Roadmap - FIM One

Goal: Build an all-in-one agent platform for Global × China enterprises — delivered through three progressive modes: Standalone (portal assistant), Copilot (embedded in host system), Hub (central cross-system orchestration). Principles: Provider-agnostic (no vendor lock-in), minimal-abstraction, protocol-first, connector-first (integration is the core value).

Produktvision

FIM One ist eine All-in-One-Agent-Plattform, die drei progressive Liefermodi unterstützt:

Standalone   → Your own AI assistant (Portal)
Copilot      → AI embedded in a host system (iframe / widget / embed)
Hub          → Central cross-system orchestration (Portal / API)

Cross-System-Orchestrierung ist der Kernunterscheidungsfaktor. Unternehmenskunden haben Legacy-Systeme — ERP, CRM, OA, Finance, HR — die über KI miteinander kommunizieren müssen: GTM-Pfad: Land and Expand

Schritt	Modus	Was passiert
Land	Copilot	In ein System einbetten, Mehrwert in ihrer Benutzeroberfläche nachweisen
Expand	Copilot → Hub	Auf weitere Systeme ausrollen; Hub-Modus aggregiert diese

Bekannte Probleme

Nachverfolgter Fehler, die in der Produktion reproduzierbar sind, aber noch nicht behoben wurden. Jeder Eintrag benennt das Symptom, den vermuteten Bereich und die Problemumgehung (falls vorhanden). Elemente werden in einen Versionsabschnitt verschoben, sobald eine Behebung geplant und terminiert ist.

Playground-Stopp-und-Wiederholung zeigt vorübergehende visuelle Artefakte, die ein Seitenaktualisierung immer behebt. Drei gleichzeitige Render-Quellen — activeConversation.messages (DB-Snapshot), der SSE-messages-Stream und der optimistische pendingQuery-Platzhalter — werden nicht in einen einzelnen abgeleiteten Zustand zusammengefasst, daher kann die Benutzeroberfläche zwischen dem Klick auf „Wiederholung” und dem Eintreffen der gepaarten Assistentenantwort (a) kurzzeitig die gleiche Abfrage zweimal im Vor-Stream-Fenster rendern, (b) vorherige verwaiste Benutzerblasen aus dem Wiederholungsverlauf löschen, während hasLiveMessages wahr ist und bevor der Snapshot neu geladen wird, und (c) im engen Fenster zwischen dem SSE-„done”-Ereignis und der nächsten selectConversation-Aktualisierung flackern. Daten gehen nie verloren — jede Benutzernachricht (einschließlich abgebrochener Wiederholungen) wird in conversation.messages beibehalten, über normalize_alternating_messages in den nächsten LLM-Aufruf übertragen und nach der Aktualisierung über HistoryTurn.orphanUserContents, das in der 48ba08c6-Render-Behebung eingeführt wurde, korrekt gerendert. Zum Kontext: Claudes eigene Web-Benutzeroberfläche weist eine analoge Fehlerklasse auf — das Stoppen mitten in einer Antwort und das sofortige Senden einer Folgefrage verzweigt die Folgefrage manchmal als Sibling-Edit-Zweig der ersten Abfrage, anstatt sie als neuen Turn anzuhängen — daher ist dies ein bekanntes schwieriges Problem in optimistischen-UI + SSE + persistiertem-Verlauf-Designs, kein FIM-One-spezifischer Fehler. Eine ordnungsgemäße Behebung erfordert das Zusammenfassen der drei Render-Quellen in einen einzelnen abgeleiteten Zustand; aufgeschoben bis zu einer umfassenderen Playground-Zustandsmaschinen-Umgestaltung.

Backlog (Low Priority)

Aufgeschobene Härtung — nicht blockierend; nur aufgreifen, wenn das entsprechende Szenario auftritt.

DAG evidence gets its own truncation budget, decoupled from DAG_ANALYZER_TRUNCATION, so source evidence isn’t re-clipped by the summary budget before the analyzer/synthesis verify against it.
Structure-aware evidence truncation (head+tail / keep lists & tables) so long enumerations survive the cap instead of silently losing their tail.
Port the source-fidelity guideline into the ReAct fallback synthesis prompt so total/severity mislabels are caught in ReAct too, not only in DAG.

Ausgelieferte Versionen

v0.1 (2026-02-22) — MVP: ReAct + DAG Planner

ReActAgent mit Tools (calculator, python_exec, web_search)
DAG Planner (LLM generiert Abhängigkeitsgraphen)
Portal UI mit Streaming + KaTeX

v0.2 (2026-02-24) — Multi-Model + Memory

Retry / rate limiting / usage tracking
Native function calling (no JSON-only parsing)
Multi-model support (fast + main LLM)
Memory: WindowMemory, SummaryMemory
FastAPI backend with SSE streaming

v0.3 (2026-02-25) — Web Tools + MCP

Web tools (web_search, web_fetch) via Jina/Tavily/Brave
File operations tool
MCP client (standard tool integration)
Tool auto-discovery + categories
DAG visualization with click-to-scroll
Code exec in Docker (--network=none)

v0.4 (2026-02-25) — Multi-Turn + Agents

Multi-Turn-Konversationen (DbMemory)
Tool-Schritt-Faltungs-UI
HTTP-Request- und Shell-Exec-Tools
Verwaltung von Agenten (erstellen, konfigurieren, veröffentlichen)
JWT-Authentifizierung
Ausführungsmodus pro Agent + Temperaturkontrolle

