notiz typen und doku

config/types.yaml

@@ -184,6 +184,79 @@ types:
       - "Rolle / Identität"
       - "Fakten & Daten"
       - "Historie"
+
+
+  idea:
+    chunking_profile: sliding_short
+    retriever_weight: 0.70
+    edge_defaults: ["leads_to", "references"]
+    detection_keywords: ["einfall", "gedanke", "potenzial", "möglichkeit"]
+    schema:
+      - "Der Kerngedanke"
+      - "Potenzial & Auswirkung"
+      - "Nächste Schritte"
+
+  skill:
+    chunking_profile: sliding_smart_edges
+    retriever_weight: 0.90
+    edge_defaults: ["references", "related_to"]
+    detection_keywords: ["lernen", "beherrschen", "üben", "fertigkeit", "kompetenz"]
+    schema:
+      - "Definition der Fähigkeit"
+      - "Aktueller Stand & Lernpfad"
+      - "Evidenz (Proof of Work)"
+
+  habit:
+    chunking_profile: sliding_short
+    retriever_weight: 0.85
+    edge_defaults: ["related_to", "triggered_by"]
+    detection_keywords: ["gewohnheit", "routine", "automatismus", "immer wenn"]
+    schema:
+      - "Auslöser (Trigger)"
+      - "Routine (Handlung)"
+      - "Belohnung (Reward)"
+      - "Strategie"
+
+  need:
+    chunking_profile: sliding_smart_edges
+    retriever_weight: 1.05
+    edge_defaults: ["related_to", "impacts"]
+    detection_keywords: ["bedürfnis", "brauchen", "mangel", "erfüllung"]
+    schema:
+      - "Das Bedürfnis"
+      - "Zustand (Mangel vs. Erfüllung)"
+      - "Bezug zu Werten"
+
+  motivation:
+    chunking_profile: sliding_smart_edges
+    retriever_weight: 0.95
+    edge_defaults: ["drives", "references"]
+    detection_keywords: ["motivation", "antrieb", "warum", "energie"]
+    schema:
+      - "Der Antrieb"
+      - "Zielbezug"
+      - "Energiequelle"
+
+  bias:
+    chunking_profile: sliding_short
+    retriever_weight: 0.80
+    edge_defaults: ["affects", "related_to"]
+    detection_keywords: ["denkfehler", "verzerrung", "vorurteil", "falle"]
+    schema: ["Beschreibung der Verzerrung", "Typische Situationen", "Gegenstrategie"]
+
+  state:
+    chunking_profile: sliding_short
+    retriever_weight: 0.60
+    edge_defaults: ["impacts"]
+    detection_keywords: ["stimmung", "energie", "gefühl", "verfassung"]
+    schema: ["Aktueller Zustand", "Auslöser", "Auswirkung auf den Tag"]
+
+  boundary:
+    chunking_profile: sliding_smart_edges
+    retriever_weight: 0.90
+    edge_defaults: ["protects", "related_to"]
+    detection_keywords: ["grenze", "nein sagen", "limit", "schutz"]
+    schema: ["Die Grenze", "Warum sie wichtig ist", "Konsequenz bei Verletzung"]
   # --- STRATEGIE & RISIKO ---
 
   goal:

