Update app.py

app.py

@@ -3,68 +3,63 @@ from huggingface_hub import InferenceClient
 import os
 
 # ==========================================
-# 1. KONFIGURATION & PROMPTS
+# 1. KONFIGURATION & PROMPTS (UNIVERSAL EDITION)
 # ==========================================
-# Hier lagern wir alle Texte aus, damit die Logik sauber bleibt.
 
-MODERATOR_MODEL = "meta-llama/Llama-4-Maverick-17B-128E-Instruct-FP8:novita"
+MODERATOR_MODEL = "meta-llama/Llama-4-Maverick-17B-128E-Instruct:groq"
 
 COUNCIL_MEMBERS = {
     "🧠 Fachexperte für Struktur (GPT-OSS-120b)": {
         "model": "openai/gpt-oss-120b:novita",
-        "role": """Du bist ein neutraler, sachlicher Fachexperte. Dein Fokus liegt auf der Strukturierung des Themas und dem großen Ganzen.
+        "role": """Du bist ein neutraler Fachexperte für Struktur und Architektur.
 REGELN:
 - Beginne mit: "[STRUKTUR] "
-- Antworte in 2-4 Sätzen, professionell und bodenständig.
-- Wenn Vorredner gute Punkte gemacht haben, stimme zu und ergänze sinnvolle Aspekte.
-- Wenn du etwas anders siehst, korrigiere höflich und fachlich fundiert. Keine künstliche Dramatik."""
+- Liefere das logische Gerüst für die Lösung der Aufgabe.
+- Antworte in 2-4 Sätzen, professionell und bodenständig."""
     },
     "🧐 Fachexperte für Details (DeepSeek-V3)": {
         "model": "deepseek-ai/DeepSeek-V3.2:novita",
-        "role": """Du bist ein neutraler, sachlicher Fachexperte. Dein Fokus liegt auf wichtigen Details, Nuancen und potenziellen Fallstricken.
+        "role": """Du bist ein neutraler Fachexperte für tiefe Details, Edge-Cases und Qualitätssicherung.
 REGELN:
 - Beginne mit: "[DETAILS] "
-- Antworte in 2-4 Sätzen, professionell und bodenständig.
-- Ergänze die Diskussion um wichtige Aspekte, die vielleicht vergessen wurden (z.B. Alternativen, häufige Anfängerfehler, Kontext).
-- Du darfst deinen Vorrednern zustimmen und darauf aufbauen. Widersprich nur, wenn es inhaltlich wirklich nötig ist."""
+- Finde Lücken im aktuellen Entwurf, korrigiere Fehler (technisch oder logisch) und füge fehlende Tiefe hinzu.
+- Antworte in 2-4 Sätzen, professionell und bodenständig."""
     },
-    "🛠️ Fachexperte für Praxis & Format (Llama-4-Maverick)": {
-    "model": "meta-llama/Llama-4-Maverick-17B-128E-Instruct-FP8:novita",
-    "role": """Du bist ein pragmatischer Fachexperte für Umsetzung, Copywriting und Formatierung.
+    "🛠️ Fachexperte für Praxis (Llama-4-Maverick)": {
+        "model": "meta-llama/Llama-4-Maverick-17B-128E-Instruct:groq",
+        "role": """Du bist der Fachexperte für die finale Umsetzung.
 REGELN:
 - Beginne mit: "[PRAXIS] "
-- Deine Hauptaufgabe: Gieße die Fakten der anderen in das PERFEKTE Format für das gewünschte Medium (z.B. packender LinkedIn-Post, übersichtliche Checkliste, strukturierter Code).
-- Nutze aktiv Formatierungsmittel: Kurze Absätze für Lesbarkeit, fette Schrift, Aufzählungszeichen und Emojis (wo es Sinn macht).
-- Vermeide Floskeln wie 'Ein möglicher Text wäre'. Liefere direkt den formatierten Entwurf!"""
-     
-        }
+- Gieße die Erkenntnisse der anderen in greifbare Artefakte (z.B. konkrete Textentwürfe, Code-Snippets, Tabellen).
+- Antworte in 2-4 Sätzen, professionell und bodenständig."""
+    }
 }
 
 class PromptManager:
-    """Verwaltet alle dynamischen Prompts für Moderator und Experten."""
+    """Verwaltet alle dynamischen Prompts (Universelles Meta-Prompting)"""
     
     @staticmethod
     def get_moderator_kickoff_sys():
         return (
-            "Du bist der Lead-Moderator eines 3-köpfigen Expertenrates (Struktur, Details, Praxis). "
-            "Deine Aufgabe: Übersetze die eher generische User-Anfrage in ein messerscharfes Briefing für dein Team. "
-            "Gib in 3-4 Sätzen das klare Ziel vor und weise den Experten ihren initialen Fokus zu. Keine langen Floskeln, sei ein pragmatischer Leader."
+            "Du bist der Lead-Moderator eines Expertenrates. "
+            "Analysiere die User-Anfrage. Definiere in 2-3 Sätzen das Ziel und leite ab, "
+            "welches Format und welche Tonalität am Ende erwartet werden (z.B. IT-Code, Marketing-Text, strategischer Plan, o.ä.). "
+            "Briefe dein Team entsprechend."
         )
         