v0.5 (2026-02-28) — Full RAG + Grounded Gen

Vollständige RAG-Pipeline (Embedding + Vektorspeicher + FTS + RRF + Reranker)
Grounded Generation (Zitationen, Konfidenzwerte)
Wissensdatenbank-Dokumentverwaltung (CRUD, Suche, Wiederholung, Schemamigration)
ContextGuard + angeheftete Nachrichten (Token-Budget-Manager)
DbMemory-Persistierung + LLM Compact
DAG Re-Planning (bis zu 3 Runden)

v0.6 (2026-03-01) — Connector Platform

Connector CRUD: create, read, update, delete
ConnectorToolAdapter: converts Connector → BaseTool
Per-user credentials: AES-GCM encryption
Confirmation gate: write operation approval
Audit logging: all tool calls recorded
Circuit breaker: graceful degradation on failures
Utility tools: email_send, json_transform, template_render, text_utils
Embedding options: Jina, OpenAI, custom providers

v0.7 (2026-03-06) — Admin Platform + Multi-Tenant

Admin Platform: Benutzerverwaltung, Rollenwechsel, Passwort-Zurücksetzen, Konto aktivieren/deaktivieren
Nur-auf-Einladung-Registrierung: drei Modi (offen/Einladung/deaktiviert) + Einladungscode CRUD
Speicherverwaltung: Festplattennutzung pro Benutzer, Löschen, verwaiste Bereinigung
Gesprächsmoderation: Admin-Liste/Löschen aller
Erzwungenes Logout pro Benutzer: alle Token widerrufen
API-Health-Dashboard: Systemstatistiken, Connector-Metriken
First-Run-Setup-Assistent: geführte Admin-Kontoerstellung
Personal Center: globale Anweisungen pro Benutzer, Spracheinstellung
JWT auth: Token-basierte SSE-Authentifizierung, Gesprächseigentümerschaft
Global MCP servers: von Admin bereitgestellt, in allen Sitzungen geladen
Rückwärtskompatibilität: registration_enabled → registration_mode automatische Migration

v0.7.x (2026-03-07 bis 2026-03-12) — Stabilität + Verfeinerungen

Invite-Code-Verwaltung
Pro-Benutzer-Kontingente (429-Durchsetzung)
Strukturiertes Audit-Logging
Filterung sensibler Wörter
Admin-Anmeldungsverlauf
Admin-Dateibrowser
Erweiterte Admin-Ansichten (Felder model_name, tools, kb_ids)
Docker-Compose-Bereitstellung (einzelnes Image, benannte Volumes)
OAuth-Autoekennung von window.location
Unterstützung für erweitertes Denken / Reasoning (LLM_REASONING_EFFORT, LLM_REASONING_BUDGET_TOKENS) für OpenAI o-Serie, Gemini 2.5+, Claude
Admin pro Werkzeug aktivieren/deaktivieren (deaktivierte Werkzeuge zur Laufzeit aus Chat ausgeschlossen)
MCP-Server-Verwaltung auf Connectors-Seite verschoben
Duale Datenbankunterstützung: SQLite (Null-Konfiguration Standard) + PostgreSQL (Produktion); Docker Compose stellt PostgreSQL automatisch bereit
Dokumentationsseite zur Modellkonfiguration mit Extended-Thinking-Setup pro Anbieter
SSE-Protokoll v2: Echtzeit-Antwort-Streaming mit Feldern delta_reasoning, usage und aufgeteilten Events done/suggestions/title/end; SQLite-Pool-Größe 5 -> 20
AI-Builder-Erweiterung: 7 neue Builder-Tools (GetSettings, TestConnection, ImportOpenAPI für Connectors; ListConnectors, AddConnector, RemoveConnector, SetModel für Agents), Flag is_builder auf Agents, automatische Builder-Prompt-Aktualisierung, SSRF-Schutz
SSE-v2-Frontend: Streaming-Punkt-Puls-Cursor, DAG-Neuplanungs-Runden-Snapshots als einklappbare Karten, DAG-Layout entkoppelt von Schrittstatusangaben
Konzeptdokumentationsseite für AI Builder mit Connector- und Agent-Builder-Leitfäden
Organisationssystem: vollständige CRUD-Operationen mit rollenbasierter Mitgliedschaft (Besitzer/Admin/Mitglied), Admin-Verwaltungs-UI
Dreistufige Ressourcensichtbarkeit (persönlich/Org/global) für Agents, Connectors, Knowledge Bases, MCP-Server
Veröffentlichungs-/Unveröffentlichungs-API für alle Ressourcentypen; Besitzerdelegation für veröffentlichte Agents
Admin-Sichtbarkeitendpunkt (ersetzt Clone-to-Global); einheitlicher build_visibility_filter()-Abfrage-Helfer
Datenbank-Connectors (Phase 1-3): direkter SQL-Zugriff auf PG/MySQL/Oracle/SQL Server + chinesische Legacy-DBs; Schema-Introspection, KI-Annotation, schreibgeschützte Abfrageausführung, verschlüsselte Anmeldedaten, 3 Tools pro Connector (list_tables, describe_table, query)
Evaluation Center: quantitatives Benchmarking der Agent-Qualität — Test-Dataset-CRUD (Prompt + erwartetes Verhalten + Assertions), Eval-Läufe (parallele Ausführung + LLM-Grader + pro-Fall Pass/Fail/Latenz/Token-Ergebnisse), Ergebnis-Viewer mit automatischem Polling; Migration r8t0v2x4z567
Drei Modellrollen (General/Fast/Reasoning) mit isolierter Pro-Tier-Umgebungskonfiguration; Fast-Modell erbt nicht länger Hauptmodell-Einstellungen
StepOutput-Dataclass ersetzt einfache String-Schrittergebnisse für strukturierte Daten und Artefakt-Übergabe
Tool-Cache für DAG-Ausführung — identische Tool-Aufrufe pro Lauf gecacht mit asynchroner Lock-Stampede-Verhinderung (DAG_TOOL_CACHE)
Pro-Schritt-LLM-Verifizierung mit 1 Wiederholung bei Fehler (DAG_STEP_VERIFICATION)
Auto-Routing: schnelles LLM klassifiziert Abfragen als ReAct oder DAG; Endpunkt /api/auto; Frontend-3-Wege-Modusumschalter (AUTO_ROUTING)
~~Shadow-Market-Organisation + Ressourcen-Abos~~: Integrierte Market-Org (Shadow, kein automatischer Beitritt) ersetzt Platform-Org; Ressourcen über Marketplace-Browsing erkannt und explizit abonniert (Pull-Modell); Market-API zum Abonnieren gemeinsamer Ressourcen; Veröffentlichung auf Market erfordert immer Überprüfung; Ressourcen-Abos-Tabelle; Org-basierte Ressourcenfreigabe ersetzt globale Sichtbarkeit
~~Agent-Autoekennung und Sub-Agent-Bindung~~: Flag discoverable auf Agents; Whitelist sub_agent_ids; CallAgentTool zum Delegieren von Aufgaben an Spezial-Agents
~~MCP-Server-Anmeldedaten + Pro-Benutzer-Überschreibung~~: Tabelle mcp_server_credentials; Endpunkt PUT /api/mcp-servers/{id}/my-credentials; Flag allow_fallback für Anmeldedaten-Fallback-Verhalten
~~Connector/KB-Umschalter~~: POST /api/connectors/{id}/toggle und POST /api/knowledge-bases/{id}/toggle zum Aussetzen/Fortsetzen von Ressourcen
~~Eigenständige KB-Konversationen~~: Feld kb_ids auf Konversationen für direkten KB-Chat ohne Agent-Bindung

