anpassung der History Übergabe.

math-tutor/backend/app/LLM_services/decision_LLM.py

@@ -27,19 +27,19 @@ WICHTIG:
 - Löse nicht die Aufgabe, sondern bewerte nur die Situation bzgl. der nächsten didaktischen Schritte.
 """
 
-def needs_more_context(history: str, context_sheet: str, model: str = "ministral-3") -> dict:
-    user_prompt = (
-        "Kontextblatt:\n"
+def needs_more_context(history: list[dict], context_sheet: str, model: str = "ministral-3") -> dict:
+    messages = [{"role": "system", "content": CLASSIFIER_SYSTEM}]
+    messages.append(
+        {
+            "role": "user",
+            "content": "Kontextblatt:\n"
             f"{context_sheet}\n\n"
-        "Historie:\n"
-        f"{history}\n\n"
-        "Treffe eine Entscheidung."
+            "Beachte die folgende Historie.",
+        }
     )
-
-    messages = [
-        {"role": "system", "content": CLASSIFIER_SYSTEM},
-        {"role": "user", "content": user_prompt},
-    ]
+    if history:
+        messages.extend(history)
+    messages.append({"role": "user", "content": "Treffe eine Entscheidung."})
 
     resp, tool_outputs = llm_client.chat_with_tools(
         messages=messages,
@@ -52,6 +52,6 @@ def needs_more_context(history: str, context_sheet: str, model: str = "ministral
         result = tool_outputs[0].get("result")
         if isinstance(result, dict) and "needs_more_context" in result:
             return result
-        return {"needs_more_context": True, "reason": str(result)}
+        return {"needs_more_context": False, "reason": "needs_more_context wurde nicht gesetzt"+str(result)}
 
-    return {"needs_more_context": True, "reason": llm_client.get_message_content(resp) or "No tool_call returned"}
+    return {"needs_more_context": False, "reason": "No tool_call returned"+str(resp)}

math-tutor/backend/app/LLM_services/hint_LLM.py

 from app.deterministic_services import llm_client
 
-
 def generate_hint(
     query: str,
     task: str,
     LLM_solution: str,
     math_solution: str | None = None,
-    history: str | None = None,
+    history: list[dict] | None = None,
     sources: str | None = None,
 ) -> str:
     system_prompt = (
-        "Du bist ein didaktischer Tutor. "
-        "bestätige richtige Lösungen und Korrigiere Fehler. "
-        "Gebe dem Nutzer einen hilfreichen Tipp um mathematische Aufgaben zu lösen."
-        "Gebe keine Beispiele oder Erklärungen, sondern nur den Tipp."
-        "Gebe keine komplette Lösung der Aufgabe."
-        "Die Mathematische Lösung hat immer Vorrang vor der LLM Lösung."
-        "Halte dich kurz und prägnant."
-    )
-    prompt = (
-        "Aufgabe:\n"
-        + task
-        + "\n\n"
-        "Loesung (von einem LLM):\n"
-        + LLM_solution
-        + "\n"
+        "Du bist ein didaktischer Mathe-Tutor.\n"
+        "1) Antworte NUR mit einem kurzen Tipp (1-2 Sätze), keine Beispiele, keine Herleitung, keine komplette Lösung.\n"
+        "2) Beziehe dich PRIMÄR auf die 'Aktuelle Frage'. Ignoriere ältere Nebenfragen, außer sie sind nötig.\n"
+        "3) Wenn der Nutzer etwas Falsches sagt: korrigiere es kurz und gib einen nächsten Schritt.\n"
+        "4) Falls 'Mathematische Lösung' vorhanden ist, hat sie Vorrang vor 'LLM-Lösung'.\n"
     )
+
+    context_parts = [
+        f"Aufgabe:\n{task}",
+        f"LLM-Lösung:\n{LLM_solution}",
+    ]
     if math_solution:
-        prompt += "Mathematische Loesung:\n" + math_solution + "\n"
-    if history:
-        prompt = "\nHistorie:\n" + history + "\n" + prompt
+        context_parts.append(f"Mathematische Lösung (maßgeblich):\n{math_solution}")
     if sources:
-        prompt = "\nKontext:\n" + sources + "\n" + prompt
-    if query:
-        prompt += "\n Aktuelle Frage:" + query
-    prompt += "\nGebe einen hilfreichen Tipp zum nächsten Schritt der Aufgabe der mir bei meiner aktuellen Frage hilft. Halte dich kurz und prägnant."
-    result = llm_client.chat(
-        messages=[{"role": "system", "content": system_prompt}, {"role": "user", "content": prompt}],
-    )
+        context_parts.append(f"Kontext/Sources:\n{sources}")
+
+    messages = [{"role": "system", "content": system_prompt}]
+
+    # Kompakter Kontext als eine Nachricht (kein langer Fließtext mit History mischen)
+    messages.append({"role": "user", "content": "\n\n".join(context_parts)})
+
+    # History als echte Turns (und ggf. begrenzen, siehe Punkt 2)
+    if history:
+        messages.extend(history)
+
+    # Aktuelle Frage als letzte Nachricht, fett hervorgehoben durch Struktur/Delimiters
+    messages.append({
+        "role": "user",
+        "content": f"AKTUELLE FRAGE (höchste Priorität):\n{query}\n\nGib einen kurzen Tipp zum nächsten Schritt, der genau diese Frage adressiert."
+    })
+
+    result = llm_client.chat(messages=messages)
     return llm_client.get_message_content(result)
\ No newline at end of file

