discord kommunikation

internal/brain/ask.go

@@ -21,27 +21,21 @@ type KnowledgeChunk struct {
 	Source string
 }
 
-// Ask sucht relevante Chunks und generiert eine LLM-Antwort per Streaming.
-func Ask(question string) {
+// AskQuery sucht relevante Chunks und generiert eine LLM-Antwort.
+// Gibt die Antwort als String und die verwendeten Quellen zurück.
+func AskQuery(question string) (string, []KnowledgeChunk, error) {
 	ctx := context.Background()
 	ctx = metadata.AppendToOutgoingContext(ctx, "api-key", config.Cfg.Qdrant.APIKey)
 
-	fmt.Printf("🤔 Frage: \"%s\"\n\n", question)
-
 	embClient := config.NewEmbeddingClient()
 	chatClient := config.NewChatClient()
 
-	fmt.Println("🔍 Durchsuche lokale Wissensdatenbank...")
 	chunks := searchKnowledge(ctx, embClient, question)
-
 	if len(chunks) == 0 {
-		fmt.Println("\n❌ Keine relevanten Informationen in der Datenbank gefunden.")
-		fmt.Println("   Füge mehr Daten mit './bin/ingest' hinzu.")
-		return
+		return "", nil, nil
 	}
 
 	contextText := buildContext(chunks)
-	fmt.Printf("✅ %d relevante Informationen gefunden\n\n", len(chunks))
 
 	systemPrompt := `Du bist ein hilfreicher persönlicher Assistent.
 Deine Aufgabe ist es, Fragen basierend auf den bereitgestellten Informationen zu beantworten.
@@ -60,9 +54,6 @@ WICHTIGE REGELN:
 Basierend auf diesen Informationen, beantworte bitte folgende Frage:
 %s`, contextText, question)
 
-	fmt.Println("🧠 Generiere Antwort mit lokalem Modell...")
-	fmt.Println(strings.Repeat("═", 80))
-
 	stream, err := chatClient.CreateChatCompletionStream(ctx, openai.ChatCompletionRequest{
 		Model: config.Cfg.Chat.Model,
 		Messages: []openai.ChatCompletionMessage{
@@ -73,21 +64,45 @@ Basierend auf diesen Informationen, beantworte bitte folgende Frage:
 		MaxTokens:   500,
 	})
 	if err != nil {
-		log.Fatalf("❌ LLM Fehler: %v", err)
+		return "", nil, fmt.Errorf("LLM Fehler: %w", err)
 	}
 	defer stream.Close()
 
-	fmt.Print("\n💬 Antwort:\n\n")
+	var answer strings.Builder
 	for {
 		response, err := stream.Recv()
 		if err != nil {
 			break
 		}
 		if len(response.Choices) > 0 {
-			fmt.Print(response.Choices[0].Delta.Content)
+			answer.WriteString(response.Choices[0].Delta.Content)
 		}
 	}
 
+	return answer.String(), chunks, nil
+}
+
+// Ask sucht relevante Chunks und gibt Antwort + Quellen auf stdout aus.
+func Ask(question string) {
+	fmt.Printf("🤔 Frage: \"%s\"\n\n", question)
+	fmt.Println("🔍 Durchsuche lokale Wissensdatenbank...")
+
+	answer, chunks, err := AskQuery(question)
+	if err != nil {
+		log.Fatalf("❌ %v", err)
+	}
+
+	if len(chunks) == 0 {
+		fmt.Println("\n❌ Keine relevanten Informationen in der Datenbank gefunden.")
+		fmt.Println("   Füge mehr Daten mit './bin/ingest' hinzu.")
+		return
+	}
+
+	fmt.Printf("✅ %d relevante Informationen gefunden\n\n", len(chunks))
+	fmt.Println("🧠 Generiere Antwort mit lokalem Modell...")
+	fmt.Println(strings.Repeat("═", 80))
+	fmt.Print("\n💬 Antwort:\n\n")
+	fmt.Print(answer)
 	fmt.Print("\n\n")
 	fmt.Println(strings.Repeat("═", 80))
 	fmt.Print("\n📚 Verwendete Quellen:\n")

internal/config/config.go

@@ -31,6 +31,11 @@ type Config struct {
 		Model string `yaml:"model"`
 	} `yaml:"chat"`
 
+	Discord struct {
+		Token   string `yaml:"token"`
+		GuildID string `yaml:"guild_id"`
+	} `yaml:"discord"`
+
 	BrainRoot      string  `yaml:"brain_root"`
 	TopK           uint64  `yaml:"top_k"`
 	ScoreThreshold float32 `yaml:"score_threshold"`