v0.8 (2026-03-20) — Connector Declarative Config + Progressive Disclosure

v0.8.1 (2026-03-29) — Progressive Disclosure Maturity + ReAct Hardening

Progressive Disclosure für DB-Konnektoren (DatabaseMetaTool), MCP-Server (MCPServerMetaTool) und bedarfsgesteuerte Tool-Auswahl (request_tools Meta-Tool)
DAG-Qualitätsüberholung (5 Verbesserungen: Modell-Upgrade, automatische Skill-Erkennung, Zitierverifizierer, strukturierte Inhaltsbewahrung, domänengesteuerte Weiterleitung)
Domänen-Modell-Eskalation in ReAct (spezialisierte Domänen eskalieren automatisch zum Reasoning-Modell)
Pro-Modell Native Function Calling Toggle (tool_choice_enabled)
ReAct-Zyklenerkennung (deterministische Verhinderung doppelter Tool-Aufrufe)
ReAct-Abschluss-Checkliste (Vorüberprüfung vor Antwort, wenn Tools verwendet wurden)
Resource Fork Phase 1 (MCP Server + Skill Fork Endpunkte mit Abstammungsverfolgung)
Workflow-Verbindungs-Abhängigkeits-Automatisches-Abonnement (rekursive Abhängigkeitsauflösung von Unter-Workflows)
Vorgefertigte Lösungsvorlagen (8 vertikale Lösungen beim ersten Registrieren auf dem Markt bereitgestellt)
Verbesserungen bei Admin-Benachrichtigungen (zeitzonenbewusst, Master-Schalter, SMTP Reply-To)
Pro-Turn Token-Budget Schaltkreisunterbrecher (REACT_MAX_TURN_TOKENS)
Zentralisierte Tool-Kürzung, dynamische Systemaufforderungs-Budgetierung
Dateianhang-Download, Behebung doppelter Nachrichtenübermittlung

v0.8.2 (2026-04-10) — Agent Core Hardening + Vision Documents

Agent Core Phase 0 — Compact prompt upgraded to 9-section structured format; empty tool result protection (descriptive message instead of (no output)); anti-loop prompt + cycle detection threshold lowered to 2; domain classifier + pre-flight DB config resolution parallelized (400–1100 ms saved per request); SSE end event sent immediately after answer, with title/suggestions moved to background tasks
Agent Core Phase 1 (Context Anti-Bloat) — MicroCompact rule-based old tool result cleanup (keep last 6); REACT_TOOL_RESULT_BUDGET=40000 aggregate cap; reactive compact on context overflow (auto-compact to 50% budget and retry instead of crashing)
Agent Core Phase 2 (Speed) — Keyword-based tool pre-selection (skips LLM call on obvious matches, 200–500 ms saved); SharedHttpClient LLM connection pooling; completion check skipped for answers >200 tokens; FallbackLLM wraps primary+fast with automatic failover on 429/503/529/connection errors
Intelligent Document Processing (Vision-Aware) — Adaptive document handling: PDF pages rendered as images via PyMuPDF for vision-capable models (GPT-4o, Claude 3/4, Gemini), text-only fallback via pdfplumber. Per-model supports_vision flag. Modes via DOCUMENT_PROCESSING_MODE, DOCUMENT_VISION_DPI, DOCUMENT_VISION_MAX_PAGES. DOCX/PPTX embedded image extraction. Multi-turn vision persistence across conversation turns. Smart PDF processing (text-rich pages extract text + images; scanned pages render as full-page PNG). Pre-built sandbox image (Dockerfile.sandbox) with common data-science packages for --network=none code execution
Resource Fork completion — Agent / Connector / Workflow fork endpoints added, completing the five-type lineage tracking (KB fork removed — inherently user-local)
File integrity guardrail — System prompt rule prevents the agent from substituting unrelated file contents when a target file is unreadable; uploaded files now include file_id in message context for direct read_uploaded_file access

