src/utils/promptOptimizer.ts

ts
import { AIModel, AICategory, OptimizationRequest, OptimizationResult } from '@/types'
import { getModelById } from './constants'
import { estimateTokenCount } from './validation'

/**
 * Main prompt optimization engine
 * Handles different optimization strategies based on AI model category
 */
export class PromptOptimizer {
  /**
   * Optimizes a prompt for a specific AI model
   */
  static async optimize(request: OptimizationRequest): Promise<OptimizationResult> {
    const startTime = performance.now()
    const model = getModelById(request.targetModel)
    
    if (!model) {
      throw new Error(`Unknown AI model: ${request.targetModel}`)
    }

    let optimizedPrompt = request.prompt
    const improvements: string[] = []

    try {
      switch (model.category) {
        case 'llm':
          optimizedPrompt = this.optimizeForLLM(request.prompt, request.targetModel)
          improvements.push('Strukturiert nach Rolle-Kontext-Aufgabe-Format')
          improvements.push('Klare Abschnitte und Spezifität hinzugefügt')
          improvements.push('Output-Format-Anweisungen definiert')
          break

        case 'code':
          optimizedPrompt = this.optimizeForCode(request.prompt, request.targetModel)
          improvements.push('Technologie-Stack spezifiziert')
          improvements.push('Funktionale Anforderungen detailliert')
          improvements.push('Code-Stil und Best Practices definiert')
          improvements.push('Error-Handling-Anforderungen hinzugefügt')
          break

        case 'image':
          optimizedPrompt = this.optimizeForImage(request.prompt, request.targetModel)
          improvements.push('Stilbeschreibungen erweitert')
          improvements.push('Technische Parameter hinzugefügt')
          improvements.push('Beleuchtung und Stimmung spezifiziert')
          improvements.push('Subjekt-Umgebung-Stil-Format strukturiert')
          break

        case 'special':
          optimizedPrompt = this.optimizeForSpecial(request.prompt, request.targetModel)
          improvements.push('Tool-spezifische Best Practices implementiert')
          improvements.push('Relevante Parameter und Constraints hinzugefügt')
          break

        default:
          optimizedPrompt = this.optimizeGeneric(request.prompt)
          improvements.push('Allgemeine Verbesserungen angewendet')
      }

      const executionTime = performance.now() - startTime
      const tokenEstimate = estimateTokenCount(optimizedPrompt.length)

      return {
        originalPrompt: request.prompt,
        optimizedPrompt,
        targetModel: request.targetModel,
        improvements,
        executionTime: Math.round(executionTime),
        tokenEstimate
      }

    } catch (error) {
      throw new Error(`Optimization failed: ${error instanceof Error ? error.message : 'Unknown error'}`)
    }
  }

  /**
   * Optimizes prompts for LLM models (ChatGPT, Claude, Gemini, etc.)
   */
  private static optimizeForLLM(prompt: string, model: AIModel): string {
    let optimized = prompt.trim()

    // Add role-context-task structure if missing
    if (!this.hasStructure(optimized)) {
      optimized = this.addStructure(optimized, model)
    }

    // Enhance specificity
    optimized = this.enhanceSpecificity(optimized)

    // Add output format specification
    optimized = this.addOutputFormat(optimized, model)

    // Add context enhancement based on model capabilities
    optimized = this.addModelSpecificEnhancements(optimized, model)

    return optimized
  }

  /**
   * Optimizes prompts for code generation tools
   */
  private static optimizeForCode(prompt: string, model: AIModel): string {
    let optimized = prompt.trim()

    // Add technology stack specification if missing
    if (!this.hasTechStack(optimized)) {
      optimized = this.addTechStack(optimized)
    }

    // Add functional requirements
    optimized = this.addFunctionalRequirements(optimized)

    // Add coding style guidelines
    optimized = this.addCodingStyle(optimized)

