idea_world_labDEV JOURNAL
Mittwoch, 17. Juni 2026

2026-06-17 Godot LLM Entwicklungs‑Gesamtfahrplan

Fahrplan‑Bild

Godot LLM Entwicklungs‑Gesamtfahrplan

Kernablauf

Daten
-> Erster RAG‑Chatbot
-> SFT
-> DPO
-> SWE Agent

Der zentrale Punkt ist, zuerst einen RAG‑Chatbot zu erstellen, der ein Experte für die Godot‑Dokumentation ist, diesen Chatbot zu nutzen, um GitHub‑Daten zu labeln und aufzubereiten, und anschließend das Modell zu trainieren und zu einem SWE‑Agent auszubauen.

Schritt‑Zusammenfassung

Stage 0. Vorbereitungsphase

  • Zieldefinition
  • Umgebung einrichten
  • Umfang der Datensammlung festlegen
  • Werkzeuge entwickeln

Stage 1. Datensammlung und Strukturierung

  • GitHub‑Godot‑Projekte sammeln
  • Dateien wie .gd, .tscn, .tres, .cfg, project.godot, README usw. erfassen
  • Code‑Chunking, Extraktion von Szenen‑Node‑Einheiten, Extraktion von Konfigurations‑Datei‑Einheiten
  • Repository‑Metadaten, Dateibaum, Code‑Chunks, Szenen‑Chunks, Config‑Chunks, README/Docs‑JSONL erzeugen

Stage 2. Entwicklung des ersten RAG‑Chatbots

  • Einbetten der offiziellen Godot‑Dokumentation
  • Einbetten der Migrations‑Dokumentation
  • Indexierung der Class‑Reference
  • Frage → Suche → Antwort‑Pipeline entwickeln
  • Feinabstimmung der Antworten für Godot 3 → 4‑Konvertierung
  • Bewertung der Dokument‑QA‑Genauigkeit und der API‑Empfehlungs‑Genauigkeit

Stage 3. Daten‑Labeling und Datensatz‑Erstellung

  • Klassifizierung nach Godot 3/4/mixed/unknown‑Versionen
  • Extraktion der Zuordnung zwischen Godot 3‑API und Godot 4‑API
  • Erstellung von Transformations‑/Korrekturlösungen
  • Generierung von Instruction‑Frage‑Antwort‑Paaren
  • Erzeugung von DPO‑Preference‑Daten
  • Erstellung von Repository‑Explorer‑Daten
  • Erstellung von Patch‑Daten
  • Speicherung von Meta‑/Validierungsinformationen wie Testbarkeit, Godot‑Versions‑Kompatibilität, Verifikationsmethoden usw.

Stage 4. Modell‑Training

  • Basis‑Modell vorbereiten
  • SFT auf Basis des Instruction‑Datensatzes
  • DPO auf Basis des Preference‑Datensatzes
  • Bewertung von Klassifikations‑Genauigkeit, Transformations‑/Generierungs‑Genauigkeit, API‑Ablehnungsrate, Halluzinationen

Stage 5. Entwicklung des SWE‑Agents

  • Definition der Godot‑Projekt‑Aufgabentypen
  • Aufbau einer Datei‑Durchsuch‑/Bearbeitungs‑Werkzeug‑ und Godot‑CLI‑Testumgebung
  • Sammlung von Trajektorien‑Daten
  • Trajektorien‑basiertes SFT/DPO
  • Validierung und Bewertung anhand realer Godot‑Projekte
  • Bereitstellung als API/Chatbot/Plugin und kontinuierliche Feedback‑Sammlung

Stage 6. Kontinuierliche Verbesserung

  • Fortlaufende Sammlung neuer Projekt‑/Dokumentations‑Daten
  • Modell‑Nachtraining
  • Leistungs‑Monitoring
  • Erweiterung um Plugin‑/IDE‑Integration und weitere Funktionen

Zielkompetenzen des SWE‑Agents

  • Projektanalyse und Problemidentifikation
  • Suche und Verständnis benötigter Dateien
  • Code‑Änderungen und Patch‑Erstellung
  • Testen mit der Godot‑CLI und Ergebnis‑Validierung
  • Analyse von Fehlursachen und erneute Anpassungen
  • Sicherstellung, dass das Projekt letztlich einwandfrei läuft.