4.9 ruml:ai-query
4.9 Capability ruml:ai-query
Überblick
| Eigenschaft | Wert |
|---|---|
| Capability-ID | ruml:ai-query |
| Scope | Node-Level (capabilities-Feld am Knoten) |
Standard required | false |
| Rolle | decision |
Die ruml:ai-query-Capability ergänzt Leaf-Nodes um LLM-basierte Auswertung. Die Baumstruktur der
Rulemap grenzt die Fragestellung so weit ein, dass das LLM eine klar definierte Prüfung beantwortet
— das Ergebnis MUSS true, false oder undefined sein. Die Auswertung ist dabei nicht im
gleichen Maße deterministisch wie eine ruml:query-Expression, aber durch die enge Fragestellung
und konfigurierbare Parameter (z.B. temperature) lässt sich eine hohe Reproduzierbarkeit
erreichen.
Wenn ein Knoten sowohl ruml:query als auch ruml:ai-query enthält, bestimmt das Feld
decisionMode am Knoten, wie die Ergebnisse kombiniert werden (siehe
Kapitel 4.3). Im Standardmodus fallback wird ruml:ai-query nur
ausgeführt, wenn ruml:query undefined zurückgibt.
Datenstruktur am Knoten
Der payload des ruml:ai-query-Eintrags im capabilities-Array eines Knotens hat folgende
Struktur:
"payload": { "model": "strong", "prompt": "Prüfe anhand der bereitgestellten Unterlagen, ob eine Härtefallbegründung plausibel ist. Antworte ausschließlich mit true, false oder undefined.", "description": "Prüft die Plausibilität der Härtefallbegründung", "inputs": { "context": [ { "id": "ctx_guidelines", "role": "reference" }, { "id": "ctx_gutachten", "role": "subject" } ], "dataPoints": ["dp_hardship_reason", "dp_annual_income"], "texts": ["text_bgb_823"] }, "config": { "deterministic": true, "effort": "high", "temperature": 0.1 }}Felder
| Feld | Typ | Beschreibung |
|---|---|---|
model | String | MUSS eine symbolische Referenz auf das zu verwendende KI-Modell enthalten (Regel CAP-30CAP-30 Die ruml:ai-query-Payload eines Knotens MUSS model haben; ein Parser MUSS darin prompt, description, inputs und config akzeptieren.) |
prompt | String | DARF den Prompt-Text inline in der RUML-Datei angeben. Wenn vorhanden, wird dieser Prompt verwendet — andernfalls wird die im Tool konfigurierte Prompt-Vorlage des Modells verwendet (Regel CAP-30CAP-30 Die ruml:ai-query-Payload eines Knotens MUSS model haben; ein Parser MUSS darin prompt, description, inputs und config akzeptieren.). |
description | String | DARF die Aufgabe des AI Queries beschreiben (Regel CAP-30CAP-30 Die ruml:ai-query-Payload eines Knotens MUSS model haben; ein Parser MUSS darin prompt, description, inputs und config akzeptieren.) |
inputs | Object | DARF die Eingabedaten für das LLM definieren (Regel CAP-30CAP-30 Die ruml:ai-query-Payload eines Knotens MUSS model haben; ein Parser MUSS darin prompt, description, inputs und config akzeptieren.) |
config | Object | DARF Konfigurationshinweise für die Ausführung enthalten (Regel CAP-30CAP-30 Die ruml:ai-query-Payload eines Knotens MUSS model haben; ein Parser MUSS darin prompt, description, inputs und config akzeptieren.) |
inputs-Objekt
| Feld | Typ | Beschreibung |
|---|---|---|
context | Array[String | Object] | DARF IDs aus der ruml:context-Capability angeben. Jede ID MUSS ein Key im data von ruml:context sein (Regel CTX-10CTX-10 Jede ID in den refs des ruml:context-Eintrags eines Knotens und jede Context-ID in inputs.context einer ruml:ai-query MUSS ein Schlüssel im data von ruml:context sein.). Als String: Kurzform (implizit role: "reference"). Als Object: id (MUSS) und role (DARF, "reference" oder "subject", Standard: "reference") (Regel CAP-31CAP-31 Ein Parser MUSS context, dataPoints und texts in den inputs einer ruml:ai-query-Payload akzeptieren; ein Objekt-Eintrag von context MUSS id haben, und ein Parser MUSS darin role (reference oder subject) akzeptieren.). "subject" markiert das Dokument als Prüfgegenstand für diese Query. Hinweis: Context-Objekte, die als role: "subject" referenziert werden, SOLLTEN im Context-Objekt selbst subject: true gesetzt haben (siehe Kapitel 4.11). |
dataPoints | Array[String] | DARF DataPoint-IDs angeben, deren Werte dem LLM übergeben werden (Regel CAP-31CAP-31 Ein Parser MUSS context, dataPoints und texts in den inputs einer ruml:ai-query-Payload akzeptieren; ein Objekt-Eintrag von context MUSS id haben, und ein Parser MUSS darin role (reference oder subject) akzeptieren.). Jede ID MUSS ein Key im data von ruml:datapoints sein (Regel DP-18DP-18 Jede DataPoint-ID, die die expression einer ruml:query oder einer ruml:expression liest, und jede ID in inputs.dataPoints einer ruml:ai-query MUSS ein Schlüssel im data von ruml:datapoints sein.) |