    // Add error handling requirements
    optimized = this.addErrorHandling(optimized)

    return optimized
  }

  /**
   * Optimizes prompts for image generation models
   */
  private static optimizeForImage(prompt: string, model: AIModel): string {
    let optimized = prompt.trim()

    // Structure as subject-environment-style format
    if (!this.hasImageStructure(optimized)) {
      optimized = this.addImageStructure(optimized)
    }

    // Add style descriptions
    optimized = this.enhanceStyleDescriptions(optimized)

    // Add technical parameters
    optimized = this.addTechnicalParameters(optimized, model)

    // Add lighting and mood specifications
    optimized = this.addLightingMood(optimized)

    return optimized
  }

  /**
   * Optimizes prompts for specialized tools
   */
  private static optimizeForSpecial(prompt: string, model: AIModel): string {
    let optimized = prompt.trim()

    // Tool-specific optimizations based on known capabilities
    switch (model) {
      case 'base44':
        optimized = this.optimizeForBase44(optimized)
        break
      default:
        optimized = this.optimizeGeneric(optimized)
    }

    return optimized
  }

  /**
   * Generic optimization for unknown or general cases
   */
  private static optimizeGeneric(prompt: string): string {
    let optimized = prompt.trim()

    // Basic improvements
    optimized = this.enhanceClarity(optimized)
    optimized = this.addExamples(optimized)

    return optimized
  }

  // LLM-specific helper methods
  private static hasStructure(prompt: string): boolean {
    return /^(rolle|role|kontext|context|aufgabe|task)/i.test(prompt)
  }

  private static addStructure(prompt: string, model: AIModel): string {
    const context = this.extractContext(prompt)
    const task = this.extractTask(prompt)
    
    return `Rolle: Du bist ein Experte in der Anwendung von ${getModelDisplayName(model)}.

Kontext: ${context || 'Ein allgemeines Anliegen, das optimierte Antworten erfordert.'}

Aufgabe: ${task || prompt}

Anforderungen:
- Gib präzise und gut strukturierte Antworten
- Verwende klare Beispiele wo angebracht
- Berücksichtige verschiedene Perspektiven`
  }

  private static enhanceSpecificity(prompt: string): string {
    // Add specificity enhancers
    let enhanced = prompt

    if (!/beispiel|example/i.test(prompt)) {
      enhanced += '\n\nBeispiele: Füge relevante Beispiele hinzu, um die Antwort zu veranschaulichen.'
    }

    if (!/details|detailliert/i.test(prompt)) {
      enhanced += '\nDetailgrad: Gehe ins Detail, wo es für das Verständnis wichtig ist.'
    }

    return enhanced
  }

  private static addOutputFormat(prompt: string, model: AIModel): string {
    const modelCapabilities = this.getModelCapabilities(model)
    
    return `${prompt}

Ausgabeformat:
- Verwende ${modelCapabilities.supportedFormats.join(', ')} wenn angemessen
- ${modelCapabilities.preferredStructure}
- Strukturiere komplexe Informationen in Listen oder Tabellen`
  }

  // Code-specific helper methods
  private static hasTechStack(prompt: string): boolean {
    return /(typescript|javascript|react|node\.js|python|java|technologie|framework)/i.test(prompt)
  }

  private static addTechStack(prompt: string): string {
    return `Technologie-Stack: [Bitte spezifiziere die gewünschte Technologie]

${prompt}

Zusätzliche Anforderungen:
- Verwende moderne Best Practices
- Implementiere ausreichende Dokumentation
- Berücksichtige Sicherheitsaspekte
- Optimiere für Performance`
  }

  private static addFunctionalRequirements(prompt: string): string {
    return `${prompt}

