Willkommen

So hängt alles zusammen

Euer Skript ist die Mitte. Wir stellen die Bausteine bereit, die Pipeline baut ihr selbst.

1

Zerlegen

Euer Skript liest die Dokumente und schneidet sie in Abschnitte. Variante A nach ca. 500 Wörtern, Variante B an den Überschriften. Bilder übersetzt /vision vorab in Text.

Das baut ihr

2

Einbetten

Jeder Abschnitt wird zu einer Zahlenliste (1024 Zahlen). Ähnliche Inhalte haben ähnliche Zahlen.

POST /embed

3

Ablegen & suchen

Abschnitte mit Herkunft in Wissensbasis a bzw. b legen. Bei einer Frage die ähnlichsten Abschnitte holen.

/collections/…/add…/query

4

Antworten & messen

Qwen3.8 formuliert die Antwort aus den Treffern. Das Ergebnis jeder Testfrage meldet ihr ans Dashboard.

POST /chatPOST /runs

Wichtig: Die Modellgewichte von Qwen3.8 bleiben unverändert. „Anlernen“ heißt hier: Unterlagen aufbereiten, auffindbar machen und die Antwort an die Fundstelle binden. Eure Wissensbasis gehört nur eurem Team und wird nach Projektende gelöscht.

Wissensbasis

Alle Abschnitte, die ihr abgelegt habt, einsehbar und vergleichbar.

Abschnittslängen im Vergleich

Wie viele Abschnitte haben wie viele Wörter? Genau hier unterscheiden sich feste Wortzahl und Schnitt an Überschriften.

Abschnitte ansehen

Suche

Dieselbe Frage gegen zwei Wissensbasen. Ihr seht, welche Abschnitte gefunden werden.

Gegenprobe: dieselbe Frage ohne Unterlagen

Qwen3.8 bekommt nur die Frage, keine Fundstellen. So seht ihr, was das Modell ohne euer Wissen antwortet.

Messung

Die Ergebnisse eurer Testfragen, Variante gegen Variante.

API

Alles, was diese Oberfläche kann, kann auch euer Skript.

Zugang

Adresse

Schlüssel

Den Schlüssel immer als Header X-API-Key mitschicken. Nicht ins Repository einchecken.

Schnellstart in Python

Nur die Aufrufe. Zerlegen, Entscheiden und Auswerten schreibt ihr selbst.

Endpunkte

Aufruf	Zweck
`POST /embed`	`{"texts":[…]}` → Zahlenlisten (bge-m3, 1024), max. 64 Texte
`POST /chat`	`{"messages":[…]}` → Antwort von Qwen3.8, ohne Wissensbasis
`POST /vision`	`{"image":"<Base64>"}` (optional `"question"`) → `text`: Beschreibung und Text im Bild (Qwen3-VL), max. 5 MB
`PUT /collections/{name}`	Wissensbasis anlegen, z. B. `a` und `b`
`POST /collections/{name}/add`	`ids, documents, embeddings, metadatas` ablegen (max. 200)
`POST /collections/{name}/query`	`{"embedding":[…],"n_results":5}` → ähnlichste Abschnitte
`GET /collections/{name}/items`	Abschnitte durchblättern
`POST /collections/{name}/delete`	per `ids` oder `source` entfernen
`POST /runs`	Messzeilen melden (`variant, question_id, qtype, retrieval_hit, correct, invented, refused, latency_ms`)
`GET /runs/summary`	Auswertung je Variante

qtype ist eines von: stelle · fakt · mehrere · fehlt.

Bilder in den Arbeitsanweisungen

Qwen3.8 und die Suche arbeiten nur mit Text. Damit auch Bilder auffindbar werden, übersetzt /vision jedes Bild vorab in Text (Beschreibung des Arbeitsschritts plus alle Texte, Maße und Drehmomente im Bild). Diesen Text bettet ihr dann wie jeden anderen Abschnitt ein.

Lernfabrik Lab