v0.8.3 (2026-04-16) — Universal Document Conversion + Agent Core Phase 3

Universal Document Conversion (convert_to_markdown + OCR) — Built-in Agent tool wrapping Microsoft MarkItDown; converts PDF, Word, Excel, PowerPoint, HTML, JSON, CSV, XML, ZIP, EPUB, Outlook .msg, images, audio, YouTube URLs to Markdown. LiteLLMOpenAIShim enables OCR via any vision-capable LLM (Claude, Gemini, Bedrock, Azure). Vision-aware RAG ingestion with zero-regression text-only fallback. LLM_SUPPORTS_VISION env var for opt-out
Agent Core Phase 3 (Runtime Invariant Hardening) — Conversation recovery (dangling tool_use auto-repair); structured compact work card (WorkCard typed merge across compaction rounds); turn-level profiler (REACT_TURN_PROFILE_ENABLED); per-user rate limiting (LLM_RATE_LIMIT_PER_USER); empty-content assistant message with tool_calls no longer dropped

v0.8.4 (2026-04-17) — Prompt Cache + Reasoning Correctness

System prompt section registry with cache breakpoints — Memoized PromptRegistry splits system prompts into stable prefix + dynamic suffix; cache-capable providers (Claude, Bedrock Anthropic, Vertex Claude) receive cache_control: {"type": "ephemeral"} on the prefix for ~60-80% per-turn input token savings. Non-cache providers get a single concatenated message (zero behavior change)
Prompt cache observability — cache_read_input_tokens and cache_creation_input_tokens tracked through UsageSummary → TurnProfiler → done_payload.cache field. Structured turn_cache log line per turn. Doubles as relay cache-honesty probe
Conversation recovery MVP — Synthetic tool_result rows persist after interrupted turns; POST /chat/resume replays cached SSE events from a monotonic cursor; frontend useSseResume hook auto-reconnects with exponential backoff (300ms → 1s → 3s, max 3 attempts) and “Reconnecting…” indicator
Thinking-block persistence with signature — reasoning_content + Anthropic signature persisted in metadata_["thinking"] and replayed on subsequent turns; fixes HTTP 400 signature mismatch on Claude 4 multi-turn conversations
Provider-aware reasoning replay policy — Centralized reasoning_replay_policy() in core/prompt/reasoning.py gates serialization per provider family: Claude replays thinking blocks with signature; DeepSeek-R1/Qwen-QwQ/Gemini-thinking/o-series drop reasoning_content on outbound (previously leaked, breaking provider KV caches and violating API docs)

v0.8.5 (2026-04-23) — Channel Integration + Hook System + Contributor i18n

Feishu Channel (Phase 1 subset) — Org-scoped Channel resource with Fernet-encrypted credentials; FeishuChannel supports interactive card send + callback (signature verification + URL challenge); Settings → Channels management UI (list, create/edit with dirty-state protection, details with copyable callback URL, test-send); CRUD API (/api/channels) and event callback endpoint (/api/channels/{id}/callback). Shipped early for 2026-04-24 roadshow
Agent Hook System (live in ReAct + DAG runtime) — PreToolUseHook / PostToolUseHook abstraction in src/fim_one/core/hooks/; agents declaring hooks.class_hooks in model_config_json have hooks instantiated and registered per chat session. First consumer FeishuGateHook posts an Approve/Reject card to the linked Feishu group when an agent calls a requires_confirmation=True tool, blocks execution, and resumes or aborts based on verdict
Configurable confirmation gate (inline OR channel) — Every agent gets an Approval section with three routing modes (Auto / Inline only / Channel only), approver-scope selector (initiator / owner / anyone in org), per-tool override, and explicit approval-channel picker. Auto mode gracefully falls back to an inline approval card when no channel is linked. POST /api/confirmations/{id}/respond shares a single decision-recording path with the Feishu webhook
Per-agent task completion notifications — Long-running ReAct or DAG agents can push a summary card to the org’s channel when a task finishes. First consumer of the generic outbound notification pattern
Hook Approval Playground — Channels details sheet has a “Test Approval Flow” action that exercises the full production path (genuine ConfirmationRequest row, real Feishu callback, status transitions) — same code path a production hook uses
Contributor-friendly i18n CI fallback — .github/workflows/i18n-sync.yml translates EN → ZH/JA/KO/DE/FR on master after PR merge and auto-commits with [skip ci]; contributors no longer need LLM_API_KEY locally. Pre-commit locale-edit guard refuses manual edits to generated locale files (ALLOW_LOCALE_EDIT=1 override for legitimate translation fixes). End-to-end verified via smoke-test push
Exa integration docs — Dedicated Integrations section with a first-class Exa page covering the full Exa search surface (neural / fast / deep-reasoning / instant), filtering, content retrieval, and three tuned presets
Xinchuang (信创) database support — Database Connector now lists KingbaseES (人大金仓), HighGo (瀚高), and DM8 (达梦) alongside PostgreSQL/MySQL. PG-compatible drivers reuse asyncpg; DM8 uses dmPython. scripts/test_xinchuang_dbs.py verifies live connectivity from the CLI
Channels + Hook System architecture docs — docs/architecture/hook-system.mdx explains the three hook points and walks through FeishuGateHook end-to-end; existing architecture pages cross-link; README lists Messaging Channels as a first-class capability
Hardening — Duplicate Feishu callback clicks produce a replacement card instead of double-deciding; concurrent callback clicks resolved via conditional UPDATE ... WHERE status='pending' rowcount check; pending approvals auto-expire after CHANNEL_CONFIRMATION_TTL_MINUTES (default 24h) via background sweeper; Settings → Channels respects org role (members see read-only UI); parallel tool-call aggregator handles providers that reuse index=0 for every delta; session-expiry redirect preserves query string