Funktionale Anforderungen:
- Definiere klare Eingabeparameter
- Implementiere robuste Fehlerbehandlung
- Füge Logging und Monitoring hinzu
- Stelle sicher, dass der Code modular und wiederverwendbar ist`
  }

  private static addCodingStyle(prompt: string): string {
    return `${prompt}

Code-Stil und Standards:
- Verwende aussagekräftige Variablennamen
- Folge den Konventionen der jeweiligen Programmiersprache
- Kommentiere komplexe Logik angemessen
- Implementiere Unit-Tests für kritische Funktionen`
  }

  private static addErrorHandling(prompt: string): string {
    return `${prompt}

Error-Handling:
- Implementiere try-catch Blöcke wo nötig
- Validiere alle Eingabeparameter
- Gebe aussagekräftige Fehlermeldungen zurück
- Logging für Debugging-Zwecke
- Graceful Degradation bei Fehlern`
  }

  // Image-specific helper methods
  private static hasImageStructure(prompt: string): boolean {
    return /(subjekt|subject|objekt|umgebung|environment|hintergrund|background|stil|style)/i.test(prompt)
  }

  private static addImageStructure(prompt: string): string {
    return `Subjekt: ${this.extractMainSubject(prompt) || 'Hauptobjekt der Szene'}

Umgebung: ${this.extractEnvironment(prompt) || 'Neutraler oder passender Hintergrund'}

Stil: ${this.extractStyle(prompt) || 'Realistisch, hochauflösend'}

Beschreibung: ${prompt}`
  }

  private static enhanceStyleDescriptions(prompt: string): string {
    let enhanced = prompt

    // Add style enhancers if not present
    if (!/artistic|künstlerisch|realistic|realistisch/i.test(prompt)) {
      enhanced += '\n\nStileigenschaften: Realistisch, hochdetailliert, professionelle Qualität'
    }

    return enhanced
  }

  private static addTechnicalParameters(prompt: string, model: AIModel): string {
    const params = this.getImageParametersForModel(model)
    
    return `${prompt}

Technische Parameter:
- Auflösung: ${params.resolution}
- Seitenverhältnis: ${params.aspectRatio}
- Qualität: ${params.quality}
- Stil: ${params.style}`

  }

  private static addLightingMood(prompt: string): string {
    return `${prompt}

Beleuchtung und Stimmung:
- Professionelle Beleuchtung, die das Subjekt hervorhebt
- Stimmung: [Spezifiziere die gewünschte Atmosphäre]
- Kontrast: Ausgewogen zwischen Schatten und Licht
- Farbtemperatur: Natürlich und harmonisch`
  }

  // Special tool optimizations
  private static optimizeForBase44(prompt: string): string {
    return `${prompt}

Base44-spezifische Optimierungen:
- Verwende die spezifischen Parameter und Constraints des Base44-Systems
- Berücksichtige die Integration mit anderen Base44-Komponenten
- Optimiere für die Base44-Verarbeitungslogik`
  }

  // Utility methods
  private static extractContext(prompt: string): string {
    // Simple extraction - in a real app, this would be more sophisticated
    const sentences = prompt.split(/[.!?]+/).filter(s => s.trim().length > 0)
    return sentences.slice(0, 2).join('. ') + '.'
  }

  private static extractTask(prompt: string): string {
    // Extract task-oriented sentences
    const taskWords = /(erstelle|create|schreibe|write|entwickle|develop|analysiere|analyze)/i
    const sentences = prompt.split(/[.!?]+/)
    return sentences.find(s => taskWords.test(s)) || prompt
  }

  private static extractMainSubject(prompt: string): string {
    // Simple subject extraction
    const words = prompt.split(/\s+/)
    return words.slice(0, 3).join(' ')
  }

  private static extractEnvironment(prompt: string): string {
    // Check for environment indicators
    const envWords = /(in|at|umgebung|environment|background|hintergrund)/i
    const match = prompt.match(new RegExp(`${envWords.source}\\s+([^,\\.]+)`, 'i'))
    return match ? match[1] : ''
  }

  private static extractStyle(prompt: string): string {
    // Check for style indicators
    const styleWords = /(stil|style|artistic|künstlerisch|realistic|realistisch)/i
    const match = prompt.match(new RegExp(`${styleWords.source}\\s*:?\\s*([^,\\.]+)`, 'i'))
    return match ? match[1] : ''
  }

  private static enhanceClarity(prompt: string): string {
    // Basic clarity improvements
    let enhanced = prompt.replace(/\s+/g, ' ').trim()
    
