# Seeder Data

Drop example documents here. The seeder reads these files and loads them into PostgreSQL, which then triggers embedding generation via the AI service.

## Option 1: Drop raw Office/PDF files

Put `.docx`, `.pptx`, `.xlsx`, `.pdf` files in the `raw/` folder, then run the converter:

```bash
cd ai-service
pip install python-docx python-pptx openpyxl pymupdf chardet
python convert.py                       # convert all files in raw/
python convert.py --out kennis_artikelen # output to a specific subfolder
python convert.py path/to/file.docx     # convert a single file
```

This extracts text, preserves structure (headings, tables, slides), and writes markdown files with frontmatter into the `documents/` folder (or whichever `--out` you specify).

## Option 2: Write markdown directly

Each file is **Markdown with YAML frontmatter**. The seeder parses the frontmatter for metadata and the body as content.

## Folder Structure

```
data/
  raw/                 ← DROP OFFICE/PDF FILES HERE (auto-converted)
  themas/              ← Strategic themes
  projects/            ← Project descriptions (linked to a thema)
  documents/           ← Meeting notes, specs, analyses (linked to a project)
  kennis_artikelen/    ← Knowledge articles (standalone)
  besluiten/           ← Decisions with rationale (linked to a project)
  lessons_learned/     ← Lessons learned (linked to a project + fase)
```

## File Templates

### themas/waterkwaliteit.md
```markdown
---
naam: Waterkwaliteit & Monitoring
beschrijving: Innovaties rondom waterkwaliteitsbewaking en meetnetwerken
prioriteit: hoog
---
```

### projects/sensor-netwerk.md
```markdown
---
naam: Sensor Netwerk Pilot
thema: Waterkwaliteit & Monitoring
eigenaar: Jan de Vries
status: experiment
prioriteit: hoog
startdatum: 2025-09-01
streef_einddatum: 2026-06-30
---

Beschrijving van het project hier. Kan meerdere alinea's zijn.
Dit wordt het `beschrijving` veld.
```

### documents/notulen-stuurgroep-2026-03.md
```markdown
---
titel: Notulen Stuurgroep 15 maart 2026
project: Sensor Netwerk Pilot
type: vergaderverslag
auteur: Pieter Jansen
versie: 1
---

De volledige documentinhoud hier. Kan lang zijn — wordt automatisch
gechunkt als het meer dan 1500 tekens is.
```

### kennis_artikelen/iot-waterbeheer.md
```markdown
---
titel: IoT-sensoren in het waterbeheer
auteur: Lisa de Groot
tags: [IoT, sensoren, waterbeheer, telemetrie]
---

Artikelinhoud hier. Alles na de frontmatter wordt `inhoud`.
```

### besluiten/go-pilot-sensor.md
```markdown
---
titel: Go voor pilotfase Sensor Netwerk
project: Sensor Netwerk Pilot
type: go_no_go
status: goedgekeurd
datum: 2026-02-20
---

Beschrijving van het besluit.

## Onderbouwing

De onderbouwing / rationale hier.
```

### lessons_learned/sensor-kalibratie.md
```markdown
---
titel: Kalibratiefrequentie pH-sensoren onderschat
project: Sensor Netwerk Pilot
fase: experiment
tags: [sensoren, kalibratie, pH]
---

Wat we geleerd hebben. Body wordt `inhoud`.
```

## Naming Convention

Use lowercase slugs: `korte-beschrijving.md`. The filename is not stored — all metadata comes from frontmatter.

## Tips

- Write in Dutch (the embedding model and full-text search are configured for Dutch)
- Real content is better than lorem ipsum — the search quality depends on it
- Longer documents are fine — they get chunked automatically
- Link projects to themas and documents to projects via the `thema:` and `project:` fields (matched by naam)