--- doc_type: user_manual audience: user, author scope: vault, markdown, schema, agentic_validation, note_scope status: active version: 4.5.8 context: "Regelwerk für das Erstellen von Notizen im Vault. Die 'Source of Truth' für Autoren. Inkludiert WP-24c Phase 3 Agentic Edge Validation, automatische Spiegelkanten und Note-Scope Zonen." --- # Knowledge Design Manual **Quellen:** `knowledge_design.md`, `types.yaml` ## ⚡ Die 6 Goldenen Regeln (TL;DR) 1. **Atomare Gedanken:** Eine Notiz = Ein Thema. Vermischung führt zu "Context-Pollution", wodurch die KI unpräzise berät. 2. **Explizite Typen:** Der `type` im Frontmatter ist der wichtigste Hebel. Er entscheidet über die mathematische Gewichtung im System. 3. **Semantische Links:** Nutze das Vokabular aus der `01_edge_vocabulary.md`. Ersetze einfache Verweise durch funktionale Beziehungen wie `caused_by` oder `based_on`. 4. **Werte & Ziele definieren:** Ohne explizite Kriterien (`type: value`) fehlt dem System der Maßstab für eine Bewertung. 5. **Emotionales Bridging:** Dokumentiere deine Gefühle. Begriffe wie „Druck“ oder „Euphorie“ sind die Schnittstelle für die Empathie-Logik. 6. **Narrative Tiefe (Fleisch am Knochen):** Ein „Was“ ohne „Warum“ ist für die KI nur ein Fakt, für dich als Mensch aber bedeutungslos. Dokumentiere die Intention hinter deinen Taten. --- ## 1. Zweck & Scope Mindnet ist mehr als eine Dokumentablage. Es ist ein vernetztes System, das deine Persönlichkeit abbildet. Die Markdown-Dateien in deinem Vault sind die **einzige Quelle der Wahrheit** ("Source of Truth"). Was nicht im Markdown steht, existiert für das System nicht. --- ## 2. Note-Struktur & Frontmatter Jede Notiz benötigt einen YAML-Header (Frontmatter). **Pflichtfelder:** ```yaml --- id: 20251212-projekt-alpha # Eindeutige Kennung (YYYYMMDD-slug empfohlen) title: Projekt Alpha # Sprechender Titel type: project # Steuert Chunking & Wichtigkeit status: active # active, archived, draft created: 2025-12-12 # ISO 8601 tags: [ki, entwicklung] # Taxonomie aliases: [KI Projekt, Codename Quickhack] --- ``` ### **2.1 [NEU] Naming Convention: Intuitiv vs. Technisch** Für die Benutzerfreundlichkeit und die intuitive Navigation in Obsidian wird die Nutzung von **menschenlesbaren Titeln** bevorzugt (z. B. `Mein Persönliches Leitbild 2025` statt `leitbild_identity`). - Die technische Eindeutigkeit wird primär über die `id` im Frontmatter sichergestellt. - Die KI nutzt die Semantik des Dateinamens als zusätzlichen Kontext-Vektor. ### 2.2 Advanced Overrides: Die KI-Steuerung übernehmen In 95% der Fälle setzt der `type` (z.B. "concept") automatisch die richtigen Einstellungen. In Spezialfällen kannst du diese manuell im Frontmatter überschreiben, um das Verhalten der KI zu erzwingen. #### A. `retriever_weight`: Die Sichtbarkeit steuern Dieser Faktor (Default: 1.0) ist ein Multiplikator für das Ranking in der Vektorsuche. Er entscheidet, welche Notiz "gewinnt", wenn zwei Texte inhaltlich ähnlich sind. * **Standard (1.0):** Normale Wichtigkeit. * **Boost (1.2 - 2.0):** "Das hier ist die