prd

Dette dokumentet er auto-synket fra kildefilene i boligassistent-repoet. Endringer her vil overskrives ved neste sync. Rediger kildefilen direkte.

Mål

1. Gi huseieren én strukturert modell av boligen som samler all relevant kunnskap
2. Støtte bevisst og gradvis forståelse av huset over tid — ikke forhastede beslutninger
3. Prioritere sikkerhet og nødvendig vedlikehold tydelig over ønsker og idéer
4. Støtte langsiktig backlog-tenkning for forbedringsprosjekter
5. Gi AI-assistenten riktig kontekst til å gi relevante og spesifikke råd
6. Støtte helhetlig stilutvikling for interiør, eksteriør og hage

---

Non-goals (v1)

Se docs/product/non-goals.md for fullstendig liste. Kort oppsummert:

• Ingen BIM/CAD-funksjonalitet
• Ingen smarthus-integrasjon
• Ingen prediktive modeller for vedlikehold
• Ingen avansert økonomimodellering
• Ingen SaaS-distribusjon i første fase

---

Primærbruker

Preben — huseier, teknisk kompetent, primærtilgang fra PC.

Partner — medeier, mobilbruk for observasjoner og enkel oversikt.

Begge brukere er knyttet til samme hus og deler data, men systemet skal spore hvem som har registrert hva.

---

Brukerbehov

Behovene er organisert etter scope: MVP (Fase 0–4), Post-MVP (Fase 5+). Hvert behov er koblet til entitetene som realiserer det, og et representativt brukereksempel.

MVP-behov

#	Brukereksempel	Behov	Primærentiteter	Prioritet
B1	”Hva må jeg faktisk gjøre med huset det neste året?”	Strukturert oversikt over nødvendig vedlikehold, prioritert etter risiko og kost	Issue, Task, MaintenancePlan, BuildingSystem	Høy
B2	”Hva er farlig for barnet mitt akkurat nå?”	Rask identifikasjon av barnesikkerhetsrisikoer i hus og hage med konkrete tiltaksforslag	SafetyItem, Room, OutdoorSpace, InteriorAsset	Høy
B3	”Hvorfor er inneklimaet dårlig – og hva gjør jeg med det?”	Forstå og håndtere radon, fukt og ventilasjonsproblemer ved å koble målinger, observasjoner og systemer	Measurement, Issue, BuildingSystem, Observation	Høy
B4	”Hvordan bruker vi faktisk huset – og hva bør vi endre?”	Forstå reell bruk av rom gjennom observasjoner over tid, identifisere mønstre og friksjon	Observation, Room, LayoutIntent	Høy
B5	”Hvilke oppgraderinger bør vi gjøre – og i hvilken rekkefølge?”	Skille mellom feil (Issue) og ønsker (ImprovementIdea), analysere avhengigheter og timing	ImprovementIdea, ImprovementDependency, Task, Issue	Høy
B6	”Hvordan skaper vi en helhetlig stil i huset?”	Lagre stilpreferanser, koble møbler og materialvalg til designretning, evaluere nye kjøp mot eksisterende stil	DesignDirection, InteriorAsset, LayoutIntent	Medium
B7	”Hva har vi allerede kjøpt – og hva mangler vi?”	Oversikt over inventar per rom, med status eid / vurderes / ønskeliste	InteriorAsset, Room	Medium
B8	”Hva vet jeg egentlig om huset mitt?”	Samle dokumenter, bilder, takstrapport og notater på ett søkbart sted	Document, Photo, KnowledgeLayer	Medium
B9	”Hva bør jeg sjekke denne måneden?”	Sesongbasert vedlikeholdssjekkliste koblet til systemer og rom	MaintenancePlan, Task, BuildingSystem	Medium
B10	”Hvordan utvikler huset seg over tid?”	Lagre historikk om observasjoner, tiltak og beslutninger for langsiktig læring	Observation, DecisionNote, Task, Issue	Medium
B11	Registrere rom, etasjer og uteområder	Strukturert romlig modell av boligen som grunnlag for alle andre lag	Property, Floor, Room, OutdoorSpace, SupportSpace	Høy
B12	Registrere tekniske systemer og utstyr	Teknisk infrastruktur med vedlikeholdsbehov og koblinger til rom	BuildingSystem, Equipment, Manual	Høy
B13	Statusoversikt over avvik, oppgaver og forbedringsidéer	Samlet dashboard som gir et øyeblikksbilde av boligens tilstand og prioriteringsliste	Issue, Task, ImprovementIdea, SafetyItem	Høy
B14	Rask registrering av observasjoner fra mobil	Lav friksjon for å logge noe man legger merke til, direkte fra telefonen	Observation	Medium

Onboarding-behov (MVP — Spec 007)

Disse behovene oppstår ved første gangs bruk av systemet, og er kritiske for time-to-value. Uten en god onboarding-flyt tar manuell oppsett 2–4 timer — for lang tid.

