Die Prompt-Bibliothek enthält wiederverwendbare Vorlagen für alle Textarten des Systems. Prompts gehören nicht hart in Python-Code. Sie werden als Dateien gespeichert, versioniert und vom Generator mit Variablen gefüllt. Ein Prompt sollte immer klar trennen: Alle Beispiele verwenden Platzhalter im Format: ...
Die OpenAI-Integration wird als eigene Schicht gekapselt. Der Content-Generator, das Quality-Gate und die Kommentarlogik sollen nicht direkt mit dem SDK arbeiten. Die Anwendung nutzt die Responses API. Die offizielle Dokumentation zeigt dafür client.responses.create(...), instructions, input und response.output_text als Standardmuster. (platform.openai.com) ...
Das System benötigt strukturierte Eingangsdaten. Diese Eingangsdaten werden nicht direkt veröffentlicht, sondern zuerst normalisiert und danach vom Content-Generator verarbeitet. Typische Quellen: Ziel ist ein einheitliches internes Format. Der Generator soll nicht wissen müssen, ob ein Buch aus JSON, CSV, SQLite, ...
Das Datenmodell bildet die Arbeitsobjekte des Systems ab: Für das MVP reichen JSON-Dateien. Sobald mehrere Plattformen, wiederkehrende Jobs, Reports und Dublettenprüfung dazukommen, ist SQLite sinnvoller. 5.1 Book Book beschreibt ein Buch als Content-Quelle. Minimalfelder: Beispiel als JSON: Python-Modell: 5.2 Author ...
Die Konfiguration trennt Code und Betriebsregeln. Plattformen, Accounts, Limits, Zeitfenster und Sicherheitsparameter gehören nicht hart in Python-Dateien, sondern in eine zentrale Konfigurationsdatei. Für das MVP reicht eine Datei: Die .env enthält nur sensible oder installationsabhängige Werte: Die config.yaml enthält fachliche ...
