Architektur

Pipeline & Value Objects

Der Kern von Open Ticket AI ist seine Verarbeitungspipeline:

[ Eingehendes Ticket ]
       ↓
[ Preprocessor ] — bereinigt & führt Betreff+Text zusammen
       ↓
[ Transformer Tokenizer ]
       ↓
[ Queue Classifier ] → Queue-ID + Konfidenz
       ↓
[ Priority Classifier ] → Prioritäts-Score + Konfidenz
       ↓
[ Postprocessor ] — wendet Schwellenwerte an, leitet weiter oder markiert
       ↓
[ Ticket System Adapter ] — aktualisiert Ticket über REST API

Jede Stufe in dieser Pipeline konsumiert und produziert Value Objects (z. B. subject, body, queue_id, priority). Dieses Design macht die Pipeline modular und einfach durch benutzerdefinierte Verarbeitungsschritte oder neue Value Objects erweiterbar.

Pipeline-Komponenten

• Pipeline – Ein Container, der eine Sequenz von Pipes ausführt. Er steuert den Gesamtstatus und stoppt die Ausführung, wenn eine Pipe einen Fehler meldet.
• Pipe – Ein einzelner Verarbeitungsschritt, der eine process()-Methode implementiert. Pipes erben vom Providable-Mixin, sodass sie aus dem Dependency-Injection-Container erstellt werden können.
• PipelineContext – Ein Pydantic-model, das an jede Pipe übergeben wird. Es speichert die Ticket-ID, von Pipes erzeugte beliebige Daten und Metainformationen wie den aktuellen Pipeline-Status. Pipes lesen und schreiben in dieses Kontextobjekt, um Daten auszutauschen.

Systemdiagramme

Anwendungsklassendiagramm

Übersichtsdiagramm