- 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
32 lines
1.2 KiB
Markdown
32 lines
1.2 KiB
Markdown
# 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?]
|