Stripe billing MVP — Free + Pro tiers; Checkout, Customer Portal, webhook lifecycle; /settings?tab=billing; admin plan/subscription CRUD; quota enforcement respects each user’s plan
Admin-controlled billing feature flag — system_settings.billing_enabled gates the entire Stripe pipeline so private deployments without Stripe credentials never surface a non-functional payment UX
Per-user unlimited quota — empty inherits global default, 0 grants unlimited; previously both collapsed into the same state
Translation glossary as single source of truth — scripts/translation-glossary.md consolidates per-locale rules; pre-commit unconditionally refuses manual edits to generated locale files
License + governing law migrated to FIM Labs Pte. Ltd. (Singapore); SIAC arbitration in English; new top-level NOTICE file
Playground follow-up suggestions restored, opt-in per agent
Stability fixes — strict-alternation provider history, parallel tool-call boundary detection, unbound-agent confirmation flow, channel role gating, retry-duplicate suppression, post-rejection no-paraphrase

v0.8.7 (2026-06-10) — Security Hardening + Guardrails v0 + Billing Correctness

JWT token-type confinement — closes a 2FA bypass where any same-signed token (temp/refresh/ticket) could authenticate API and SSE endpoints
OAuth hardening — email auto-link requires a provider-verified email (account-takeover fix); OAuth refresh tokens stored hashed so session rotation works
Content guardrails v0 — input/output tripwire layer (core/agent/guardrail); ships jailbreak detector + max-length output guardrail, env-var configured
file_ops.apply_patch — V4A diff patches with fuzzy whitespace matching, complements find_replace
Billing-cycle correctness — quota resets on the subscription anniversary (not calendar month); renewals advance the period via authoritative Stripe lookup; usage display aligned to the enforcement window
Reliability fixes — pseudo-protocol tool-call leak stripped from answers; tunable HTTP keep-alive ends APIConnectionError bursts; API-key usage stats persist on read-only requests
Billing tab visual overhaul — full-width, consistent with other Settings tabs

v0.8.8 (2026-06-22) — SSRF Hardening + Reliability & Reasoning Fixes

SSRF hardening — blocklist unwraps IPv4-mapped IPv6 (::ffff: instance-metadata bypass); MCP SSE/Streamable-HTTP server URLs SSRF-validated on create + connect
LLM reliability — shared HTTP pool self-heals after a LiteLLM client-cache eviction closes it; chat sends stream instantly (history folded in background, no full reload)
Anthropic adaptive-thinking protocol for Opus 4.6+/Sonnet 4.6/Fable 5 — extended thinking works where the old fixed-budget param 400s on 4.7/4.8; warns on OpenAI-proxy misroute
Reasoning detail preserved end-to-end — genuine final answer streamed verbatim; survives compaction, context rebuilds, and sub-agent steps (no lossy re-synthesis)
PreToolUse enforcement hooks fail closed on error — a crashing approval gate no longer silently allows the call; non-enforcement hooks keep fail-open via fail_open
Force-logout timestamp comparison normalized to UTC by conversion + Docker Compose POSTGRES_* credential override (no shipped fim:fim default)

Geplante Versionen

Neu geplant 2026-07-08: FIM One ist eine Agent-Runtime — ein Kernel (ReAct-Engine, Anmeldedaten, Approval Gate, Audit, Multi-Tenant-Orgs) hinter mehreren Delivery-Oberflächen: Web UI, API, JS Embed, MCP Output. Jede Oberfläche nutzt dieselbe Assembly-Schicht für Auth, Anmeldedaten, Approval und Metering: mehr Frontends, nie mehr Logik. Die kurzfristige Richtung ist Konvergenz auf den Data-Q&A-Slice (ChatBI), Verkauf von Szenarien statt einer Plattform.

v0.9 — Connector Fences + Scenario Onboarding

Ziel: Die nach der Reduktion zusammengestellten Assets bilden ein vollständiges Daten-Q&A-Produkt — Read-only-DB-Konnektoren + Fences + Approval Gate + IM-Eintrag. Tier-1-Fences wandeln Sicherheitsschulden in Produktfunktionen um.

