Upload main.py

main.py

@@ -101,11 +101,11 @@ async def search_knowledge(request: Request):
     
     if not query_text: return {"result": "Akustik-Fehler."}
 
-    # --- SCORING ALGORITHMUS V2 (Stemming) ---
+    # --- SCORING ALGORITHMUS V3 (Mit "Low Confidence" Inbox) ---
     best_doc = None
     best_score = 0
     
-    # 1. Query vorbereiten (Wörter zerlegen & stämme bilden)
+    # 1. Query vorbereiten
     query_words_raw = query_text.lower().replace("?", "").replace(".", "").split()
     query_stems = [get_stem(w) for w in query_words_raw if len(w) > 2]
     
@@ -115,26 +115,21 @@ async def search_knowledge(request: Request):
     for entry in KNOWLEDGE_CACHE:
         score = 0
         doc_id = entry.get('id', 'unknown')
-        
-        # Daten holen
         t_answer = entry.get("answer", "")
         t_question = entry.get("question", "")
         t_keywords = entry.get("keywords", [])
         
         if not t_answer or len(t_answer) < 5: continue
 
-        # A) Keyword Treffer (+10 Punkte)
+        # A) Keyword Treffer
         if isinstance(t_keywords, list):
             for k in t_keywords:
                 k_stem = get_stem(k)
                 if k_stem in query_stems:
-                    # Spezial-Regel: 'udo' und 'capaneo' sind weniger wert, weil sie überall stehen
-                    if k_stem in ['udo', 'capaneo']:
-                        score += 2 
-                    else:
-                        score += 20 # Harter Keyword Treffer ist viel wert!
+                    if k_stem in ['udo', 'capaneo']: score += 2 
+                    else: score += 20
         
-        # B) Frage/Titel Treffer (+15 Punkte pro Wort)
+        # B) Frage/Titel Treffer
         if t_question:
             q_words = t_question.lower().replace("?", "").split()
             for qw in q_words:
@@ -143,27 +138,51 @@ async def search_knowledge(request: Request):
                 if qw_stem in query_stems:
                      score += 15
 
-        # Neuer Rekord?
         if score > best_score:
             best_score = score
             best_doc = entry
-            # Debugging: Zeig uns Kandidaten im Log
+            # DEBUG: Zeig uns Kandidaten im Log
             if score > 10:
                 print(f"   Candidate {doc_id}: {score} Pts (Titel: {t_question[:30]}...)")
 
-    # --- ERGEBNIS ---
-    if best_doc and best_score >= 10: # Mindestens 10 Punkte nötig
+    # --- ERGEBNIS LOGIK ---
+    
+    # Schwelle für "Ich bin mir sicher"
+    CONFIDENCE_THRESHOLD = 70 
+
+    if best_doc and best_score >= 10:
         print(f"🏆 GEWINNER: Doc {best_doc['id']} mit {best_score} Punkten.")
+        
+        # DEBUG: Zeig uns die ersten 100 Zeichen der Antwort im Log!
+        preview = best_doc['answer'][:100].replace("\n", " ")
+        print(f"📤 SENDE AN VAPI: '{preview}...'")
+
+        # LOGIK: Wenn der Score "naja" ist (zwischen 10 und 70), ab in die Inbox zur Prüfung!
+        if best_score < CONFIDENCE_THRESHOLD:
+            print(f"⚠️ LOW CONFIDENCE ({best_score}). Schreibe Backup in Inbox...")
+            if db:
+                try:
+                    db.collection(COLLECTION_INBOX).add({
+                        "question": query_text,
+                        "status": "review_needed", # Markierung für dich
+                        "found_answer": best_doc['answer'], # Was hat er gefunden?
+                        "score": best_score,
+                        "timestamp": firestore.SERVER_TIMESTAMP,
+                        "source": "AI Call (Low Confidence)"
+                    })
+                except: pass
+
         return {"result": best_doc['answer']}
+    
     else:
         print(f"⚠️ KEIN TREFFER (Best Score: {best_score}).")
-        # Inbox Eintrag
         if db:
             try:
                 db.collection(COLLECTION_INBOX).add({
                     "question": query_text,
                     "status": "open",
-                    "timestamp": firestore.SERVER_TIMESTAMP
+                    "timestamp": firestore.SERVER_TIMESTAMP,
+                    "source": "AI Call (No Hit)"
                 })
             except: pass
         return {"result": "Dazu habe ich leider keine Informationen in meiner Datenbank."}