6b3b2abe4f
73 stackexchange-grounded, 516 model-knowledge (ESCO-seeded gemma3), 0 review_needed (calibration caveat documented). Adapters rebuilt with the full competence sets; final REPORT numbers; all verify checks pass. Known gap: engineering-manager lacks an ESCO package counterpart. Co-Authored-By: Claude Fable 5 <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_01PDKeXvpT6tENSvyQGLV1Uq
5.0 KiB
REPORT — Stack-Exchange-Wissensschicht
Stand: 2026-07-10 · Branch quality/reference-standard · Verify: ALL
CHECKS PASSED (V1 XML-Stichproben, V2 Mapping-Konsistenz, V3/V4
Wissensdateien + Attribution-Links, V5 Homepage, V6 Schema-Validierung,
V7 Prompt-Konsistenz Homepage↔SKILL.md).
Hauptlauf (Ingest → Kompilierung)
Dump-Version: stackexchange_20260331 (archive.org-Suche ergab einen
neueren Mirror als den beauftragten 20251231 — DECISIONS D1). 6 Sites,
~929 MB komprimiert.
| Site | Fragen roh | Fragen nach Filter | Q&A-Paare |
|---|---|---|---|
| workplace | 32.894 | 9.642 | 10.697 |
| pm | 6.481 | 1.517 | 1.708 |
| law | 31.790 | 4.543 | 4.803 |
| money | 40.144 | 6.934 | 7.573 |
| softwareengineering | 64.475 | 14.062 | 15.631 |
| datascience | 36.282 | 2.563 | 2.724 |
| Σ | 212.066 | 39.261 | 43.136 |
Tag-Mapping: 1.048 Tags ≥ 20. 471 Top-Tags (≥ 50) direkt von Claude
klassifiziert; Long-Tail (577) via gemma3 mit Few-Shots. Resolver gegen
die lokale ESCO-DB: ~870 gemappt, 250+ mit validierter ESCO-URI,
Konfidenz high/medium/low im CSV; 27 begründet unmapped (Jurisdiktions-/
Meta-Tags) → mappings/unmapped.csv.
Kompilierung: 10 Berufe × exakt 150 attribuierte Q&A-Insights
(= 1.500), 8–49 Themencluster je Beruf, vocabulary.json je 100 Begriffe.
9 Skill-Pakete tragen das Wissen live als references/practitioner-qa.md
(engineering-manager hat kein ESCO-Paket-Pendant — Wissen liegt trotzdem
unter professions/). Alle 9 Pakete durch das Lint-Gate publiziert.
Homepage: Stack Exchange als 6. Quelle in Donut (Segment stackx,
#00acc1), Legende mit Beitrags-Erklärung, Chips/Formel/Pipeline-Texten;
globaler Anteil datenbasiert (1.350+ gezählte Items). Kein verwaistes
„five sources" (Verify V5).
Folgelauf Competences
Umfang: essential + 40 optional je Beruf (DECISIONS D8). Final: 589 Competence-Dateien (73 stackexchange-geerdet, 516 model-knowledge, 0 review_needed):
| Beruf | stackexchange | model-knowledge | review_needed |
|---|---|---|---|
| accountant | 4 | 53 | 0 |
| data-scientist | 7 | 90 | 0 |
| database-administrator | 6 | 61 | 0 |
| financial-advisor | 9 | 54 | 0 |
| hr-manager | 9 | 67 | 0 |
| legal-counsel | 8 | 46 | 0 |
| project-manager | 9 | 59 | 0 |
| recruiter | 10 | 33 | 0 |
| software-engineer | 11 | 53 | 0 |
| Σ (9 Berufe) | 73 | 516 | 0 |
Bekannte Lücke: engineering-manager hat kein ESCO-Paket-Pendant
(kein package_slug-Match) → keine Competence-Ableitung möglich; das
Berufs-Wissen (knowledge.md, 150 Einträge) existiert trotzdem. Optionen:
manuelles Nearest-Mapping auf eine ESCO-Occupation oder O*NET-basierte
Competence-Liste — Entscheidung offen.
Web-Research-Stufe: 0 Pflichtfälle — gemma3 hat keine Erklärung mit
confidence: low abgegeben. Bekannte Schwäche: Die Selbsteinschätzung
des Modells ist vermutlich optimistisch; Empfehlung: menschliches
Stichproben-Review von ~20 model-knowledge-Dateien pro Beruf, und die
Web-Research-Stufe zusätzlich für die fachlich riskantesten Domänen
(legal-counsel, financial-advisor: Rechts-/Steueraussagen!) fahren, auch
ohne low-Flag.
Priorität für Stufe-2-Literatur: legal-counsel und financial-advisor (Haftungsrelevanz, Jurisdiktionsabhängigkeit) vor pm/hr; SWE/DS sind durch Stack-Exchange-Dichte am besten geerdet.
Architektur-Bausteine (Auftrag 3)
ARCHITECTURE.md(verbindlich): 3 Schichten, Beförderungslogik, Multi-Plattform-Adapter, MCP-Gateway, Wege A/B — mit Mermaid.schemas/: lesson/competence/vocabulary — bindend, in Verify (V6) eingehängt; Vertrauensgrenze (kein customer/project in Schicht 1) im Schema kodiert.templates/org-repo/: Schicht 2+3 mit Bauunternehmer-Beispielen inkl. kompletter Beförderungskette (2 Projekte → Overlay → anonymisiertes Community-Destillat).adapters/claude/: Generator GELAUFEN — 10 Skill-Pakete + marketplace.json; kanonischer Trigger-Prompt identisch mit der Homepage (V7-geprüft).adapters/openai/: lauffähiges Bundle-Gerüst + openapi.yaml;adapters/ gemini/: SPEC (kein Test-Account) — Spec-only.services/skillfactor-mcp/: tools.json + FastMCP-Stubs — Gerüst;services/m365-mining/: SPEC mit DDL-Annahme (D10) — Spec-only.- Homepage: Schichtenmodell umgebaut, Multi-Plattform- + Anreicherungs- Sektionen, Chat-Beispiel mit kopierbarem Prompt.
Bekannte Schwächen / nächste Entscheidungen
- gemma3-Konfidenz-Kalibrierung (s.o.) — Stichproben-Review einplanen.
- MCP-Gateway & M365-Mining sind Spec/Stub — Implementierungsauftrag nötig (inkl. Entscheidung: HTTP-Facade-Hosting, Token-Verwaltung).
- Gemini-Adapter braucht einen Test-Account.
- Tag→Skill-Mapping: fuzzy-aufgelöste ESCO-URIs (Konfidenz herabgestuft) könnten ein menschliches Review der medium-Zeilen vertragen.
- Q&A-Dichte je Competence ist ungleich (stackexchange-Quote 7–25%) — die geplanten Stufe-2-Quellen (EconStor, CORE, DOAB, arXiv) sind der Hebel, siehe „Weitere Anreicherung" in jeder Datei.