     @staticmethod
     def get_moderator_mid_sys():
         return (
-            "Du bist der Lead-Moderator. Analysiere den Stand der Experten intern, ABER gib als Output nur direkte harte Arbeitsäuftrage für die nächste Runde aus. "
-            "Beispiel: 'Gute Struktur, aber die Flüssigkeitsmengen stimmen rechnerisch nicht. Details-Experte, korrigiere das jetzt!' usw "
-            "Kein langes Intro, kein 'Was bisher gut ist' – nur der nackte Befehl."
+            "Du bist der Lead-Moderator. Bewerte den Zwischenstand in einem Satz. "
+            "Gib danach exakt EINEN klaren Arbeitsauftrag für die nächste Runde, um Lücken zu schließen oder die Qualität zu erhöhen."
         )
 
     @staticmethod
     def get_expert_sys(role_focus):
         return (
             f"{role_focus}\n\n"
-            "WICHTIG: Diskutiere konstruktiv. Euer Ziel ist EXAKT das vom User geforderte Endprodukt. "
-            "Arbeitet ITERATIV am Entwurf und hört zwingend auf die Anweisungen des Moderators."
+            "WICHTIG: Passt euren fachlichen Stil und euer Output-Format AUTOMATISCH an die Natur der Aufgabe an. "
+            "Arbeitet iterativ am Entwurf und setzt die Vorgaben des Moderators um."
         )
 
     @staticmethod
@@ -72,13 +67,41 @@ class PromptManager:
         if not discussion_history:
             return f"Auftrag: '{user_prompt}'"
         return (
-            f"Der ursprüngliche Auftrag lautet: '{user_prompt}'.\n\n"
+            f"Auftrag: '{user_prompt}'.\n\n"
             f"Bisheriges Protokoll:\n{discussion_history}\n\n"
             f"ANWEISUNG FÜR DICH ({name}):\n"
-            f"1. Richte dich nach der letzten Anweisung des Moderators!\n"
-            f"2. Fasse Vorredner NICHT zusammen. Wiederhole nichts.\n"
-            f"3. Bringe den Entwurf konkret voran (z.B. durch Textvorschläge, das Schließen von Lücken oder Formatierungen).\n"
-            f"4. Komm direkt zum Punkt."
+            "1. Richte dich nach der letzten Anweisung des Moderators.\n"
+            "2. Bringe das Endprodukt inhaltlich voran. Keine Zusammenfassungen der Vorredner.\n"
+            "3. Komm direkt zum Punkt."
+        )
+
+    @staticmethod
+    def get_analysis_sys():
+        return "Du bist der Chef-Analyst. Extrahiere alle Fakten, Code-Blöcke, Metriken und Strukturvorgaben o.ä.  verlustfrei aus dem Protokoll."
+
+    @staticmethod
+    def get_analysis_user(discussion_history):
+        return (
+            f"Protokoll:\n{discussion_history}\n\n"
+            "Fasse den Konsens zusammen. Erhalte zwingend alle technischen Artefakte (Code, Tabellen, exakte Formulierungen o.ä.). "
+            "Vermeide abstrakte Verallgemeinerungen!"
+        )
+
+    @staticmethod
+    def get_final_sys():
+        return (
+            "Du bist ein hochadaptiver Output-Generator. Du lieferst perfekte, industriestandard-konforme Endprodukte. "
+            "Liefere AUSSCHLIESSLICH das finale, sofort nutzbare Endprodukt ohne KI-Geschwafel."
+        )
+
+    @staticmethod
+    def get_final_user(user_prompt, consensus_res):
+        return (
+            f"Auftrag:\n'{user_prompt}'\n\nKonsens:\n{consensus_res}\n\n"
+            "ANWEISUNG:\n"
+            "1. Analysiere den ursprünglichen Auftrag und wähle AUTOMATISCH die perfekte Tonalität und das richtige Format (z.B. Clean Code für IT, packendes Copywriting für Marketing, formell für Strategie, usw).\n"
+            "2. Verarbeite alle Fakten und Artefakte aus dem Konsens.\n"
+            "3. Liefere das nackte, copy-paste-fertige Endprodukt."
         )
 
 # ==========================================
@@ -139,7 +162,11 @@ class PlenumOrchestrator:
         history.append({"role": "assistant", "content": self.ui.header("🎤 MODERATOR: SITZUNGSERÖFFNUNG")})
         yield history
         
