cbazza
4fea148d61
- extractor.py: Text-Extraktion für MD/TXT/PDF/DOCX/Bilder inkl. OCR (Tesseract) - normalizer.py: KI-Normalisierung via Claude Haiku (Typ-Erkennung) + Sonnet (Transformation) - ingest.py: Vollpipeline v2 mit watch, delete, dry-run, quality-min Flags - ingest_anythingllm.py: Einfaches Script v1 (nur MD/TXT/PDF, kein OCR) - README.md: Alle drei Tools dokumentiert
1.2 KiB
1.2 KiB
Projektbeschreibung: [Projektname]
Überblick
- Kunde/Arbeitgeber: [Name]
- Branche: [z.B. Finanzwesen, Automotive, Energie]
- Zeitraum: [MM/YYYY] – [MM/YYYY]
- Rolle: [z.B. Fullstack-Entwickler, Tech Lead, DevOps Engineer]
- Teamgröße: [z.B. 5 Entwickler, 2 Designer]
Projektbeschreibung
[2-4 Sätze: Was war das Ziel des Projekts? Welches Problem wurde gelöst? Für wen?]
Aufgaben & Verantwortlichkeiten
- [Aufgabe 1, z.B. "Konzeption und Umsetzung der REST-API"]
- [Aufgabe 2, z.B. "Migration der bestehenden Datenbank auf PostgreSQL"]
- [Aufgabe 3]
Technologien
- Sprachen: [z.B. Python, TypeScript, Java]
- Frameworks: [z.B. React, Spring Boot, FastAPI]
- Datenbanken: [z.B. PostgreSQL, MongoDB, Redis]
- Infrastruktur: [z.B. Docker, Kubernetes, AWS, Hetzner]
- Tools: [z.B. Git, Jira, Jenkins, GitHub Actions]
Ergebnisse & Erfolge
- [Konkretes Ergebnis, z.B. "Ladezeit um 60% reduziert"]
- [Konkretes Ergebnis, z.B. "System verarbeitet 10.000 Anfragen/Min"]
- [Konkretes Ergebnis, z.B. "Erfolgreicher Go-Live mit 500 Nutzern"]
Besonderheiten / Lessons Learned
[Optional: Was war besonders herausfordernd? Was hast du gelernt?]