#	Brukereksempel	Behov	Primærentiteter	Prioritet
B22	”Jeg vil laste opp salgsoppgave og takstrapport og få huset satt opp automatisk”	Last opp PDF, AI ekstraherer og strukturerer data til Property, SpatialModel og BuildingSystems	Document, ExtractionJob, ExtractedFact	Høy
B23	”Jeg vil se hva AI har tolket – før det lagres”	Preview av uttrukket data med confidence-score og kildehenvisning. Bruker godkjenner, redigerer eller forkaster hvert funn.	ExtractedFact	Høy
B24	”Jeg vil enkelt kunne rette feil AI gjør”	Inline redigering av uttrukket data med godkjenn/endre/forkast per funn. Systemet husker korreksjoner.	ExtractedFact	Høy
B25	”Jeg vil forstå sammenhengen i det som er hentet ut”	Visualiser etasjer → rom → funksjon og systemer → plassering som en enkel trestruktur	ExtractedFact, Room, BuildingSystem	Medium
B26	”Jeg vil få en komplett første versjon av huset mitt – raskt”	Etter godkjenning bootstrappes hele modellen: romstruktur, systemer, første avvik fra takst, første vedlikeholdsoppgaver	Property, Room, BuildingSystem, Issue, Task	Høy
B27	”Jeg vil kunne laste opp nye dokumenter senere og få oppdateringsforslag”	Levende modell — nye takstrapporter og fagrapporter analyseres og gir forslag til oppdateringer	Document, ExtractionJob, ExtractedFact	Medium

Kritisk designprinsipp: AI fyller aldri databasen direkte. Flyten er alltid: AI foreslår → bruker godkjenner → system lagrer.

Post-MVP-behov (Fase 5+)

#	Brukereksempel	Behov	Primærentiteter	Avhengighet
B15	”Hvilke lamper bør jeg kjøpe – og passer de faktisk i rommet?”	Produktsøk med evaluering mot romstørrelse, funksjonssoner, designretning og lysbehov. Prissporing over tid.	ProductCandidate, LightingPlan, ShoppingTracker, DesignDirection	Brave Search API, ShoppingTracker-implementasjon
B16	”Hvilken sofa bør vi velge – og vil den passe i rommet?”	Hente dimensjoner, validere mot trafikkflyt, vurdere stilmatch og barnevennlighet, foreslå alternativer	ProductCandidate, LayoutIntent, DesignDirection	ProductCandidate-implementasjon
B17	”Hvordan bør vi innrede TV-stuen?”	Romanalyse med dimensjoner og lysforhold, generere 2–4 layoutforslag med møbelplassering og trafikkflyt	LayoutOption, Room, LayoutIntent, InteriorAsset, DesignDirection	LayoutOption-implementasjon
B18	”Hvordan kan dette rommet faktisk se ut?”	Realistisk romvisualisering basert på faktiske mål og møbler, med stilalternativer	DesignScenario, RoomGeometry, LayoutIntent, InteriorAsset	DALL-E 3-integrasjon
B19	”Hva vil dette prosjektet koste og ta av tid?”	Estimere materialkost, arbeid og tidsbruk basert på historikk og standardverdier, justert for kompleksitet	ImprovementIdea, Task, ProjectEstimate	Historikkdata fra MVP
B20	”Hvilke prosjekter bør vi gjøre samtidig?”	Analysere fysiske relasjoner, rør/elektro-overlapp og støynivå for å foreslå samkjøring og riktig rekkefølge	ImprovementIdea, ImprovementDependency, Task	Strukturerte avhengigheter (ImprovementDependency)
B21	”Hva bør vi IKKE gjøre nå?”	Identifisere premature beslutninger og manglende avhengigheter — foreslå å vente eller gjøre noe annet først	ImprovementIdea, ImprovementDependency, DecisionNote	AI-resonnering + avhengighetsdata

---

MVP-scope

Se docs/product/scope-mvp.md for detaljert avgrensning.

MVP dekker:

• Spatial model (eiendom, etasjer, rom, uteområder)
• Tekniske systemer
• Avvik og sikkerhetsproblemer (ConditionLayer)
• Observasjoner (ExperienceLayer, grunnleggende)
• Forbedringsidéer og oppgaver (PlanningLayer)
• Designretning og interiørobjekter (DesignLayer + InteriorLayer, grunnleggende)
• Brukerautentisering med huskobling
• Bildelagring og dokumentopplasting (KnowledgeLayer)
• AI-assistent: kontekstuell rådgivning basert på romdata

---

Fremtidig scope (ikke MVP)

• AI-genererte romvisualiseringer (DALL-E 3)
• Produktsøk via Brave Search
• Sesongbaserte vedlikeholdsplaner
• Eksport av boligdokumentasjon
• Multi-hus-støtte
• Utvidet rapportering og statistikk
• Integrasjon mot fagrapporter og offentlige registre

---

Styrende prinsipper

1. Separasjon av begreper — Problem ≠ Ønske. Observasjon ≠ Oppgave. Equipment ≠ Møbel.
2. Kildebevissthet — All data skal ha kilde og konfidensgrad
3. Gradvis modning — Systemet skal tåle at data revideres over tid, ikke bare legges til
4. Praktisk brukbarhet — Modellen skal gjøre det lettere å ta beslutninger, ikke vanskeligere
5. AI-kontekstoptimalisert — Datastrukturen skal designes for at AI kan hente riktig kontekst
6. Skalerbarhet — Designet for å støtte flere hus og brukere uten store omskrivinger
7. AI-first, ikke CRUD-first — Systemet skal minimere antall manuelle CRUD-operasjoner brukeren trenger. AI skal generere, foreslå og vedlikeholde data basert på domenemodellen. Manuell input er fallback, ikke default.