Agentic RAG
Agentic RAG Pipeline Übersicht
Warum naives RAG für Bücher scheitert und wie die 4-stufige Agenten-Pipeline Konsistenz garantiert
Agentic RAG Pipeline
Klassisches (naives) RAG basiert auf einfacher Vektorähnlichkeit von Text-Chunks. Bei zusammenhängenden Buchwelten führt dies regelmäßig zu folgenden Fehlern:
- Verlust des roten Fadens: Vektorsuche findet zufällige Szenen mit ähnlichen Worten, nicht aber die logisch zwingenden Kanon-Regeln.
- Statische Blindheit: Temporale Änderungen (Verletzungen, Bündnisse, Geheimnisse) werden ignoriert.
- Mangelnde Selbstkorrektur: Das LLM generiert Text ohne nachgelagerte Konsistenzkontrolle.
LoreKeeper ersetzt naives RAG durch eine deterministisch gesteuerte, mehrstufige Agenten-Architektur.
Der 4-Stufen Ablauf
sequenceDiagram
autonumber
actor Autor as Autor / API-Client
participant Fastify as Fastify Endpoint
participant Router as 1. Router Agent (Flash)
participant Directus as 2. Directus Retrieval
participant Writer as 3. Writer Engine (Pro)
participant Auditor as 4. Continuity Auditor
Autor->>Fastify: POST /api/scenes/generate (Prompt)
Fastify->>Router: Zerlege Prompt & extrahiere Entitätstypen
Router-->>Fastify: RouterPlan (Themen, Typen, Keywords)
Fastify->>Directus: Hole Serie, Lore-Entitäten & aktive State-Patches
Directus-->>Fastify: Kanon-Kontext
Fastify->>Writer: System-Prompt + Kanon-Kontext + Szenenziel
Writer-->>Fastify: Szenen-Prosa + Konsistenz-Dokumentation
Fastify->>Directus: Speichere Szene in `scenes`-Tabelle
Fastify-->>Autor: Rückgabe mit Metadaten & Persistenz-ID
opt Nachgelagerte Prüfung
Autor->>Fastify: POST /api/scenes/audit (Szenentext)
Fastify->>Auditor: Vergleiche Text mit allen Kanon-Regeln
Auditor-->>Autor: AuditReport (Score, Verstöße, Fix-Vorschläge)
end