Wahrheit." * *Einsatz:* Finale Entscheidungen, Kernprinzipien, die "Single Source of Truth". * *Effekt:* Verdrängt weniger wichtige Notizen (z.B. Meeting-Protokolle) aus dem Kontext-Fenster der KI. * **Deboost (0.5 - 0.8):** "Nur Kontext, keine Fakten." * *Einsatz:* Glossare, externe Quellen (`source`), reine Datensammlungen. * *Effekt:* Die Notiz wird nur gefunden, wenn man sehr spezifisch danach sucht. #### B. `chunking_profile`: Die Zerstückelung steuern Das Profil bestimmt, wie der Text für die Datenbank zerschnitten wird. Falsches Chunking zerreißt den Kontext. Wähle das Profil basierend auf der **Struktur** deines Textes. | Profil-Name | Strategie | Einsatzzweck & Wirkung | | :--- | :--- | :--- | | **`sliding_standard`** | Sliding Window | **Der Allrounder.** Für Fließtexte (Tagebuch, Artikel). Der Text wird in überlappende Fenster geschnitten. Gut, wenn der Inhalt von oben nach unten fließt. | | **`sliding_short`** | Sliding Window (Klein) | **Für Dichte.** Für Texte mit sehr hoher Informationsdichte (Glossare, Task-Listen), wo jeder Satz wichtig ist. Erzeugt viele kleine Chunks. | | **`sliding_smart_edges`** | Sliding + AI | **Der Intelligente.** Wie Standard, aber das LLM analysiert jeden Chunk zusätzlich auf implizite Querverweise. Standard für `concept` und `project`. | | **`structured_smart_edges`** | Heading Split (Soft) | **Für Strukturierte Texte.** Trennt an Überschriften (H2). *Besonderheit:* Wenn ein Abschnitt sehr kurz ist, wird er mit dem nächsten verschmolzen ("Soft Mode"), um den Kontext zu wahren. | | **`structured_smart_edges_strict`** | Heading Split (Hard) | **Für Listen & Kataloge.** Trennt *zwingend* an jeder H2-Überschrift. Verhindert das Verschmelzen.
**Wichtig für:** `decision` (Option A darf nicht mit Option B verschmelzen), `value`, `profile`. | **Beispiel für ein Override:** ```yaml --- title: Sammlung meiner Passwörter-Regeln type: list # Wir erzwingen eine strikte Trennung, damit Regel 1 nicht mit Regel 2 vermischt wird. chunking_profile: structured_smart_edges_strict # Extrem wichtig, soll immer beachtet werden. retriever_weight: 1.5 --- ``` --- ## 3. Frontmatter Felder und ihre Bedeutung ### 3.1 Typ-Referenz & Stream-Logik Das System euriert Informationen in funktionalen Streams. Wähle den Typ danach aus, in welchem "Gedächtnis-Bereich" die Information landen soll. ### 3.1 Identity Stream (Der Kern / Das „Warum“) Dieser Stream definiert deine stabilen Merkmale und inneren Kompasse. | Typ | Gewicht | Chunking Profil | Zweck & Inhalt | | :--- | :--- | :--- | :--- | | **`value`** | 1.00 | `structured_strict` | Fundamentale Werte und moralische Maßstäbe. | | **`principle`** | 0.95 | `structured_strict_L3` | Handlungsleitlinien mit tiefer Hierarchie (H3-Split). | | **`trait`** | 1.10 | `structured_strict` | Charakterliche Stärken und Talente. | | **`belief`** | 0.90 | `sliding_short` | Tiefe Überzeugungen über dich und die Gesellschaft. | | **`profile`** | 0.70 | `structured_strict` | Rollenidentitäten (z. B. Vater, Mentor, Unternehmer). | | **`need`** | 1.05 | `sliding_smart_edges` | Psychologische Grundbedürfnisse (z. B. Autonomie, Bindung). | | **`motivation`**| 0.95 | `sliding_smart_edges` | Innere Antreiber und Quellen deiner Energie. | | **`boundary`** | 0.90 | `sliding_smart_edges` | Deine persönlichen Grenzen und Integritäts-Leitplanken. | | **`bias`** | 0.80 | `sliding_short` | Bekannte kognitive Verzerrungen und Denkfallen. | ### 3.1.2 Action Stream (Die Dynamik / Das „Was“) Dieser Stream umfasst alles, was auf Umsetzung, Planung und aktuelle Zustände zielt. | Typ | Gewicht | Chunking Profil | Zweck & Inhalt | | :--- | :--- | :--- | :--- | | **`project`** | 0.97 | `sliding_smart_edges` | Aktive Vorhaben mit Mission und Zielsetzung. | | **`goal`** | 0.95 | `sliding_smart_edges` | Strategische Nordsterne und Zielzustände. | | **`decision`** | 1.00 | `structured_strict` | Getroffene Entscheidungen (ADR-Logik). | | **`risk`** | 0.85 | `sliding_short` | Potenzielle Gefahren und Bedrohungsszenarien. | | **`obstacle`** | 1.00 | `structured_strict` | Aktuelle Hürden, Ängste und Blockaden. | | **`task`** | 0.80 | `sliding_short` | Operative Aufgaben und Definition of Done. | | **`skill`** | 0.90 | `sliding_smart_edges` | Fertigkeiten, Lernpfade und Meisterschaft. | | **`habit`** | 0.85 | `sliding_short` | Routinen, Automatismen und Verhaltensmuster. | | **`idea`** | 0.70 | `sliding_short` | Flüchtige Einfälle und Rohmaterial für Projekte. | | **`state`** | 0.60 | `sliding_short` | Momentane Verfassung, Stimmung und Energielevel. | ### 3.1.3 History & Basis Stream (Die Evidenz / Das „Wann“) Dieser Stream speichert deine Erlebnisse, Fakten und externes Wissen als Belege. | Typ | Gewicht | Chunking Profil | Zweck & Inhalt | | :--- | :--- | :--- | :--- | | **`insight`** | 1.20 | `sliding_smart_edges` | Hochrelevante Erkenntnisse und Verhaltensmuster. | | **`experience`**| 1.10 | `sliding_smart_edges` | Biografische Lektionen und prägende Erlebnisse. | | **`event`** | 0.60 | `sliding_standard` | Chronologische Protokolle und Ereignisse. | | **`journal`** | 0.80 | `sliding_standard` | Tägliche Logs und ungefilterte Gedanken. | | **`person`** | 0.50 | `sliding_standard` | Kontaktprofile und soziale Vernetzung. | | **`source`** | 0.50 | `sliding_standard` | Externe Quellen wie Bücher, Videos oder Artikel. | | **`concept`** | 0.60 | `sliding_smart_edges` | Fachbegriffe, Theorien und zeitloses Wissen. | | **`glossary`** | 0.40 | `sliding_short` | Kurze Begriffsdefinitionen. | | **`default`** | 1.00 | `sliding_standard` | Fallback für alle nicht klassifizierten Notizen. | ### 3.2 Status und Bedeutung | Status | Bedeutung | Auswirkung auf die KI | | :--- | :--- | :--- | | **`stable`** | **Geprüftes Wissen.** Die Notiz ist inhaltlich korrekt, finalisiert und verlässlich (Gold-Standard). | **🚀 Bevorzugt (Bonus):** Die KI vertraut diesen Inhalten mehr (+20% Relevanz-Score). Bei widersprüchlichen Infos gewinnt `stable`. | | **`active`** | **Standard.** Aktuelle Arbeitsnotizen, Projekte oder Dokumentationen (Default, wenn leer). | **🔵 Neutral:** Standard-Gewichtung (Faktor 1.0). | | **`draft`** | **Entwurf.