docs/01_User_Manual/01_authoring_guidelines.md

@@ -0,0 +1,189 @@
+---
+id: 01-authoring-guidelines
+title: Authoring Guidelines – Handbuch für den Digitalen Zwilling
+type: principle
+status: stable
+version: 1.1.0
+area: system_documentation
+tags: [handbuch, authoring, methodik, obsidian, mindnet, best-practice]
+retriever_weight: 2.0
+---
+
+# Authoring Guidelines: Dein Werkzeug für den Digitalen Zwilling
+
+
+Dieses Handbuch ist dein primäres Werkzeug, um Wissen so zu strukturieren, dass Mindnet deine Persönlichkeit spiegelt, empathisch reagiert und dich strategisch berät.
+
+---
+
+## ⚡ Die 6 Goldenen Regeln des Knowledge Designs
+
+1. **Atomare Gedanken:** Eine Notiz = Ein Thema. Trenne z. B. „Meditation“ von „Mobility“, auch wenn beides Ich-Pflege ist.
+2. **Explizite Typen:** Nutze den `type`, um der KI zu sagen, wie sie den Text verarbeiten soll (z. B. `insight` für Beobachtungen, `experience` für Erlebnisse).
+3. **Semantische Links:** Verknüpfe aktiv mit `[[rel:depends_on ...]]` oder `[[rel:based_on ...]]`. Sag dem System, *warum* Dinge zusammenhängen.
+4. **Werte & Ziele definieren:** Erstelle für jeden Nordstern und jeden Kernwert eine eigene Notiz. Ohne Maßstäbe kann der „Berater“ nicht entscheiden.
+5. **Emotionales Bridging:** Nutze Begriffe wie „Druck“, „Stolz“, „Euphorie“ oder „Hilflosigkeit“, um die Empathie-Ebene der KI zu aktivieren.
+6. **Narrative Tiefe (Fleisch am Knochen):** Dokumentiere das „Warum“ hinter einer Entscheidung. Fakten informieren, aber Erzählungen prägen den Charakter.
+
+---
+
+## 1. Strategische Steuerung (Status & Gewicht)
+
+Du entscheidest über das Frontmatter, wie präsent eine Information im „Gedächtnis“ ist.
+
+### 1.1 Status-Logik
+* **`stable`**: Gold-Standard. Für finale Leitbild-Texte und Nordsterne. Erhält +20% Relevanz-Bonus.
+* **`active`**: Standard für laufende Projekte und aktuelle Beobachtungen.
+* **`draft`**: Brainstorming oder rohe Tages-Logs. Die KI nutzt diese nur nachrangig (50% Malus), um Rauschen zu vermeiden.
+* **`system`**: Rein technische Dateien (Templates, Guides). Werden im Chat ignoriert.
+
+### 1.2 Manuelle Gewichtung (`retriever_weight`)
+* **Boost (1.20):** Für hochrelevante Erkenntnisse. **Beispiel:** Beobachtungen zum Verhalten von Rohan werden als `insight` mit `1.20` markiert, damit sie bei Erziehungsfragen sofort präsent sind.
+* **Deboost (0.50 - 0.80):** Für tägliche Routine-Einträge („Heute 10 Min. meditiert“). Sie dienen der Chronik, sollen aber keine tiefen Analysen verfälschen.
+
+---
+
+## 2. Das Kochbuch: Praktische Use-Cases
+
+### 2.1 Ein Erlebnis aufschreiben (`type: experience`)
+**Ziel:** Den „Spiegel“ (Empathy) mit deiner Biografie kalibrieren.
+
+**Struktur & Leitfragen:**
+- **Kontext:** Was ist passiert? (Sachlich kurz).
+- **Emotions-Check:** Wie habe ich mich in der Situation gefühlt? (Wichtig für Regel 5).
