Dauer: 3.5 Wochen Tasks: 3 Ziel: Volltextsuche und semantische Suche als first-class Capabilities der Boilerplate etablieren. Meilisearch als Full-Text-Search-Engine (FTS) für Hot-Paths, Vector-Store mit Adapter-Pattern (pgvector als Default, Qdrant optional) für semantische Suche, plus generische Embedding-Pipeline die Outbox-Events konsumiert und beide Stores aktuell hält. Damit wird die Foundation für Chatbot V2 (Phase 07) geschaffen — RAG ohne diese Pipeline ist nicht realisierbar.

Warum diese Phase nach Phase 03

Outbox-Pattern (Task #42 aus Phase 03) ist Pflicht-Voraussetzung. Alle drei Tasks dieser Phase laufen async — sie konsumieren Outbox-Events (search.index, search.delete, rag.index) und reflektieren Änderungen aus dem Domain-Model in die externen Stores. Ohne Outbox riskieren wir Dual-Write-Probleme und Index-Drift zwischen Postgres und Meilisearch/Vector-Store.
Worker-Queues (Task #43 aus Phase 03) liefern den worker-general-Service, in dem die Indexer-Jobs laufen.
prismaWrite-Client / Read-Write-Split (Task #41 aus Phase 03) wird vom pgvector-Adapter genutzt, um Writes konsistent auf den Primary zu schicken.

Ohne diese Foundation würden wir Indexing synchron im Request-Path machen müssen — das produziert messbare Latenz, blockiert Tenants gegenseitig und bricht bei Service-Ausfall den Schreibpfad.

Warum diese Phase vor Phase 07

Chatbot V2 (07-chatbot/chatbot-v2.md) braucht eine funktionierende RAG-Pipeline:

Retrieval von tenant-scoped Wissensbasis-Snippets via semantischer Suche
Embedding-Provider-Abstraktion damit man pro Tenant zwischen OpenAI/Scaleway/Aleph-Alpha wählen kann
Vector-Store mit konsistentem Tenant-Scoping

Phase 04 liefert exakt diese drei Bausteine und blockt deshalb Chatbot V2 hart.

Task-Reihenfolge

Reihenfolge	Task-ID	Datei	Parallelisierbar mit
1	#48	`meilisearch.md`	#49 (unabhängige Pakete + unabhängige Container)
2	#49	`vector-store.md`	#48
3	#50	`embedding-pipeline.md`	— (braucht #48 für Search-Worker-Pattern und #49 für Vector-Upsert)

Dependency-Graph (intern)

                Phase 03 (Outbox #42, Worker-Queues #43, prismaWrite #41)
                                       │
                ┌──────────────────────┴──────────────────────┐
                ▼                                             ▼
        #48 meilisearch ──────────────┐         #49 vector-store
        (FTS, Indexer-Worker,         │         (Adapter-Interface, pgvector,
         Tenant-Filter, Bulk-Reindex) │          Qdrant, Backup-Strategy)
                                      │                       │
                                      └──────────┬────────────┘
                                                 ▼
                                       #50 embedding-pipeline
                                       (Provider-Abstraktion,
                                        Chunking, RAG-Worker,
                                        Retrieval-Helper, CLI-Backfill)
                                                 │
                                                 ▼
                                          Phase 07 Chatbot V2

#48 und #49 sind echte Parallelkandidaten — sie touchen unterschiedliche Packages (packages/search/ vs packages/vector-store/), unterschiedliche Container (Meilisearch vs Qdrant/pgvector-Extension) und unterschiedliche Worker-Job-Typen. Zwei Subagents können sie parallel implementieren.

#50 braucht beide. Insbesondere die im Vector-Store etablierten Helpers (embedAndUpsert, semanticSearch) sind die Bausteine, auf denen der RAG-Worker und der retrieveRelevantContext-Helper aufbauen.

Phase Done-Definition

Diese Phase ist completed wenn:

Alle 3 Tasks completed in PROGRESS.md
pnpm lint, pnpm typecheck, pnpm test global grün
packages/search/ und packages/vector-store/ exportieren stabile öffentliche APIs (in jeweils einer index.ts + Type-Exporten)
worker-general registriert mindestens die Job-Handler search.index, search.delete, search.bulk-reindex, rag.index
Outbox-Producer-Hooks für KB-Articles, CRM-Contacts, Rows, CRM-Notes feuern Events bei Create/Update/Delete
.env.example enthält neue Keys: MEILI_URL, MEILI_MASTER_KEY, QDRANT_URL (optional), AI_EMBEDDING_PROVIDER, AI_EMBEDDING_MODEL, AI_EMBEDDING_DIMENSIONS
Doku-Files vorhanden: docs/features/search.md, docs/features/vector-store.md, docs/features/rag.md
Staging-Deployment auf agent/phase-04-final deployed: Meilisearch- und Qdrant-Container laufen, Bulk-Reindex einmal erfolgreich ausgeführt
Integration-Test-Flow: KB-Artikel anlegen → Outbox-Event → Worker → Meilisearch-Hit innerhalb 2s und Vector-Store-Hit (Semantic-Query findet Artikel) innerhalb 5s
Tenant-Isolation-Test: Tenant A kann via Search/Semantic nie Dokumente von Tenant B sehen (positiv- und negativ-Test)
gsd-code-reviewer-Subagent hat alle Phase-04-Commits reviewed; Findings adressiert
Phase-Summary in dieser README.md ergänzt (siehe unten)

Phase Summary

(Wird nach Abschluss der Phase vom ausführenden Agent ergänzt.)

Lessons Learned

(Wird nach Abschluss ergänzt — insbesondere: Latenz-Erfahrungen mit Meilisearch vs Postgres-FTS, pgvector-HNSW-Tuning-Findings, Embedding-Provider-Cost-Vergleich, Chunking-Strategie-Findings.)

Verweise

Detail-MD-Template: ../DETAIL-MD-TEMPLATE.md
Agent-Workflow: ../AGENT-INSTRUCTIONS.md
Execution-Order: ../00-execution-order.md
Live-Status: ../PROGRESS.md
Vorgänger-Phase: ../03-scaling-infrastructure/README.md
Nachfolger-Phase (geblockt): ../07-chatbot/chatbot-v2.md