parsecapere-prompts

Modulare System-Prompts fuer die parsecapere.de Voice-LLM-Plattform. Single-Source-of-Truth fuer alles was das LLM als Anweisung liest.

---

Warum dieses Repo existiert

Bisher standen die System-Prompts als 3000-Token-Monolithen direkt in den .js-Files des llm-gateway-Services. Drei harte Schmerzpunkte:

Schmerz	Heute (Monolith)	Morgen (dieses Repo)
Reviewable im PR / Diff	nein — Template-String ueber 200 Zeilen	ja — Markdown-Diffs
Versionierbar pro Baustein	nein — nur ueber gesamte .js	ja — Git-Commit pro Modul
Hot-Reload ohne Service-Restart	nein — systemctl restart (5s Downtime)	ja — Gitea-Webhook → Cache-Invalidate
Token-Effizienz pro Sub-Agent	nein — jeder bekommt alles	ja — nur was er braucht (40-50% Einsparung)

Architektur-Hintergrund: arch-flow/brainstorm/Sprache/2026-06-02 — Prompt-Modularisierung — Architektur und Composition.md plus 2026-06-02 — Master-Synthese — Prompt-Migration-Reihenfolge.md.

---

Ordner-Struktur (Ziel-Topologie)

parsecapere-prompts/
├── base/                       # Immer dabei (Boilerplate fuer ALLE Sub-Agents)
│   ├── identity.md             # Wer bin ich (parsecapere-KI, helfe Sprachlernern …)
│   ├── style.md                # Antwort-Stil + Sprache (Deutsch, freundlich, kurz)
│   └── constraints.md          # Sicherheit, Privacy (audience-Feld!), Anti-Halluzination
│
├── workflows/                  # Pro Task-Typ relevant (nur einbauen wenn gebraucht)
│   ├── plan-before-action.md   # record_thought / record_reflection-Disziplin
│   ├── error-recovery.md       # Retry, Fallback, Backoff
│   ├── self-correction.md      # Validate-Loop-Pattern (z.B. Kreuzwort-Grid)
│   ├── sub-agent-discipline.md # KEIN record_*, KEINE Tools ausserhalb des Sets
│   └── tool-scope-lock.md      # Strikte Tool-Liste, kein Erfinden
│
├── tools-context/              # Erklaert dem LLM was Tools tun
│   ├── brick-creation.md       # createPulse / createView / createRow semantics
│   ├── user-scoping.md         # audience + ownerUserName (Cookie-K3)
│   ├── atomic-chain.md         # Strikt-sequenzielle atomic_create_*-Aufrufe
│   ├── atomic-finalize.md      # Layer+Solution atomar in einem Call
│   └── trace-viewer.md         # Phase E — trace-events fuer Overwatch
│
├── personas/                   # Pro Sub-Agent eine
│   ├── main-voice.md           # User-Facing Voice (Session-Orchestrator)
│   ├── kreuzwort-builder.md    # Sub-Agent fuer Kreuzwort-Aufgaben
│   ├── lueckentext-builder.md  # Sub-Agent fuer Lueckentext-Aufgaben
│   ├── overwatch.md            # Phase E — Read-Only-Beobachter (geplant)
│   └── doc-writer.md           # Phase G — Code-Doku (geplant)
│
└── skill-index.md              # Discovery-Index — was gibt's, mit welchem Trigger

Drei Schichten — von "immer" bis "spezifisch":

[ base/         ] ← immer da, Boilerplate
[ workflows/    ] ← Task-Typ
[ tools-context/] ← welche Tools nutzt der Agent
[ personas/     ] ← wer bin ich konkret  ← Tie-Breaker, kommt zuletzt

💡 Persona kommt zuletzt im Compose-Output — sie darf alles davor ueberschreiben.