+- **Die Lektion:** Was habe ich über mich gelernt? (z. B. „Ich reagiere allergisch auf Ungerechtigkeit“).
+- **Deep-Edge:** Mit welcher Rolle ist das verknüpft? `[[rel:supports Meine Rollenlandkarte 2025#Vater]]`.
+
+### 2.2 Eine Beobachtung festhalten (`type: insight`)
+**Ziel:** Den „Berater“ (Decision) mit Mustern versorgen.
+
+**Beispiel Rohan-Beobachtung:**
+- **Beobachtung:** Rohan reagiert positiv auf „leise“ Impulse und 90/10 Coaching.
+- **Interpretation:** Direkte Konfrontation erzeugt Gegendruck; Fragen erzeugen Ownership.
+- **Konsequenz:** Prinzip P3a (Familienregeln) muss immer einen Bedürfnischeck vorausschicken.
+
+### 2.3 Ein Review durchführen (`type: journal` / `insight`)
+**Ziel:** Den Fortschritt steuern.
+- **Daily:** Rohes Log (Status `draft`).
+- **Weekly/Monthly:** Verdichtung der Erkenntnisse in eine `stable` Notiz. Frage: „Was war der größte Hebel diese Woche?“.
+
+### 2.4 Das Handlungsprinzip (`type: principle`)
+**Ziel:** Testbare Regeln für schwierige Entscheidungssituationen.
+
+**Struktur-Vorgabe:**---
+id: 01-authoring-guidelines
+title: Authoring Guidelines – Das Handbuch für den Digitalen Zwilling
+type: principle
+status: stable
+version: 1.2.0
+area: system_documentation
+tags: [handbuch, authoring, methodik, obsidian, mindnet, best-practice]
+retriever_weight: 2.0
+---
+
+## 🕸️ Teil 3: Netzdesign (Hubs, Edges & Lücken)
+
+Ein intelligentes Netz wächst durch strategische Verknüpfungen, nicht durch Textmenge.
+
+### 3.1 Wissens-Hubs (Zentralnotizen)
+Hubs fungieren als Verteilerzentren im Graphen.
+* **Struktur:** Nutze Überschriften (H2, H3) und verlinke von dort auf Detailnotizen.
+* **Deep-Edges:** Verlinke präzise Abschnitte: `[[Rollenlandkarte#Vater]]`. Dies ermöglicht der KI, nur den relevanten Kontext zu laden.
+
+### 3.2 Forward-Mapping (Strategische Lücken)
+Setze bewusst Links auf Dateien, die noch nicht existieren (z. B. `[[Die beste Version meiner selbst]]`).
+* **Zweck:** Du signalisierst dem System: „Hier entsteht ein wichtiges Konzept“.
+* **Effekt:** Die KI erkennt diese Lücken und kann im Chat proaktiv Fragen stellen, um diese Felder mit dir gemeinsam zu füllen.
+
+---
+
+## 4. Obsidian Usability & Automatisierung
+
+### 4.1 Templater-Integration
+Nutze Vorlagen, die bereits die **Leitfragen** und das richtige **Retriever-Weight** enthalten. Ein Klick auf „Neues Erlebnis“ sollte automatisch das Frontmatter mit `type: experience` und `weight: 1.1` füllen.
+
+### 4.2 Meta Bind Dashboards
+Nutze **Meta Bind**, um Felder wie `status` oder `retriever_weight` über Schieberegler direkt in der Notiz zu steuern. Das macht die Gewichtung deines Wissens intuitiv und spielerisch.
+
+---
+
+## 5. Vernetzung für die Mindnet-Personas
+
+| Persona | Notiz-Fokus | Effekt im Dialog |
+| :--- | :--- | :--- |
+| **🪞 Spiegel (Empathy)** | Gefühle & Biografisches | „Ich verstehe deinen Frust, das war bei Projekt X ähnlich...“. |
