update

backend/lernen.py

@@ -25,6 +25,7 @@ MEISTERN = 25  # Score bis "gemeistert" (Tier 3, Maximum)
 VERTIEFUNG_TIMEOUT = 600
 CHAT_TIMEOUT = 240
 PRUEFUNG_TIMEOUT = 120  # kurze JSON-Turns; deckelt die Serien-Latenz pro Prüfungs-Schritt
+GRUENDLICH_TIMEOUT = 600  # „Gründlich prüfen": starkes Modell (role guide) braucht länger
 KRITIK_MAX_RUNDEN = 2   # Generator → Kritiker → ggf. Neu, höchstens so oft
 
 
@@ -137,21 +138,21 @@ def _bewertung_schema(data) -> dict | None:
     return {"feedback": feedback, "bewertung": bewertung, "bestanden": data.get("bestanden") is True}
 
 
-async def _gen_call(name: str, role: str, schema, provider: str, **kwargs) -> dict | None:
+async def _gen_call(name: str, role: str, schema, provider: str, timeout: int = PRUEFUNG_TIMEOUT, **kwargs) -> dict | None:
     """Generator-Agent: Template füllen, laufen lassen, per schema parsen · None bei Fehler."""
     returncode, stdout, _ = await run_agent(
-        name.lower() + "-" + str(uuid.uuid4()), _prompt(name, **kwargs), PRUEFUNG_TIMEOUT,
+        name.lower() + "-" + str(uuid.uuid4()), _prompt(name, **kwargs), timeout,
         provider=provider, role=role, capabilities="none", lane="interactive",
     )
     return schema(_parse_json_text(stdout)) if returncode == 0 else None
 
 
-async def _kritik_call(name: str, provider: str, **kwargs) -> list[str]:
-    """Kritiker-Agent (role judge): leere Liste = in Ordnung. Fail-open: Ausfall des
+async def _kritik_call(name: str, provider: str, role: str = "judge", timeout: int = PRUEFUNG_TIMEOUT, **kwargs) -> list[str]:
+    """Kritiker-Agent (Default role judge): leere Liste = in Ordnung. Fail-open: Ausfall des
     Kritikers darf den Turn nicht blockieren, also dann ebenfalls leere Liste."""
     returncode, stdout, _ = await run_agent(
-        name.lower() + "-" + str(uuid.uuid4()), _prompt(name, **kwargs), PRUEFUNG_TIMEOUT,
-        provider=provider, role="judge", capabilities="none", lane="interactive",
+        name.lower() + "-" + str(uuid.uuid4()), _prompt(name, **kwargs), timeout,
+        provider=provider, role=role, capabilities="none", lane="interactive",
     )
     if returncode != 0:
         return []
@@ -199,18 +200,20 @@ async def _frage_mit_kritik(
 
 async def _bewertung_mit_kritik(
     topic: str, baustein: str, section_block: str, vertiefung_block: str,
-    frage: str, transcript: str, gute_antworten: int, provider: str,
+    frage: str, transcript: str, gute_antworten: int, provider: str, role: str = "judge",
 ) -> dict | None:
     """Antwort bewerten (gut/schlecht), vom Kritiker prüfen lassen, bei Fehlurteil neu.
 
     `frage` ankert die geprüfte Frage; der Dialog (transcript) liefert die Antwort und
     eine etwaige Diskussion — so kann eine Re-Bewertung das Argument sehen.
+    `role` = "judge" (schnell) oder "guide" (gründlich, starkes Modell mit Thinking).
     """
+    timeout = GRUENDLICH_TIMEOUT if role == "guide" else PRUEFUNG_TIMEOUT
     kritik_block = "(keine)"
     bew = None
     for _ in range(KRITIK_MAX_RUNDEN):
         bew = await _gen_call(
-            "Baustein-Bewertung", "judge", _bewertung_schema, provider,
+            "Baustein-Bewertung", role, _bewertung_schema, provider, timeout,
             topic=topic, baustein=baustein, section_block=section_block,
             vertiefung_block=vertiefung_block, frage=frage, transcript=transcript,
             gute_antworten=gute_antworten, noetig=NOETIG, kritik_block=kritik_block,
@@ -218,7 +221,7 @@ async def _bewertung_mit_kritik(
         if bew is None:
             return None
         probleme = await _kritik_call(
-            "Baustein-Bewertung-Kritik", provider,
+            "Baustein-Bewertung-Kritik", provider, role=role, timeout=timeout,
             topic=topic, baustein=baustein, section_block=section_block,
             vertiefung_block=vertiefung_block, frage=frage, transcript=transcript,
             bewertung_block=_bewertung_text(bew),
@@ -253,9 +256,11 @@ async def pruefung_frage(
 async def pruefung_bewertung(
     topic: str, baustein: str, section: str, vertiefung: str | None,
     frage: str, messages: list[dict], gute_antworten: int, provider: str = DEFAULT_PROVIDER,
+    role: str = "judge",
 ) -> dict | None:
     """Aktion 'antwort_pruefen': verbindlich bewerten (Evaluator + Kritiker).
 
+    `role` = "guide" für „Gründlich prüfen" (starkes Modell), sonst "judge".
     Gibt {"feedback", "bewertung": gut|schlecht, "bestanden"} · None bei Fehler.
     """
     try:
@@ -263,7 +268,7 @@ async def pruefung_bewertung(
         transcript = _transcript(messages) if messages else "(leer)"
         return await _bewertung_mit_kritik(
             topic, baustein, section_block, vertiefung_block,
-            frage.strip() or "(keine Frage übergeben)", transcript, gute_antworten, provider,
+            frage.strip() or "(keine Frage übergeben)", transcript, gute_antworten, provider, role,
         )
     except Exception:
         log.warning("[%s] Bewertung fehlgeschlagen (%s)", topic, baustein, exc_info=True)