12.09.2025, 11:02
Für viel später in Planung:
Minimal-Architektur: „Dorena Research Node“
Die Idee: Ein separater, leichtgewichtiger Service übernimmt das selbstständige Durchforsten von Internetquellen (Web, Foren, soziale Netzwerke). Damit bleibt die eigentliche Dorena_AI-Instanz schlank, stabil und ohne Überlastung.
Grundprinzip:
• Der Research Node läuft auf einem anderen Rechner/VM (z. B. günstiger VPS oder Mini-PC).
• Er crawlt/querriest Inhalte (z. B. über Web-APIs oder Foren-Schnittstellen).
• Ergebnisse werden strukturiert aufbereitet (Thema, Quelle, Zusammenfassung).
• Übergabe an Dorena_AI erfolgt über REST/Webhooks oder Message Queue.
• Dorena_AI speichert/integriert diese Infos automatisch in die bestehende knowledge_base.db.
Vorteile:
• Entlastung: Haupt-KI bleibt leichtgewichtig für Dialog & Persona.
• Modularität: Research Node kann unabhängig skaliert, pausiert oder ersetzt werden.
• Saubere Trennung: Analyse & Recherche laufen „im Hintergrund“, Ergebnisse fließen nur gefiltert in die Kern-KI.
• Erweiterbar: Später auch für Social Listening, Trend-Analyse oder thematische Langzeitbeobachtung nutzbar.
Minimal-Setup:
• Python-Service mit Requests/Async für Web-Crawling.
• Anbindung per REST (POST → /ingest bei Dorena_AI).
• Automatische Speicherung via save_to_memory() oder spezieller Research-Tabelle.
⸻
Damit wäre Dorena_AI nicht selbst ein schwerfälliger Webcrawler, sondern bekäme zeitnah neue Informationen von außen, während sie sich weiter auf Gespräch, Kontext und Persönlichkeit konzentriert.
Minimal-Architektur: „Dorena Research Node“
Die Idee: Ein separater, leichtgewichtiger Service übernimmt das selbstständige Durchforsten von Internetquellen (Web, Foren, soziale Netzwerke). Damit bleibt die eigentliche Dorena_AI-Instanz schlank, stabil und ohne Überlastung.
Grundprinzip:
• Der Research Node läuft auf einem anderen Rechner/VM (z. B. günstiger VPS oder Mini-PC).
• Er crawlt/querriest Inhalte (z. B. über Web-APIs oder Foren-Schnittstellen).
• Ergebnisse werden strukturiert aufbereitet (Thema, Quelle, Zusammenfassung).
• Übergabe an Dorena_AI erfolgt über REST/Webhooks oder Message Queue.
• Dorena_AI speichert/integriert diese Infos automatisch in die bestehende knowledge_base.db.
Vorteile:
• Entlastung: Haupt-KI bleibt leichtgewichtig für Dialog & Persona.
• Modularität: Research Node kann unabhängig skaliert, pausiert oder ersetzt werden.
• Saubere Trennung: Analyse & Recherche laufen „im Hintergrund“, Ergebnisse fließen nur gefiltert in die Kern-KI.
• Erweiterbar: Später auch für Social Listening, Trend-Analyse oder thematische Langzeitbeobachtung nutzbar.
Minimal-Setup:
• Python-Service mit Requests/Async für Web-Crawling.
• Anbindung per REST (POST → /ingest bei Dorena_AI).
• Automatische Speicherung via save_to_memory() oder spezieller Research-Tabelle.
⸻
Damit wäre Dorena_AI nicht selbst ein schwerfälliger Webcrawler, sondern bekäme zeitnah neue Informationen von außen, während sie sich weiter auf Gespräch, Kontext und Persönlichkeit konzentriert.