+| **⚖️ Berater (Decision)** | Werte & Wächterfragen | „Option A ist nicht ratsam, da sie gegen dein Prinzip der Integrität verstößt“. |
+| **📚 Bibliothekar (Facts)** | Struktur & Definitionen | „Deine Mission als Vater ist es, verlässliche Präsenz zu zeigen...“. |
+
+---
+
+> [!abstract] Fazit für den Autor
+> Mindnet ist ein **Persönlichkeitsspiegel**. Dokumentiere weniger „Technik“ und mehr „Mensch“. Jede Notiz sollte die Frage beantworten: „Was sagt das über mich und meine Werte aus?“.
+- **3 Signale:** Woran merke ich im Alltag, dass ich das Prinzip lebe?.
+- **Wächterfrage:** Welche Frage stelle ich mir im Moment der Entscheidung?.
+
+---
+
+## 6. Obsidian Workflow-Hacks
+
+### 6.1 Templater & Meta Bind
+- **Automatisierung:** Nutze das **Templater-Plugin**, um beim Erstellen einer Notiz sofort die passenden Leitfragen und das richtige `retriever_weight` einzufügen.
+- **Interaktive Steuerung:** Nutze **Meta Bind**, um Felder wie `status` oder `retriever_weight` über Buttons oder Slider direkt im Lesemodus zu ändern, ohne im YAML-Code zu tippen.
+
+### 6.2 Deep-Edges & Verknüpfung
+- Verknüpfe Erlebnisse immer mit der entsprechenden Rolle: `[[rel:supports Meine Rollenlandkarte 2025#Vater]]`.
+- Nutze `derived_from`, um Prinzipien an ihre Ursprungs-Session zu binden.
+
+---
+
+## 7. Vernetzung für Mindnet Personas
+
+| Persona | Notiz-Fokus | Beispiel |
+| :--- | :--- | :--- |
+| **🪞 Spiegel (Empathy)** | Emotionen & Prägungen | „Ich fühlte mich hilflos, als...“. |
+| **⚖️ Berater (Decision)** | Kriterien & Abwägungen | „Option A verletzt Wert X, weil...“. |
+| **📚 Bibliothekar (Facts)** | Struktur & Definition | „Rollenmission Vater bedeutet...“. |
+
+---
+
+> [!tip] Best Practice
+> Wenn du merkst, dass eine Notiz zu technisch wird: Halte inne und frage dich: „Was macht das mit mir als Mensch?“ Schreibe *das* auf. Das ist die Essenz für deinen KI-Zwilling.
+
+## 8. Verbindungen von Notiztypen
+
+´´´mermaid
+graph TD
+    %% Identity Stream
+    V[Value] -- definieren --> N[Need]
+    N -- erzeugen --> M[Motivation]
+    B[Belief] -- prägen --> M
+    T[Trait] -- unterstützen --> M
+    
+    %% Action Stream
+    M -- treiben --> G[Goal]
+    G -- konkretisiert in --> P[Project]
+    P -- unterteilt in --> TA[Task]
+    D[Decision] -- steuert --> P
+    PR[Principle] -- leitet --> D
+    
+    %% History Stream
+    TA -- führt zu --> E[Event]
+    E -- generiert --> EX[Experience]
+    PE[Person] -- beteiligt an --> E
+    
+    %% Feedback Loop
+    EX -- liefert --> I[Insight]
+    I -- kalibrieren --> V
+    I -- verfeinern --> PR
+    I -- validieren --> B
+    
+    %% Constraints
+    RI[Risk] -- gefährdet --> G
+    O[Obstacle] -- blockiert --> TA
+    BI[Bias] -- verzerrt --> D
+    S[State] -- beeinflusst --> EX
+
+    style V fill:#f9f,stroke:#333,stroke-width:2px
+    style EX fill:#bbf,stroke:#333,stroke-width:2px
+    style P fill:#bfb,stroke:#333,stroke-width:2px
+    ´´´