DB Connector Fences — Tier 1, drei PRs

PII-Spaltenredaktion (ConnectorScopeGuard PreToolUse Hook)
Sichtbarkeit des Schemas — Tabellen-/Spalten-Allow-Deny + Verb-Blocking (Read-Only-Durchsetzung)
Fence-Auditierbarkeit — caller_user_id, effective_credential_source, scope_rules_applied in ConnectorCallLog
Pro-Hook-Konfigurationsweiterleitung ({"name", "config"} Schema) — der Träger für ScopeGuard-Regeln
Genehmigungsgates bleiben über Delegation erhalten — call_agent und Workflow-AGENT-Knoten führen die eigenen Hooks des Agenten aus, anstatt keine auszuführen

Szenario-Onboarding

Der erste Start beginnt mit einer Szenariovorlage (solution_seeds) statt einer leeren Workbench
Die Docs-Landingpage führt mit drei vertikalen Szenariogeschichten statt einer Modulreferenz an
Eine Szenariovorlage pro abgeschlossenem Engagement destilliert — der Wettbewerbsvorteil liegt in Szenario-Assets × Liefergeschwindigkeit

v0.10 — Two Mouths: JS Embed + IM Inbound

Ziel: Die zwei verkaufbarsten Lieferflächen, beide auf demselben Kernel und der gleichen Assembly-Schicht.

JS bubble / iframe embed — ein Snippet in ein Host-System; anonyme Besucher-Identität + Abrechnungszuordnung vor dem Build entschieden
Feishu inbound @mention — Agenten leben in der Gruppe: Daten abfragen, Datei-Genehmigungen, Verfolgungsflows
Outbound-Muster: Fehlerwarnungen, Budgetwarnungen, geplante Digests, Eskalation, Audit-Quittungen
WeCom / DingTalk channels nach Feishu

Geparkt — signalgesteuert

Starten Sie diese nicht ohne ihren Auslöser (siehe Neuplanung §3): Das MCP-Gateway wartet auf ≥2 unaufgeforderte „Mount your tools in my agent”-Anfragen; Kanalisierung wartet auf eine Implementiererfrage zur Lizenzierung; IdP/OrgSync wartet auf Kundenpull; der Rest wartet auf ein geliefertes Engagement, das sie benötigt.

Aus dem Pre-Replan v0.9 Plan ausgeliefert

v1.0 — Hot-Plug + Embeddable

Ziel: Connector-Hinzufügung ohne Neustart, Package-Ökosystem und eingebettete Bereitstellung. Auswirkung: Unternehmen stellen FIM One von Null bis Multi-System-Orchestrierung in Tagen bereit. Package-System schafft ein Creator-Ökosystem — Solution-Autoren veröffentlichen zusammengesetzte Bundles (Skill + Agents + Connectors + KBs + Workflows), Unternehmen installieren mit einem Klick, Creator verdienen durch Adoption. Install/Fork-Dualität deckt sowohl „As-Is verwenden” als auch „Aus Template anpassen” Anwendungsfälle in einem einzigen Mechanismus ab.

Eingefrorene Funktionen (Ausgeliefert, nur Wartung)

Gemäß der Orthogonality Strategy sind diese Funktionen ausgeliefert und funktionieren, erhalten aber keine neuen Funktionen (nur Fehlerbehebungen):

Funktion	Version	Grund für Einfrieren
ReAct Agent	v0.1, v0.9	Modelle haben jetzt natives Tool Calling. Mid-Loop Self-Reflection (v0.9) verhindert Goal Drift in langen Ketten. Tool Observation Synthesis Qualität verbessert (8K Zeichen, konfigurierbar über `REACT_TOOL_OBS_TRUNCATION`)
DAG Planning / Re-Planning	v0.1, v0.5, v0.7.5	Modell-Reasoning-Fähigkeiten verbessern sich; Dekomposition wird Single-Shot. Per-Step Verification in v0.7.5 ausgeliefert (`DAG_STEP_VERIFICATION`). Gehärtet: Cascade Failure Propagation, Verifier Status Fix, Planner Tool Descriptions, vollständige Replan History, Whitelist-basierter Tool Cache. 14 Engine Constants als ENV Vars verfügbar — keine weiteren Planning Primitives geplant
Memory (Window, Summary, Compact)	v0.2, v0.5	Context Windows wachsen (200K+); weniger Bedarf für externes Memory Management
RAG Pipeline	v0.5	Provider bauen Retrieval nativ ein (OpenAI file_search, Gemini Search Grounding)
Grounded Generation	v0.5	Modelle verbessern sich bei Citations; 5-Stage Pipeline bringt abnehmenden Nutzen
ContextGuard / Pinned Messages	v0.5	Wird wie vorhanden ausgeliefert; keine neuen Funktionen

Überlegung (Auf unbestimmte Zeit aufgeschoben)

Gemäß der Orthogonalitätsstrategie würden diese einen hohen Aufwand erfordern und einem Absorptionsrisiko ausgesetzt sein:

Feature	Grund für Aufschub
Multi-Agent-Orchestrierung (tiefe Hierarchien)	Anbieter bauen nativ (OpenAI Swarm, Google A2A und ähnliche Multi-Agent-Angebote). FIM One’s CallAgentTool deckt den Ein-Ebenen-Delegationsfall ab; ereignisgesteuerte Hintergrund-Agenten werden durch Scheduled Jobs in v0.9 abgedeckt
Agent Self-modifying Skills (Procedural Memory)	Agenten aktualisieren ihre eigene `skill.md` während der Ausführung — hohe Komplexität, Sicherheits-/Audit-Oberfläche. Hängt davon ab, dass das Agent Skill System (v0.8) zuerst ausgeliefert wird. Neu bewerten, wenn Unternehmenskunden explizit selbstverbessernde Agenten anfordern
~~Agent Workspace (Tool Output File Offloading)~~	Befördert zu v0.9. Der Wert liegt in selektivem Lesen, nicht in Kontextkapazität — frameworkübergreifende Validierung bestätigt. Ursprüngliche Aufschublogik („200K+ Fenster reduzieren Dringlichkeit”) war falsch.
Cross-Session Long-Term Memory	Kontextfenster wachsen schnell (200K–2M); Anbieter fügen integriertes Memory hinzu (OpenAI memory, Gemini context caching); hohe Implementierungskosten vs. sinkender Differenzierungswert. Neu bewerten, wenn Unternehmenskunden es explizit anfordern
Memory Lifecycle (TTL, Kontingente)	Hängt von Cross-Session Memory ab; zusammen aufgeschoben
Active Context Compression Tool (agentgesteuert)	Explizit eingefroren mit ContextGuard (v0.5). Kontextfenster bei 200K+ reduzieren den Wert. Wird nicht erneut überprüft, es sei denn, Kontextkosten werden zu einer großen Unternehmensbeschwerde
Browser-Automatisierung / Computer Use	Hohe Wartungskosten (DOM-Änderungen, Anti-Bot, Sandboxing). Industrie konvergiert zu Computer Use Mode (Anthropic, OpenAI Operator, Google Mariner) und MCP-Browser-Tools (Puppeteer/Playwright MCP). Über MCP-Integration nutzen, nicht selbst bauen. Neu bewerten, wenn stabiler Computer Use MCP Standard entsteht
Web Push Notifications	Browser-natives Push über Service Worker + VAPID. Überlappt mit IM Channel Integration (v0.8), die unternehmensgenutzte Kanäle abdeckt (Lark/Slack/WeCom/Email). IM-Push hat höheren Unternehmenswert; Web Push ist ein Nice-to-Have für Portal-only-Benutzer. Neu bewerten nach IM Channel Auslieferung — wenn Benutzer Browser-Benachrichtigungen über IM-Abdeckung hinaus anfordern
Multi-User-Workflow-Zusammenarbeit beim Bearbeiten	Echtzeit-Co-Editing desselben Workflow-Blueprints (Figma/Notion-Stil) mit Cursor-Awareness, Konfliktlösung und Pro-Node-Sperrung. Hohe Implementierungskosten (CRDT / OT, Presence-Infrastruktur), unklar, ob Unternehmensanforderung über heutiges „ein Editor gleichzeitig + Version Diff” Modell. Neu bewerten, wenn mehrere Unternehmen explizit gemeinsames Live-Editing anfordern
Pro-Node-Workflow-Ausführungsberechtigungen (RBAC bei Ausführung)	Feinkörnige Autorisierung innerhalb einer einzelnen Workflow-Ausführung — z. B. „Node X erfordert Rolle `finance_approver` zur Ausführung”. Heute erfolgt Autorisierung auf Workflow-Ebene (wer kann auslösen) und auf Connector-Ebene (wessen Anmeldedaten führen aus); Pro-Node RBAC fügt eine dritte Achse mit erheblicher Komplexität und ohne aktive Kundenanforderung hinzu
Cross-Org-Workflow-Freigabe mit Live-Updates	Abonnieren Sie einen Workflow von einer anderen Org und erhalten Sie Upstream-Updates ohne erneutes Forking. Heute bedeutet Abonnement = Fork (Snapshot), daher werden Breaking Upstream-Änderungen nie weitergegeben. Live-Updates würden Upstream-kompatible Schema-Evolution + Konfliktlösung erfordern; hohe Wartungskosten. Neu bewerten, wenn Unternehmen „gemeinsame Workflows über Tochtergesellschaften” anfordern

Wie Versionen mit Modi übereinstimmen

Version	Standalone	Copilot	Hub	Notizen
v0.1–v0.3	Working	Not yet	Not yet	Portal-only, single-user
v0.4	Working	Not yet	Not yet	Multi-conversation, agent management
v0.5	Working	Not yet	Not yet	Knowledge base + RAG
v0.6	Working	Possible	Possible	Connectors ship; Copilot/Hub possible with manual wiring
v0.7	Working	Ready	Ready	Admin platform; multi-tenant auth; ready for production
v0.8	Working	Ready	Optimized	RBAC + audit log per-system; easier to onboard
v0.9	Working	Ready	Production	Observability, performance, hardening
v1.0	Working	Optimized	Enterprise	Package system, creator program, hot-plug, embeddable widget, webhooks, batch

Resource Allocation (v0.8–v1.0)

The Orthogonality Strategy shapes where effort goes:

Category	Allocation	Versions	Why
Connector Platform (v0.6+)	50%	Ongoing	Core differentiation; no absorption risk
Enterprise Features (RBAC, audit, security, observability)	30%	v0.8–v1.0	Boring but durable; production requirement. Agent Trace Layer is commercial anchor
Agent Intelligence (Skill System, scheduled agents)	15%	v0.8–v0.9	Instructions + tools + skills differentiation story; low absorption risk — frameworks validate patterns, but enterprise SOPs are customer-specific
v0.1–v0.5 maintenance	5%	Ongoing	Bug fixes only; no new features