math-tutor/backend/app/deterministic_services/context_store.py

@@ -37,6 +37,14 @@ def format_history(messages: list[dict]) -> str:
         lines.append(f"{role}: {content}")
     return "\n".join(lines)
 
+def history_turns(messages: list[dict]) -> list[dict]:
+    turns: list[dict] = []
+    for msg in messages:
+        role = msg.get("role")
+        content = msg.get("content", "")
+        if role and content:
+            turns.append({"role": role, "content": content})
+    return turns
 
 def init_sheet(chat_id: str, messages: list[dict]) -> dict[str, Any]:
     timestamp = _utc_now()
@@ -145,6 +153,9 @@ def get_task(sheet: dict[str, Any]) -> str:
 def get_history(sheet: dict[str, Any]) -> str:
     return format_history(sheet.get("history", []))
 
+def get_history_turns(sheet: dict[str, Any]) -> list[dict]:
+    return history_turns(sheet.get("history", []))
+
 def first_math_solution(sheet: dict[str, Any]) -> str:
     if not sheet["math_solutions"]:
         return ""
@@ -205,14 +216,10 @@ def save_sheet(sheet: dict[str, Any]) -> None:
     os.makedirs(_LOG_DIR, exist_ok=True)
     sheet["updated_at"] = _utc_now()
 
-    timestamp = datetime.utcnow().strftime("%Y%m%d_%H%M%S")
     chat_id = sheet.get("chat_id", "unknown")
-    snapshot_path = os.path.join(_LOG_DIR, f"{chat_id}_{timestamp}.json")
     latest_path = os.path.join(_LOG_DIR, f"{chat_id}_latest.json")
 
     payload = json.dumps(sheet, ensure_ascii=True, indent=2)
-    with open(snapshot_path, "w", encoding="utf-8") as f:
-        f.write(payload)
     with open(latest_path, "w", encoding="utf-8") as f:
         f.write(payload)
 

math-tutor/backend/app/deterministic_services/orchestrators/orchestrator_tutor.py

@@ -64,14 +64,14 @@ def run_chat(messages: list[dict], draft: str | None = None) -> dict:
         _bootstrap_context(sheet, last_user, tool_log)
         sheet["initialized"] = True
 
-    history_text = context_store.format_history(messages)
+    history_turns = context_store.history_turns(messages)
     sheet_text = context_store.format_sheet(sheet)
     if new_chat:
         llm_solution = solver_LLM.solve_question(last_user, sheet_text)
         _append_tool_log(tool_log, "LLM_Solution", {"question": last_user, "sheet": sheet_text}, llm_solution)
         context_store.add_LLM_solution(sheet, llm_solution)
     else:
-        decision = decision_LLM.needs_more_context(history_text, sheet_text)
+        decision = decision_LLM.needs_more_context(history_turns, sheet_text)
         _append_tool_log(tool_log, "decision", {"sheet": sheet_text}, decision)
         context_store.add_decision(sheet, decision)
 
@@ -86,7 +86,7 @@ def run_chat(messages: list[dict], draft: str | None = None) -> dict:
         "task": context_store.get_task(sheet),
         "LLM_solution": context_store.last_LLM_solution(sheet),
         "math_solution": context_store.first_math_solution(sheet),
-        "history": context_store.format_history(messages),
+        "history": history_turns,
         "sources": "\n".join([source.to_string() for source in context_store.get_retrieval(sheet)]),
     }
     reply = hint_LLM.generate_hint(**hint_args)