docs/06_Roadmap/06_active_roadmap.md

@@ -167,7 +167,55 @@ Diese Features stehen als nächstes an oder befinden sich in der Umsetzung.
 2.  **Single Source of Truth (SSOT):** Die Registry nutzt `01_edge_vocabulary.md` als führende Konfiguration.
 3.  **Self-Learning Loop:** Protokollierung unbekannter Kanten in `unknown_edges.jsonl`.
 
+## 23: Agentic Multi-Stream Reasoning (Mindnet 2025)
 
+### 1. Zielsetzung & Problemstellung
+Das bisherige System basiert auf einem globalen Scoring-Modell, bei dem Notizen unterschiedlicher Typen (z. B. `insight` vs. `belief`) in einem einzigen Retrieval-Topf konkurrieren. Dies führt dazu, dass leiser gewichtete, aber fundamentale Identitätsmerkmale oft durch hochgewichtete aktuelle Erkenntnisse verdrängt werden. Ziel dieses Pakets ist die Einführung einer parallelen **Stream-Architektur**, um die Vielschichtigkeit menschlicher Entscheidungsprozesse (Werte + Erfahrung + Absicht) im LLM-Kontext zu garantieren.
+
+---
+
+### 2. Funktionsbeschreibung: Die Streams
+Die Daten aus der `types.yaml` werden in drei logische Verarbeitungseinheiten unterteilt:
+
+#### A. Identity Stream (Die Wahrheitsebene)
+* **Inhalt:** `value`, `belief`, `trait`, `principle`, `need`, `boundary`, `bias`.
+* **Zweck:** Definition des moralischen Kompasses, der psychologischen Grundbedürfnisse und kognitiven Muster.
+* **Wirkung:** Liefert das "Warum" hinter jeder Handlung.
+
+#### B. History Stream (Die Evidenzebene)
+* **Inhalt:** `experience`, `event`, `source`, `journal`, `person`.
+* **Zweck:** Bereitstellung empirischer Belege aus der Vergangenheit und sozialer Kontexte.
+* **Wirkung:** Verankert die Antwort in real erlebten Mustern und Fakten.
+
+#### C. Action Stream (Die Dynamikebene)
+* **Inhalt:** `project`, `decision`, `goal`, `task`, `risk`, `motivation`, `habit`, `state`.
+* **Zweck:** Analyse der aktuellen Richtung, geplanter Vorhaben und des gegenwärtigen Zustands.
+* **Wirkung:** Liefert den Kontext für die Umsetzung und zukünftige Ziele.
+
+
+### 3. Technische Wirkungsweise (Solution Sketch)
+
+#### Schritt 1: Query-Decomposition
+Ein initialer Klassifizierungs-Agent analysiert die Nutzeranfrage und bestimmt, welcher Stream primär angesprochen werden muss (z. B. "Wie soll ich mich entscheiden?" boostet den Identity Stream).
+
+#### Schritt 2: Parallel Stream Retrieval
+Anstelle einer Suche werden drei unabhängige Vektor-Suchen mit Typ-Filtern durchgeführt:
+* **Search_A (Identity):** Top-5 Ergebnisse aus Identitäts-Notizen.
+* **Search_B (History):** Top-5 Ergebnisse aus biografischen/externen Notizen.
+* **Search_C (Action):** Top-5 Ergebnisse aus operativen/strategischen Notizen.
+
+#### Schritt 3: Agentic Synthesis (The Reasoning)
+Ein Synthese-Agent (LLM) erhält die aggregierten Ergebnisse in getrennten Sektionen. Die Anweisung lautet:
+1. **Prüfung:** Steht das aktuelle Vorhaben (Action) im Einklang mit den Werten (Identity)?
+2. **Abgleich:** Welche vergangenen Erfahrungen (History) stützen oder widersprechen diesem Weg?
+3. **Korrektur:** Identifiziere mögliche Biases oder Grenzüberschreitungen (Boundary).
+
+
+
+### 4. Erwartete Ergebnisse
+* **Höhere Resonanz:** Antworten wirken authentischer, da sie explizit auf das Wertesystem des Nutzers Bezug nehmen.
+* **Widerspruchs-Erkennung:** Das System kann den Nutzer aktiv warnen, wenn ein Projekt gegen seine `principles` oder `needs` verstößt.
+* **Robustes Retrieval:** Wichtige Identitäts-Informationen gehen nicht mehr im "Rauschen" von hunderten Journal-Einträgen verloren.
 ---
 
 ## 4. Abhängigkeiten & Release-Plan