nordabiz/docs/PLAN_ZOPK_KNOWLEDGE_BASE_IMPROVEMENTS.md

Plan rozwoju bazy wiedzy ZOPK

Data utworzenia: 2026-01-17 Status: W trakcie realizacji

Stan obecny (przed rozpoczęciem)

Komponent	Status	Wartość
Artykuły scraped	✅	132/163 (81%)
Artykuły extracted	✅	120/132 (91%)
Chunks	✅	412
Fakty	✅	3,414
Encje	✅	1,309
Embeddings	✅	412/412 (100%)
Integracja NordaGPT	✅	Semantic search działa
Automatyczny pipeline	✅	Cron co 1h

---

Priorytet 1: Panel admina bazy wiedzy

Status: 🔄 W trakcie Szacowany czas: 1-2 dni

Cel

Dashboard w /admin/zopk/knowledge z podglądem i zarządzaniem bazą wiedzy.

Wymagane funkcje

1. Dashboard główny (/admin/zopk/knowledge)

   • Statystyki: chunks, fakty, encje, embeddings
   • Wykresy: ekstrakcje w czasie, top encje
   • Przyciski szybkich akcji (scraping, ekstrakcja, embeddings)

2. Lista chunks (/admin/zopk/knowledge/chunks)

   • Tabela z paginacją
   • Filtrowanie po artykule źródłowym
   • Podgląd treści chunk
   • Edycja/usunięcie chunk
   • Status embeddingu (✓/✗)

3. Lista faktów (/admin/zopk/knowledge/facts)

   • Tabela z paginacją
   • Filtrowanie po typie faktu (financial, date, decision, etc.)
   • Weryfikacja faktu (✓ zweryfikowany / ✗ błędny)
   • Edycja faktu
   • Link do źródłowego artykułu

4. Lista encji (/admin/zopk/knowledge/entities)

   • Tabela z paginacją
   • Filtrowanie po typie (company, person, place, project)
   • Liczba wzmianek
   • Możliwość łączenia duplikatów (Priorytet 4)
   • Edycja opisu encji

5. Szczegóły artykułu (/admin/zopk/knowledge/article/<id>)

   • Pełna treść scraped
   • Lista wyekstraktowanych chunks
   • Lista wyekstraktowanych faktów
   • Lista encji
   • Możliwość re-ekstrakcji

Pliki do utworzenia

• templates/admin/zopk_knowledge_dashboard.html
• templates/admin/zopk_knowledge_chunks.html
• templates/admin/zopk_knowledge_facts.html
• templates/admin/zopk_knowledge_entities.html

Pliki do modyfikacji

• app.py - nowe endpointy
• zopk_knowledge_service.py - metody CRUD

---

Priorytet 2: Poprawa jakości odpowiedzi

Status: ⏳ Oczekuje Szacowany czas: 1 dzień

Cel

Lepsze formatowanie odpowiedzi NordaGPT z linkami do źródeł.

Wymagane zmiany

1. Linki do źródeł

   • Zamiast: "Według Google News z 31 grudnia 2025..."
   • Ma być: "Według trojmiasto.pl z 31 grudnia 2025..."

2. Formatowanie odpowiedzi

   • Nagłówki dla sekcji
   • Listy wypunktowane dla wielu faktów
   • Wyróżnienie kluczowych danych (pogrubienie)

3. Pewność odpowiedzi

   • Gdy brak danych w bazie: "Nie mam informacji na ten temat w bazie wiedzy ZOPK"
   • Gdy dane niepewne: "Według dostępnych informacji (pewność: średnia)..."

4. Źródła na końcu odpowiedzi

   📚 Źródła:
   - [trojmiasto.pl] Kongsberg zainwestuje na Pomorzu (2025-11-23)
   - [defence24.pl] Norweska fabryka w Rumi (2025-11-25)
   

Pliki do modyfikacji

• nordabiz_chat.py - metoda _get_zopk_knowledge_context()
• nordabiz_chat.py - system prompt dla ZOPK

---

Priorytet 3: Timeline ZOPK na stronie /zopk

Status: ⏳ Oczekuje Szacowany czas: 2-3 dni

Cel

Wizualna oś czasu projektu ZOPK pokazująca kamienie milowe.

Wymagane funkcje

1. Tabela zopk_milestones

   CREATE TABLE zopk_milestones (
       id SERIAL PRIMARY KEY,
       title VARCHAR(255) NOT NULL,
       description TEXT,
       milestone_type VARCHAR(50),  -- announcement, decision, construction, completion
       target_date DATE,
       actual_date DATE,
       status VARCHAR(20),  -- planned, in_progress, completed, delayed
       source_news_id INTEGER REFERENCES zopk_news(id),
       source_fact_id INTEGER REFERENCES zopk_knowledge_facts(id),
       icon VARCHAR(50),
       color VARCHAR(7),
       is_featured BOOLEAN DEFAULT FALSE,
       display_order INTEGER,
       created_at TIMESTAMP DEFAULT NOW()
   );
   

2. Automatyczne tworzenie milestones

   • Ekstrakcja dat z faktów (np. "budowa rozpocznie się w 2027")
   • Kategoryzacja: announcement, decision, construction_start, completion
   • Przypisanie do projektów (Kongsberg, PEJ, Baltic Power, Via Pomerania)

