1) calls.\n- Updated model to gemini-2.5-pro for enhanced capabilities.\n- Implemented minimal stdout logging for improved traceability within Docker.\n- Optimized Dockerfile and introduced market-intel.requirements.txt for leaner, faster builds.\n- Ensured end-to-end communication from React frontend through Node.js bridge to Python backend is fully functional.
Erfasst den erfolgreichen Umstieg auf Docker, der das 'cygrpc'-Problem gelöst hat. Dokumentiert den aktuellen '404 model not found'-Fehler und definiert den nächsten Schritt: das Testen des Modellnamens 'gemini-1.0-pro'.
Erfasst den aktuellen Stand des Projekts, einschließlich des Wechsels zu Docker zur Lösung des 'cygrpc'-Problems und des zuletzt aufgetretenen 'TypeError'. Detailliert die nächsten Schritte für die nächste Sitzung.
Behebt den TypeError beim Aufruf von GenerationConfig in der älteren Version der google-generativeai Bibliothek, indem das nicht unterstützte Argument entfernt wird.
Korrigiert den Docker-Buildfehler durch explizite Verwendung des pip-Executables aus der virtuellen Umgebung, um Probleme mit der systemweiten Paketverwaltung zu umgehen.
Erstellt ein mehrstufiges Dockerfile, um die Python- und Node.js-Umgebung für den Backend-Service zu kapseln. Dies soll die 'cygrpc'-Kompatibilitätsprobleme durch eine saubere, kontrollierte Build-Umgebung lösen.
Aktualisiert die Planungs- und Readme-Dateien, um den neuen Architekturansatz widerzuspiegeln, der ein Python-Skript, eine Node.js-API-Brücke und Docker für verbesserte Kontrolle, Transparenz und faktenbasierte Ergebnisse verwendet.
- Moved the "Funktionsweise des Market Intelligence Skripts" section to the end of readme.md.
- Renamed the section to "9. Standalone Tool: Market Intelligence App" to reflect its independent nature.
- Add detailed plan for migrating market intelligence logic to n8n using a hybrid approach.
- Define the first n8n workflow 'identifyCompetitors' as a JSON file for import.
- Spalte 'Parent Account' wird geladen und normalisiert
- 'calculate_similarity' erkennt Parent-Child-Beziehungen und markiert diese
- 'run_internal_deduplication' ignoriert bekannte Hierarchien bei der Duplikatsfindung
- Neue Spalte 'Duplicate_Hint' für Hinweise auf fehlende Parent Accounts hinzugefügt
- Skript zu company_deduplicator.py umbenannt mit Erhalt der Git-Historie
- Hauptlogik in externen und internen Modus refaktorisiert
- Interaktive Modus-Auswahl für den Benutzer hinzugefügt
- Interne Deduplizierung zum Finden von Duplikaten innerhalb der CRM-Liste implementiert
- Logik zur Gruppierung von Duplikatspaaren zu eindeutigen Clustern hinzugefügt
- Eindeutige Dup_XXXX IDs den Duplikatsgruppen zugewiesen
- Neue Spalte Duplicate_ID zurück in das Google Sheet geschrieben
- Ersetzt starre Namensprüfung durch flexible Token-basierte Validierung
- Erhöht die Trefferquote für Firmennamen, die nicht exakt im Suchergebnis erscheinen
- Löst das Problem, dass für bekannte Firmen wie 'Rohde & Schwarz' keine Website gefunden wurde
- Kandidatensuche sammelt Treffer aus allen Quellen (Domain, Token, Name)
- Exakte Namens-Matches werden durch einen hohen Score priorisiert
- Verhindert, dass Domain-Matches exaktere Namens-Matches überschatten
