revert for better readablitity

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

-from __future__ import annotations
-
-
-def build_messages(
-    system_prompt: str,
-    context_parts: list[str],
-    history: list[dict] | None = None,
-    query: str | None = None,
-    query_instruction: str | None = None,
-) -> list[dict[str, str]]:
-    messages = [{"role": "system", "content": system_prompt}]
-    messages.append({"role": "user", "content": "\n\n".join(part for part in context_parts if part)})
-
-    if history:
-        messages.extend(history)
-
-    if query:
-        suffix = f"\n\n{query_instruction}" if query_instruction else ""
-        messages.append(
-            {
-                "role": "user",
-                "content": f"AKTUELLE Eingabe des Studenten (höchste Priorität):\n{query}{suffix}",
-            }
-        )
-
-    return messages

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

@@ -4,7 +4,6 @@ from __future__ import annotations
 
 from typing import Iterable
 
-from app.LLM_services.prompt_messages import build_messages
 from app.deterministic_services import llm_client
 
 
@@ -53,18 +52,31 @@ def generate_dialog(
     history: list[dict] | None = None,
     sources: str | None = None,
 ) -> str:
+    effective_parent_refs = parent_refs
+
     context_parts = [
-        f"Parent-Referenzen:\n{_format_parent_refs(parent_refs)}",
+        f"Parent-Referenzen:\n{_format_parent_refs(effective_parent_refs)}",
     ]
     if sources:
         context_parts.append(f"Kontext/Sources:\n{sources}")
 
-    messages = build_messages(
-        HINT_SYSTEM_PROMPT,
-        context_parts,
-        history=history,
-        query=query,
-        query_instruction="Reagiere ausschließlich auf diese Eingabe und bleibe sokratisch. Nutze deine Tools um mir zu helfen.",
-    )
+    messages = [{"role": "system", "content": HINT_SYSTEM_PROMPT}]
+    messages.append({"role": "user", "content": "\n\n".join(context_parts)})
+
+    if history:
+        messages.extend(history)
+
+    if query:
+        messages.append(
+            {
+                "role": "user",
+                "content": (
+                    "AKTUELLE Eingabe des Studenten (höchste Priorität):\n"
+                    f"{query}\n\n"
+                    "Reagiere ausschließlich auf diese Eingabe und bleibe sokratisch. Nutze deine Tools um mir zu helfen."
+                ),
+            }
+        )
+
     result = llm_client.chat(messages=messages)
     return llm_client.get_message_content(result)

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

 # structure of the task-prompt.
 
 from __future__ import annotations
-
-from app.LLM_services.prompt_messages import build_messages
 from app.deterministic_services import llm_client
 
 
-HINT_SYSTEM_PROMPT = r"""
+HINT_SYSTEM_PROMPT = """
 Du bist ein didaktischer Mathe-Tutor. Du gibst Feedback zu den Lösungen des Nutzers zur Gegebenen Frage.
 Vergleiche das Ergebnis mit der korrekten Lösung.
 
@@ -28,7 +26,6 @@ Halte dich kurz und präzise.
 Denke nach bevor du eine Ausgabe macht.
 """
 
-
 def generate_hint(
     query: str | None,
     task: str,
@@ -40,17 +37,25 @@ def generate_hint(
     context_parts = [
         f"Hier ist die Zu lösende Aufgaben:{task}\n",
         f"Hier ist eine korrekte Lösung als referenz:{solution}\n",
-        f"Hier ist ein exemplarischer Lösungsweg:{hints}\n",
+        f"Hier ist ein exemplarischer Lösungsweg:{hints}\n"
     ]
     if sources:
         context_parts.append(f"Kontext/Sources:\n{sources}")
 
-    messages = build_messages(
-        HINT_SYSTEM_PROMPT,
-        context_parts,
-        history=history,
-        query=query,
-        query_instruction="Gib einen kurzen Tipp, der genau diese Eingabe adressiert. Nutze deine Tools um mir zu helfen.",
-    )
+    messages = [{"role": "system", "content": HINT_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 Eingabe des Studenten (höchste Priorität):\n{query}\n\n Gib einen kurzen Tipp, der genau diese Eingabe adressiert. Nutze deine Tools um mir zu helfen."
+    })
+
     result = llm_client.chat(messages=messages)
     return llm_client.get_message_content(result)