    // Ensure proper punctuation
    if (!/[.!?]$/.test(enhanced)) {
      enhanced += '.'
    }
    
    return enhanced
  }

  private static addExamples(prompt: string): string {
    return `${prompt}

Beispiele:
- Füge konkrete Beispiele hinzu, um die Anfrage zu veranschaulichen
- Verwende relevante Referenzen aus demselben Bereich
- Zeige verschiedene Ansätze oder Lösungswege`
  }

  private static getModelDisplayName(model: AIModel): string {
    const displayNames: Record<AIModel, string> = {
      'gpt-5': 'GPT-5',
      'gpt-5.1': 'GPT-5.1',
      'claude-4.5-opus': 'Claude 4.5 Opus',
      'claude-4.5-sonnet': 'Claude 4.5 Sonnet',
      'claude-4.5-haiku': 'Claude 4.5 Haiku',
      'gemini-3-pro': 'Gemini 3 Pro',
      'llama-3': 'Llama 3',
      'mistral-large': 'Mistral Large',
      'mixtral': 'Mixtral',
      'minimax2': 'MiniMax2',
      'kimik2': 'KimiK2',
      'deepseek': 'DeepSeek',
      'qwen3': 'Qwen3',
      'manus': 'MANUS',
      'replit-agent': 'Replit Agent',
      'bolt-new': 'Bolt.new',
      'v0-dev': 'v0.dev',
      'cursor-ai': 'Cursor AI',
      'github-copilot': 'GitHub Copilot',
      'google-antigravity': 'Google Antigravity',
      'kiro': 'Kiro',
      'minimax-agent': 'MiniMax Agent',
      'base44': 'Base44',
      'midjourney': 'Midjourney',
      'dall-e-3': 'DALL-E 3',
      'stable-diffusion': 'Stable Diffusion',
      'runwayml': 'RunwayML'
    }
    
    return displayNames[model] || model
  }

  private static getModelCapabilities(model: AIModel) {
    const llmModels = ['gpt-5', 'gpt-5.1', 'claude-4.5-opus', 'claude-4.5-sonnet', 'claude-4.5-haiku']
    const supportsStructured = llmModels.includes(model)
    
    return {
      supportedFormats: supportsStructured 
        ? ['Listen', 'Tabellen', 'JSON', 'strukturierte Absätze']
        : ['Text', 'Listen', 'Formatierte Absätze'],
      preferredStructure: supportsStructured 
        ? 'Strukturiere komplexe Informationen in klaren Abschnitten'
        : 'Verwende klare und lesbare Formatierung'
    }
  }

  private static getImageParametersForModel(model: AIModel) {
    const params: Record<AIModel, any> = {
      'midjourney': {
        resolution: '1024x1024 oder höher',
        aspectRatio: '1:1, 16:9, 4:3 (je nach Bedarf)',
        quality: 'Hoch',
        style: 'Künstlerisch, detailreich'
      },
      'dall-e-3': {
        resolution: '1024x1024',
        aspectRatio: '1:1',
        quality: 'Hoch',
        style: 'Realistisch, professionell'
      },
      'stable-diffusion': {
        resolution: '512x512 oder 768x768',
        aspectRatio: '1:1',
        quality: 'Mittel bis Hoch',
        style: 'Vielseitig, anpassbar'
      },
      'runwayml': {
        resolution: 'Variable',
        aspectRatio: 'Anpassbar',
        quality: 'Professionell',
        style: 'Kreativ, videofokussiert'
      }
    }
    
    return params[model] || {
      resolution: '1024x1024',
      aspectRatio: '1:1',
      quality: 'Hoch',
      style: 'Realistisch'
    }
  }
}

</html>