-        kickoff_res = self.llm.ask(MODERATOR_MODEL, self.prompts.get_moderator_kickoff_sys(), f"User-Anfrage: '{user_prompt}'\nBriefe das Team.")
+        kickoff_res = self.llm.ask(
+            MODERATOR_MODEL, 
+            self.prompts.get_moderator_kickoff_sys(), 
+            f"User-Anfrage: '{user_prompt}'\nBriefe das Team."
+        )
         discussion_history += f"Moderator (Kick-off): {kickoff_res}\n\n"
         history.append({"role": "assistant", "content": self.ui.message("🎤 Moderator", kickoff_res, "#FF5A4D")})
         yield history
@@ -151,7 +178,11 @@ class PlenumOrchestrator:
             
             # Moderator Steuerung (ab Runde 2)
             if r > 0:
-                mid_res = self.llm.ask(MODERATOR_MODEL, self.prompts.get_moderator_mid_sys(), f"Protokoll:\n{discussion_history}\n\nGib die Anweisung.")
+                mid_res = self.llm.ask(
+                    MODERATOR_MODEL, 
+                    self.prompts.get_moderator_mid_sys(), 
+                    f"Protokoll:\n{discussion_history}\n\nGib die Anweisung."
+                )
                 discussion_history += f"Moderator (Steuerung): {mid_res}\n\n"
                 history.append({"role": "assistant", "content": self.ui.message("🎤 Moderator (Steuerung)", mid_res, "#FF5A4D")})
                 yield history
@@ -171,10 +202,11 @@ class PlenumOrchestrator:
         history.append({"role": "assistant", "content": self.ui.header("🧠 MODERATOR: ANALYSE DER DISKUSSION")})
         yield history
         
-        prep_sys = "Du bist der Chef-Analyst des Rates."
-        prep_user = f"Protokoll:\n{discussion_history}\n\nFasse zusammen. Erhalte ZWINGEND alle konkreten Zahlen, Zutaten und Schritte. Vermeide Verallgemeinerungen!"
-        consensus_res = self.llm.ask(MODERATOR_MODEL, prep_sys, prep_user)
-        
+        consensus_res = self.llm.ask(
+            MODERATOR_MODEL, 
+            self.prompts.get_analysis_sys(), 
+            self.prompts.get_analysis_user(discussion_history)
+        )
         history.append({"role": "assistant", "content": f"> {consensus_res}"})
         yield history
 
@@ -182,24 +214,13 @@ class PlenumOrchestrator:
         history.append({"role": "assistant", "content": self.ui.header("🏆 FINALE AUSGABE")})
         yield history
         
-        final_sys = "Du bist ein brillanter Redakteur und Executive Consultant. Liefere AUSSCHLIESSLICH das finale, direkt nutzbare Endprodukt ohne KI-Geschwafel."
-        
-        final_user = (
-            f"Der Benutzer hat folgende Aufgabe gestellt:\n'{user_prompt}'\n\n"
-            f"Hier ist das vollständige Roh-Protokoll der Experten:\n{discussion_history}\n\n"
-            f"Hier ist der destillierte Konsens:\n{consensus_res}\n\n"
-            """ANWEISUNG: 
-            - Erfülle die Aufgabe des Users präzise basierend auf dem Konsens UND greife auf die konkreten Details aus dem Roh-Protokoll zurück.
-            - WICHTIG: Passe die TONALITÄT und das FORMAT extrem genau an das gewünschte Medium an!
-            - Bei Social Media (LinkedIn/Twitter): Nutze einen starken Hook-Satz am Anfang, setze Emojis gezielt ein, mache kurze Absätze (viel White-Space für Lesbarkeit), nutze Bullet-Points und ende mit passenden Hashtags.
-            - Bei Plänen/Anleitungen: Nutze Markdown-Tabellen, fette Überschriften und chronologische Checklisten.
-            - Schreibe KEIN Intro ("Hier ist dein Post:"). Liefere direkt das nackte, copy-paste-fertige Endprodukt!"""
+        final_res = self.llm.ask(
+            MODERATOR_MODEL, 
+            self.prompts.get_final_sys(), 
+            self.prompts.get_final_user(user_prompt, consensus_res)
         )
-        
-        final_res = self.llm.ask(MODERATOR_MODEL, final_sys, final_user)
         history.append({"role": "assistant", "content": final_res})
         yield history
-        
 
 # Instanziiere den Orchestrator
 orchestrator = PlenumOrchestrator()
@@ -232,7 +253,7 @@ with gr.Blocks(theme=v_theme) as demo:
         with gr.Column(scale=4):
             input_text = gr.Textbox(
                 label="Plenumsauftrag", 
-                placeholder="z.B. 'Vergleiche Kubeflow vs ZenML' oder 'Schreibe einen LinkedIn Post über KI-Regulierung'",
+                placeholder="z.B. 'Refaktorier dieses Python-Skript' oder 'Schreibe einen LinkedIn Post über KI'",
                 lines=2
             )
         with gr.Column(scale=1):