3. UI Timeline na /zopk

   • Pionowa oś czasu (scrollowalna)
   • Kamienie milowe z ikonami
   • Kolory: zielony (completed), niebieski (in_progress), szary (planned)
   • Kliknięcie → szczegóły z linkiem do źródła

4. Panel admina dla milestones

   • /admin/zopk/milestones
   • Dodawanie/edycja/usuwanie
   • Zmiana kolejności (drag & drop)

Pliki do utworzenia

• database/migrations/016_zopk_milestones.sql
• templates/admin/zopk_milestones.html

Pliki do modyfikacji

• database.py - model ZOPKMilestone
• app.py - endpointy
• templates/zopk.html - sekcja timeline

---

Priorytet 4: Łączenie duplikatów encji

Status: ⏳ Oczekuje Szacowany czas: 1 dzień

Cel

Automatyczne i ręczne łączenie zduplikowanych encji.

Znane duplikaty do połączenia

Encja główna	Duplikaty	Łączna liczba wzmianek
Morze Bałtyckie	Bałtyk	58 + 53 = 111
Polskie Elektrownie Jądrowe	PEJ	?
Władysław Kosiniak-Kamysz	Kosiniak-Kamysz, Wicepremier	?
Kongsberg Defence & Aerospace	Kongsberg	?

Wymagane funkcje

1. Automatyczne wykrywanie duplikatów

   • Fuzzy matching nazw (pg_trgm similarity > 0.7)
   • Porównanie typów encji
   • Sugestie do zatwierdzenia przez admina

2. Panel łączenia (/admin/zopk/knowledge/entities/merge)

   • Lista sugerowanych duplikatów
   • Wybór encji głównej
   • Przycisk "Połącz" → aktualizacja wszystkich referencji

3. Aliasy encji

   • Tabela zopk_entity_aliases
   • Encja "Polskie Elektrownie Jądrowe" ma alias "PEJ"
   • Wyszukiwanie uwzględnia aliasy

Pliki do utworzenia

• database/migrations/017_zopk_entity_aliases.sql

Pliki do modyfikacji

• database.py - model ZOPKEntityAlias
• zopk_knowledge_service.py - metody merge_entities(), get_entity_duplicates()
• app.py - endpointy

---

Priorytet 5: Graf relacji encji

Status: ⏳ Oczekuje Szacowany czas: 2-3 dni

Cel

Wizualizacja powiązań między encjami (podobna do Mapy Powiązań firm).

Typy relacji do ekstrakcji

Relacja	Przykład
invests_in	Kongsberg → Rumia Invest Park
manages	MON → ZOPK
builds	PEJ → Elektrownia Lubiatowo
located_in	Baltic Power → Morze Bałtyckie
partners_with	Westinghouse → Bechtel
employs	Kongsberg → 500 osób

Wymagane funkcje

1. Ekstrakcja relacji z faktów

   • Analiza AI faktów typu: "Kongsberg zainwestuje w Rumi"
   • Prompt: "Wyodrębnij relacje: subject → predicate → object"

2. Wypełnienie tabeli zopk_knowledge_relations

   • Tabela już istnieje (obecnie pusta)
   • Kolumny: source_entity_id, target_entity_id, relation_type, confidence_score

3. Wizualizacja grafu (/zopk/graph lub modal na /zopk)

   • Użycie D3.js lub vis.js (jak Mapa Powiązań)
   • Węzły = encje (kolorowane po typie)
   • Krawędzie = relacje (etykiety)
   • Filtrowanie po typie relacji

4. Panel admina (/admin/zopk/knowledge/relations)

   • Lista relacji z paginacją
   • Dodawanie/edycja/usuwanie
   • Weryfikacja (✓/✗)

Pliki do modyfikacji

• zopk_knowledge_service.py - metoda extract_relations()
• app.py - endpointy
• templates/zopk.html - sekcja graf lub modal

---

Harmonogram realizacji

Priorytet	Zadanie	Szacowany czas	Status
1	Panel admina bazy wiedzy	1-2 dni	🔄 W trakcie
2	Poprawa jakości odpowiedzi	1 dzień	⏳ Oczekuje
3	Timeline ZOPK	2-3 dni	⏳ Oczekuje
4	Łączenie duplikatów encji	1 dzień	⏳ Oczekuje
5	Graf relacji encji	2-3 dni	⏳ Oczekuje

Łączny szacowany czas: 7-10 dni

---

Notatki techniczne

Istniejące tabele bazy wiedzy

• zopk_knowledge_chunks - fragmenty tekstu z embeddingami
• zopk_knowledge_facts - wyekstraktowane fakty
• zopk_knowledge_entities - rozpoznane encje
• zopk_knowledge_relations - relacje między encjami (pusta)

Istniejące serwisy

• zopk_knowledge_service.py - ekstrakcja i wyszukiwanie
• zopk_content_scraper.py - scraping treści artykułów

Istniejący pipeline (cron)

• scripts/zopk_knowledge_pipeline.py - uruchamiany co godzinę
• Logi: /var/log/nordabiznes/knowledge_pipeline.log