---

Status-Stand (heute, 2026-06-02)

Phase M2 — DONE

• Drei Personas 1:1 aus dem JS-Code extrahiert:
  • personas/main-voice.md ← llm/gemini.js (SYSTEM_PROMPT_VOICE + SYSTEM_PROMPT_INTRO)
  • personas/kreuzwort-builder.md ← orchestrator/kreuzwort-orchestrator.js
  • personas/lueckentext-builder.md ← orchestrator/lueckentext-orchestrator.js
• base/, workflows/, tools-context/ sind leer (Ordner existieren als Marker).
• skill-index.md ist ein Stub — wird in M4 gefuellt.

Phase M3 — NEXT (geplant)

• Diff zwischen den drei Personas → Boilerplate identifizieren.
• Extraktion in base/, workflows/, tools-context/.
• Personas auf "wirklich Unique" trimmen.
• Jeder Extract = eigener Commit mit aussagekraeftiger Message.

Phase M4 — danach

• Skill-Manifeste im separaten Repo parsecapere-skills.
• skill-index.md mit echten Eintraegen befuellen.

Phase M5 — danach

• mcp-gitea-Service auf LLM-VPS (Tools: load_skill, list_skills, load_prompt_module).
• STDB-Cache (gitea_section_cache-Tabelle).
• Webhook-Endpoint /webhook fuer Cache-Invalidation.

Voller Plan: siehe Vault-Note 2026-06-02 — Master-Synthese — Prompt-Migration-Reihenfolge.md.

---

Compose-Order (zukuenftig fuer mcp-gitea)

Wenn ein Skill geladen wird, baut der Composer den finalen System-Prompt in dieser Reihenfolge zusammen:

1. base/identity.md
2. base/style.md
3. base/constraints.md
4. workflows/*  (deklariert im Skill-Manifest)
5. tools-context/*  (abgeleitet aus required_tools)
6. personas/<persona>.md  ← LETZTER, ueberschreibt frueheres

Der Compose-Algorithmus ist im Detail in arch-flow/brainstorm/Sprache/2026-06-02 — Prompt-Modularisierung — Architektur und Composition.md beschrieben.

---

Cross-Repo

Dieses Repo (parsecapere-prompts) liefert die Prompt-Bausteine. Zwei Schwester-Repos auf demselben Gitea (https://gitea.parsecapere.de):

Repo	Inhalt
parsecapere-prompts	dieses Repo — Module + Personas
parsecapere-skills	Skill-Manifeste (welche Module wann zusammensetzen)
parsecapere-knowledge	Lang-laufendes Wissen (z.B. Vokabel-Listen, Wortpool-Snapshots)

---

Architektur-DNA-Bezug

Dieses Repo respektiert:

• Server denkt, Frontend rendert — Composition passiert serverseitig im mcp-gitea-Service.
• STDB als Smart-Cache — Module werden bei Bedarf aus Gitea geholt + in STDB (Tabelle gitea_section_cache) gecached. Webhook invalidiert pro Pfad.
• Cookie-K1-K6 — Compose-Endpoint im LLM-Gateway ist intern (Service-Token, nicht User-Cookie). Cross-Server-Auth via Token-Bundling (K5) wenn LLM im Auftrag eines Users handelt.
• Hard-Rules STDB-Migrationen — neue Tabelle gitea_section_cache braucht Pre-Backup + additive Migration (siehe migrations/MIGRATIONS-HARD-RULES.md).
• Skill = Loadable Module — kein Hard-Coded-Mapping, Discovery via Trigger-Keywords (siehe 2026-06-01 — Skill-Sets als Loadable Modules …).

---

Hinweis fuer Tim's Review (M2-Aha-Moment)

Lies die drei personas/*.md der Reihe nach. Ziel: zum ersten Mal sehen, was der Voice-LLM bisher als Anweisung bekommen hat — als reine, lesbare Markdown-Texte ohne JS-Drumherum.

Erwartete Beobachtungen:

• Wieviel Boilerplate steht da drin? (→ M3 zieht das raus)
• Wo wiederholen sich die drei Personas? (→ M3 macht draus base/ und workflows/)
• Wo ist Domain-Wissen? (→ bleibt in der Persona)

Notiere was dir auffaellt — das wird der Input fuer M3.