texts | Array[String] | DARF IDs aus der ruml:text-reference-Capability angeben (siehe Kapitel 4.12) (Regel CAP-31CAP-31 Ein Parser MUSS context, dataPoints und texts in den inputs einer ruml:ai-query-Payload akzeptieren; ein Objekt-Eintrag von context MUSS id haben, und ein Parser MUSS darin role (reference oder subject) akzeptieren.). Jede ID MUSS ein Key im data von ruml:text-reference sein (Regel TXT-19TXT-19 Jede id eines Ankers in den refs des ruml:text-reference-Eintrags eines Knotens und jede ID in inputs.texts einer ruml:ai-query MUSS ein Schlüssel im data von ruml:text-reference sein.) |
config-Objekt
| Feld | Typ | Beschreibung |
|---|---|---|
deterministic | Boolean | DARF angeben, ob dasselbe Modell und dieselben Eingaben ein konsistentes Ergebnis liefern sollen (Regel CAP-32CAP-32 Ein Parser MUSS deterministic (ein Boolean), effort (low, medium oder high) und temperature (eine Zahl von 0 bis 1) im config der ruml:ai-query-Payload eines Knotens akzeptieren, sowie systemPrompt im config der Root-Level-Payload.) |
effort | String | DARF angeben, wie viel Aufwand das Modell für die Query betreiben soll ("low", "medium", "high"), z.B. als Reasoning-Aufwand. Standard: "medium" (Regel CAP-32CAP-32 Ein Parser MUSS deterministic (ein Boolean), effort (low, medium oder high) und temperature (eine Zahl von 0 bis 1) im config der ruml:ai-query-Payload eines Knotens akzeptieren, sowie systemPrompt im config der Root-Level-Payload.). |
temperature | Number | DARF die Sampling-Temperatur für das LLM angeben (0.0–1.0) (Regel CAP-32CAP-32 Ein Parser MUSS deterministic (ein Boolean), effort (low, medium oder high) und temperature (eine Zahl von 0 bis 1) im config der ruml:ai-query-Payload eines Knotens akzeptieren, sowie systemPrompt im config der Root-Level-Payload.). |
KI-Modell
Das Feld model referenziert das KI-Modell (LLM) bzw. die Klasse von Modellen, welche zur
Auswertung verwendet werden soll. Die erlaubten Werte und ihre Bedeutung sind vom jeweiligen Tool
abhängig und nicht Teil dieses Standards. Das konkrete mit einem Wert assoziierte Modell, der
API-Endpunkt und die Prompt-Vorlage werden in den Tool-Einstellungen gespeichert, NICHT in der
RUML-Datei — es sei denn, das prompt-Feld liefert den Prompt-Text direkt inline. In diesem Fall
hat der inline prompt Vorrang vor der Tool-konfigurierten Vorlage.
Auswertungsregel
- Ein Knoten DARF sowohl
ruml:queryals auchruml:ai-querydefinieren (Regel CAP-33CAP-33 Ein Parser MUSS einen Leaf-Node akzeptieren, der sowohlruml:queryals auchruml:ai-queryhat.) - Wenn mehrere
decision-Capabilities am Knoten vorhanden sind, bestimmtdecisionModedie Kombinationslogik (siehe Kapitel 4.3) - Das LLM MUSS ein Ergebnis
true,falseoderundefinedzurückgeben - Bei
undefined(unentscheidbar) SOLLTEruml:actionsmitonUndefinedkombiniert werden
Beispiel — Vollständiger Knoten
"3": { "id": "6840b48d-117f-474e-ae4e-337b8e60537c", "label": "Begründung plausibel", "capabilities": [ { "id": "ruml:ai-query", "payload": { "model": "strong", "prompt": "Prüfe anhand der bereitgestellten Unterlagen, ob eine Härtefallbegründung plausibel ist. Antworte ausschließlich mit true, false oder undefined.", "description": "Prüft die Plausibilität der Härtefallbegründung anhand der Richtlinien und Beispielfälle", "inputs": { "context": [ "ctx_guidelines", "ctx_bsg_ruling", "ctx_example_approved_medical", "ctx_example_rejected_luxury" ], "dataPoints": ["dp_hardship_reason", "dp_annual_income"] }, "config": { "deterministic": true, "effort": "high", "temperature": 0.1 } } }, { "id": "ruml:actions", "payload": { "onUndefined": { "operation": "requestDecision", "ref": "manual_review_workflow", "config": { "recipient": "role:social-worker", "deadline": "P5D", "responseOptions": ["approve", "reject", "requestMoreInfo"] } } } } ]}Root-Level-Deklaration
Um ruml:ai-query in einer RUML-Datei zu verwenden, MUSS die Capability im
Root-capabilities-Array deklariert werden (Regel CAP-15CAP-15 Die id jedes Eintrags der capabilities eines Knotens MUSS in den Root-capabilities deklariert sein.). Das optionale config-Feld DARF einen
globalen systemPrompt enthalten, der bei allen AI-Query-Ausführungen in dieser Datei verwendet
wird:
"capabilities": [ { "id": "ruml:ai-query", "payload": { "config": { "systemPrompt": "Du bist ein rechtlicher Assistent. Analysiere die bereitgestellten Sachverhalte anhand der geltenden deutschen Rechtslage und antworte ausschließlich mit true, false oder undefined." } } }]| Feld | Typ | Beschreibung |
|---|---|---|
systemPrompt | String | DARF einen globalen System-Prompt definieren, der für alle ruml:ai-query-Ausführungen in dieser Datei gilt. Wenn ein Knoten zusätzlich ein prompt-Feld hat, wird der systemPrompt als System-Rolle übergeben und der node-spezifische prompt als User-Rolle (Regel CAP-32CAP-32 Ein Parser MUSS deterministic (ein Boolean), effort (low, medium oder high) und temperature (eine Zahl von 0 bis 1) im config der ruml:ai-query-Payload eines Knotens akzeptieren, sowie systemPrompt im config der Root-Level-Payload.). |