CASE STUDY: AGENCY UPLINK
Standard-Suchmaschinen sind wie schlechte Detektive: Sie suchen nur nach exakten Wortlauten. Wenn du nach „Überwachung“ suchst, finden sie Artikel über „Kameras“, „NSA“ oder „Privatsphäre“ oft nicht, weil das exakte Wort fehlt. Das war für unsere Mission inakzeptabel.
Wir haben das System entkernt. Statt Keywords nutzen wir jetzt Vektoren. Hier ist der Blick in den Maschinenraum der neuen „Agency Uplink“ Architektur.
🤖 Das Gehirn (Backend)
Ein Raspberry Pi 5 dient als dedizierter KI-Server. Er läuft unabhängig von der Website und hostet eine Python FastAPI-Instanz.
- Modell: intfloat/multilingual-e5-base
- DB: ChromaDB (Vektor-Datenbank)
- Logic: Semantic Chunking & Re-Ranking
👁️ Das Gesicht (Frontend)
WordPress wurde seiner Suchfunktion beraubt („Search Hijacking“). Jede Suchanfrage wird abgefangen und an die API des Pi 5 geleitet.
- UI: Noir Terminal Overlay
- Trigger: Text-Highlighting & Keyup-Events
- Memory: SessionStorage für Persistenz
Die Magie: Von Text zu Bedeutung
Jeder Artikel, jedes Video und jeder Datenbank-Eintrag wird im Hintergrund in einen 768-dimensionalen Vektorraum verwandelt. Das System „liest“ den Inhalt nicht als Buchstaben, sondern als semantisches Konzept.
Feature Highlight: Der „Intel-Scanner“
Wir wollten, dass sich Recherche anfühlt wie Ermittlungsarbeit. Deshalb haben wir einen globalen Selection Listener gebaut.
Markiert der User irgendwo auf der Seite Text, erscheint sofort der Analyse-Button. Der markierte Text fliegt direkt in die Vektor-Maschine. Das Ergebnis ist keine Link-Liste, sondern ein kuratiertes Dossier aus Videos, Fakten und Artikeln.
STATUS: OPERATIONAL // SYSTEM V.4.1
Schreibe einen Kommentar