Metric-Driven Milestones

Success is measured by:

Metric	v0.7 Target	v0.8 Target	v1.0 Target
Connectors deployed	5	20+	100+
Enterprise customers	1–2	5–10	20+
Avg connector setup time	2 weeks	2 days	5 minutes (hot-plug)
Token efficiency (DAG vs ReAct-only)	30% reduction	40% reduction	50% reduction
Uptime SLA	99.5%	99.9%	99.95%
Support ticket themes	Integration, setup	Connector custom logic	Hot-plug, scaling

Offene Fragen / TBD

Marketplace-Moderation: Wie können Community-Pakete und einzelne Ressourcen validiert werden? Automatisierte Überprüfung auf Credential-Leaks in Paket-Konfigurationen? (v1.0)
Token-Ökonomie: Wie werden Multi-User-, Multi-Agent-Szenarien bepreist? (v1.0)
Paket-Versionierung: Breaking Changes in installierten Paketen — automatisches Upgrade mit Migrationsskripten oder manuelle Genehmigung pro Update? Auflösung des Dependency-Diamond-Problems? (v1.0)
Paket-Preisgestaltung: Kostenlose vs. kostenpflichtige Stufen, Provisionsätze für Creator Program, Integration von Zahlungsanbietern? (v1.0)
Paket-Credential-UX: Credential-Erfassung bei Installation — Wizard-ähnlich Schritt für Schritt oder aufgeschobenes Setup? Credential-Sharing zwischen Paketen, die denselben Connector-Typ verwenden? (v1.0)
Telemetrie-Opt-out: Wie können Datenschutzpräferenzen berücksichtigt werden? (v0.8)
Connector-Versionierung: Wie können Breaking Changes in Connector-APIs verwaltet werden? (v0.8)
Rate Limiting: Pro-Benutzer-Workflow-Rate-Limiting implementiert (Sliding Window 10 Runs/Min, 3 gleichzeitig). Pro-Connector und Pro-Agent Rate Limiting TBD (v0.9)
Connector-Autorisierungsstufen-Auswahl: Wie kann ein Admin ermitteln, welche Stufe für ein bestimmtes Upstream-System gilt? Auto-Probe (versuche Pro-Benutzer-API-Schlüssel → Fallback auf Login-Ticket → Fallback auf Shared-DB) vs. explizite Deklaration in der Connector-Spezifikation? Wie drücken wir „dieser Connector unterstützt Stufe 2, aber der Admin hat sich für Stufe 1 entschieden” in der UI aus, ohne nicht-technische Admins zu verwirren? (v0.9)
Integration vs. Connector-Dualität: Wenn eine Feishu-Bindung gleichzeitig ein SSO-Provider UND eine API-Call-Oberfläche ist, wie präsentieren wir sie in den Einstellungen? Ein Objekt mit drei Umschaltern oder drei separate Bindungen, die eine Credential teilen? Auswirkungen auf die Deinstallations-Semantik (tötet das Widerrufen von SSO den Connector?) (v0.9)

​Produktvision

​Bekannte Probleme

​Backlog (Low Priority)

​Ausgelieferte Versionen

​v0.1 (2026-02-22) — MVP: ReAct + DAG Planner

​v0.2 (2026-02-24) — Multi-Model + Memory

​v0.3 (2026-02-25) — Web Tools + MCP

​v0.4 (2026-02-25) — Multi-Turn + Agents

​v0.5 (2026-02-28) — Full RAG + Grounded Gen

​v0.6 (2026-03-01) — Connector Platform

​v0.7 (2026-03-06) — Admin Platform + Multi-Tenant

​v0.7.x (2026-03-07 bis 2026-03-12) — Stabilität + Verfeinerungen

​v0.8 (2026-03-20) — Connector Declarative Config + Progressive Disclosure

​v0.8.1 (2026-03-29) — Progressive Disclosure Maturity + ReAct Hardening

​v0.8.2 (2026-04-10) — Agent Core Hardening + Vision Documents

​v0.8.3 (2026-04-16) — Universal Document Conversion + Agent Core Phase 3

​v0.8.4 (2026-04-17) — Prompt Cache + Reasoning Correctness

​v0.8.5 (2026-04-23) — Channel Integration + Hook System + Contributor i18n

​v0.8.6 (2026-05-08) — Stripe Billing + Refinements

​v0.8.7 (2026-06-10) — Security Hardening + Guardrails v0 + Billing Correctness

​v0.8.8 (2026-06-22) — SSRF Hardening + Reliability & Reasoning Fixes

​v0.8.9 (2026-07-08) — Module Slim-down + Sharing Convergence + Approval Hardening

​Geplante Versionen

​v0.9 — Connector Fences + Scenario Onboarding

​DB Connector Fences — Tier 1, drei PRs

​Szenario-Onboarding

​v0.10 — Two Mouths: JS Embed + IM Inbound

​Geparkt — signalgesteuert

​Aus dem Pre-Replan v0.9 Plan ausgeliefert

​v1.0 — Hot-Plug + Embeddable

​Eingefrorene Funktionen (Ausgeliefert, nur Wartung)

​Überlegung (Auf unbestimmte Zeit aufgeschoben)

​Wie Versionen mit Modi übereinstimmen

​Resource Allocation (v0.8–v1.0)

​Metric-Driven Milestones

​Offene Fragen / TBD