** Brainstorming, unstrukturierte Mitschriften oder rohe Ideen. | **🔻 Gedämpft (Malus):** Die KI nutzt diese Infos nur, wenn es keine besseren Treffer gibt (Relevanz auf 50% reduziert). Reduziert "Rauschen" in den Antworten. | | **`system`** | **Intern.** Konfigurationsdateien, technische Logs oder Admin-Skripte. | **❌ Ignoriert (Hard Skip):** Die Datei wird **nicht** in den Suchindex aufgenommen und ist für den Chat unsichtbar. | | **`template`**| **Vorlage.** Leere Gerüste für neue Notizen (z.B. für Obsidian). | **❌ Ignoriert (Hard Skip):** Verhindert, dass leere Vorlagen als Suchergebnisse auftauchen. | ### Wann nutze ich welchen Status? 1. **Ideenfindung:** Setzen Sie neue Ideen immer auf **`draft`**. So können Sie frei schreiben, ohne dass die KI sofort "Halbwissen" als Fakten verkauft. 2. **Finalisierung:** Sobald eine Entscheidung getroffen oder ein Konzept fertig ist, ändern Sie den Status auf **`stable`**. 3. **Konfiguration:** Nutzen Sie **`system`** für Dateien wie die `01_edge_vocabulary.md`, damit die KI nicht die Definition der Kanten zitiert, wenn Sie eigentlich nach Inhalten suchen. ### 3.3 Aliases (Synonyme & Verlinkung) Nutze `aliases: [Synonym]` für: 1. **Flüssiges Schreiben:** `[[RAG]]` statt `[[Retrieval Augmented Generation]]`. 2. **Semantische Anker:** Der Chat findet die Notiz auch über den Alias-Begriff. Das optionale Feld `aliases` erlaubt es dir, einer Notiz alternative Titel oder Synonyme zu geben. Dies ist ein mächtiges Werkzeug für die Usability und die Suche. ```yaml --- title: Leitbild – Handlungsprinzipien aliases: [Prinzipien, Handlungsleitlinien, Entscheidungsprinzipien] --- **Best Practices für Aliases** Damit dein System sauber bleibt, beachte diese Regeln: * ✅ **Akronyme & Abkürzungen:** Nutze Aliases für technische Kürzel. * *Note:* `Retrieval Augmented Generation` * *Alias:* `[RAG, RAG-Architektur]` * *Vorteil:* Du tippst im Fließtext nur `[[RAG]]` und bist fertig. * ✅ **Projekt-Codenamen:** Verbinde den offiziellen Titel mit dem Flur-Namen. * *Note:* `Projekt Phoenix – Cloud Migration` * *Alias:* `[Phoenix, Cloud-Projekt]` * ❌ **Vermeide generische Begriffe (Namespace Pollution):** Gib einer spezifischen Notiz niemals einen Alias, der ein allgemeines Wort ist. * *Schlecht:* Alias `[Meeting]` für `2025-10-JourFixe`. * *Folge:* Jedes Mal, wenn du das Wort "Meeting" tippst, schlägt Obsidian dir diesen einen alten Jour Fixe vor. Das zerstört den Schreibfluss. * ❌ **Keine Plural-Wahn:** Mindnet und Obsidian finden meist auch den Plural (Fuzzy Search). Du musst nicht `[Prinzip, Prinzipien, Prinzips]` anlegen. Ein Stammbegriff reicht oft. --- ## 4. Edges & Verlinkung Mindnet versteht Zusammenhänge durch Kanten. ### 4.1 Inline-Relationen (Semantische Verknüpfung) Dies ist die **mächtigste** Methode. Du sagst dem System explizit, **wie** Dinge zusammenhängen. > "Daher [[rel:depends_on Qdrant]]." > "Dieses Konzept ist [[rel:similar_to Pinecone]]." **Deep-Links zu Abschnitten (v2.9.1):** Du kannst auch auf spezifische Abschnitte innerhalb einer Note verlinken: > "Siehe [[rel:based_on Mein Leitbild#P3 – Disziplin]]." Das System trennt automatisch den Note-Namen (`Mein Leitbild`) vom Abschnitts-Namen (`P3 – Disziplin`), sodass mehrere Links zur gleichen Note möglich sind, wenn sie auf verschiedene Abschnitte zeigen. **Gültige Relationen:** * `depends_on`: Hängt ab von / Benötigt. * `blocks`: Blockiert oder gefährdet (z.B. Risiko -> Projekt). * `caused_by`: Wurde verursacht durch (Kausalität). * `similar_to`: Ähnelt / Ist vergleichbar mit. * `solves`: Löst (Problem). * `based_on`: Basiert auf (Fundament). * **`prev` / `next` [NEU]**: Markiert chronologische oder evolutionäre Abfolgen (z.B. Leitbild-Evolution). ### 4.2 Callout-Edges (empfohlen) Für Zusammenfassungen am Ende einer Notiz, oder eines Absatzes: ```markdown > [!edge] related_to > [[Vector Embeddings]] > [[AI Agents]] ``` **Multi-Line Support (v2.9.1):** Callout-Blocks mit mehreren Zeilen werden korrekt verarbeitet. Das System erkennt automatisch, wenn mehrere Links im gleichen Callout-Block stehen, und erstellt für jeden Link eine separate Kante (auch bei Deep-Links zu verschiedenen Sections). **Format-agnostische De-Duplizierung:** Wenn Kanten bereits via `[!edge]` Callout vorhanden sind, werden sie nicht mehrfach injiziert. Das System erkennt vorhandene Kanten unabhängig vom Format (Inline, Callout, Wikilink). ### 4.3 Automatische Spiegelkanten (Invers-Logik) - WP-24c v4.5.8 In Mindnet musst du Kanten **nicht** manuell in beide Richtungen pflegen. Das System erzeugt automatisch **Spiegelkanten** (Invers-Kanten) im Hintergrund. **Wie es funktioniert:** 1. **Du setzt eine explizite Kante:** Z.B. `[[rel:depends_on Projekt Alpha]]` in Note A 2. **System erzeugt automatisch die Spiegelkante:** Note "Projekt Alpha" erhält automatisch `enforced_by: Note A` 3. **Vorteil:** Beide Richtungen sind durchsuchbar, ohne dass du beide manuell setzen musst **Deine Aufgabe:** Setze die Kante in der Datei, die du gerade bearbeitest, so wie es der **logische Fluss** vorgibt. * **Blick zurück (Rückwärtslink):** Wenn du ein Ergebnis dokumentierst, nutze `derived_from`, `based_on` oder `prev`. * **Blick nach vorn (Vorwärtslink):** Wenn du einen Plan oder ein Protokoll schreibst, nutze `resulted_in`, `supports` oder `next`. **System-Logik (Beispiele):** - Schreibst du in Note A: `[[rel:next Projekt B]]`, erzeugt das System automatisch: `Projekt B prev: Note A` - Schreibst du in Note B: `[[rel:derived_from Note A]]`, erzeugt das System automatisch: `Note A resulted_in: Note B` - Schreibst du in Note A: `[[rel:impacts Projekt B]]`, erzeugt das System automatisch: `Projekt B impacted_by: Note A` **Wichtig:** - **Explizite Kanten haben Vorrang:** Wenn du bereits beide Richtungen explizit gesetzt hast, wird keine automatische Spiegelkante erzeugt (keine Duplikate) - **Höhere Wirksamkeit expliziter Kanten:** Explizit gesetzte Kanten haben höhere Priorität und Confidence-Werte als automatisch generierte Spiegelkanten - **Schutz vor Manipulation:** System-Kanten (`belongs_to`, `next`, `prev`) können nicht manuell überschrieben werden (Provenance Firewall) **Vorteil:** Keine redundante Datenpflege, kein "Link-Nightmare", volle Konsistenz im Graphen. Beide Richtungen sind durchsuchbar, was die Auffindbarkeit von Informationen verdoppelt. ### 4.4 Explizite vs. Validierte Kanten (Phase 3 Validierung) - WP-24c v4.5.8 Mindnet unterscheidet zwischen **expliziten Kanten** (sofort übernommen) und **validierten Kanten** (Phase 3 LLM-Prüfung). #### Explizite Kanten (Höchste Priorität) Diese Kanten werden **sofort** in den Graph übernommen, ohne LLM-Validierung: 1. **Typed Relations im Text:** ```markdown Diese Entscheidung [[rel:depends_on Performance-Analyse]] wurde getroffen. ``` 2. **Callout-Edges:** ```markdown > [!edge] depends_on > [[Performance-Analyse]] > [[Projekt Alpha]] ``` 3. **Note-Scope Zonen:** ```markdown ## Smart Edges [[rel:depends_on|System-Architektur]] [[rel:part_of|Gesamt-System]] ``` *(Siehe auch: [Note-Scope Zonen](NOTE_SCOPE_ZONEN.md))* **Vorteil expliziter Kanten:** - ✅ **Sofortige Übernahme:** Keine Wartezeit auf LLM-Validierung - ✅ **Höchste Priorität:** Werden immer beibehalten, auch bei Duplikaten - ✅ **Höhere Confidence:** Explizite Kanten haben `confidence: 1.0` (maximal) - ✅ **Keine Validierungs-Kosten:** Keine LLM-Aufrufe erforderlich #### Validierte Kanten (Phase 3 - candidate: Präfix) Kanten, die in speziellen Validierungs-Zonen stehen, erhalten das `candidate:` Präfix und werden in **Phase 3** durch ein LLM semantisch geprüft: **Format:** ```markdown ### Unzugeordnete Kanten related_to:Mögliche Verbindung depends_on:Unsicherer Link uses:Experimentelle Technologie ``` **Validierungsprozess:** 1. **Extraktion:** Links aus `### Unzugeordnete Kanten` erhalten `candidate:` Präfix 2. **Phase 3 Validierung:** LLM prüft semantisch: "Passt diese Verbindung zum Kontext?" 3. **Erfolg (VERIFIED):** `candidate:` Präfix wird entfernt, Kante wird persistiert 4. **Ablehnung (REJECTED):** Kante wird **nicht** in die Datenbank geschrieben **Kontext-Optimierung:** - **Note-Scope Kanten:** LLM nutzt Note-Summary oder gesamten Note-Text (besser für globale Verbindungen) - **Chunk-Scope Kanten:** LLM nutzt spezifischen Chunk-Text (besser für lokale Referenzen) **Wann nutze ich validierte Kanten?** - ✅ **Explorative Verbindungen:** Du bist unsicher, ob die Verbindung wirklich passt - ✅ **Experimentelle Links:** Du willst testen, ob eine Verbindung semantisch Sinn macht - ✅ **Automatische Vorschläge:** Das System hat Links vorgeschlagen, die du prüfen lassen willst **Wann nutze ich explizite Kanten?** - ✅ **Sichere Verbindungen:** Du bist dir sicher, dass die Verbindung korrekt ist - ✅ **Schnelle Übernahme:** Du willst keine Wartezeit auf Validierung - ✅ **Höchste Priorität:** Die Verbindung soll definitiv im Graph sein *(Siehe auch: [LLM-Validierung von Links](LLM_VALIDIERUNG_VON_LINKS.md))* ### 4.5 Note-Scope Zonen (Globale Verbindungen) - WP-24c v4.2.0 Für Verbindungen, die der **gesamten Note** zugeordnet werden sollen (nicht nur einem spezifischen Chunk), nutze **Note-Scope Zonen**: ```markdown ## Smart Edges [[rel:depends_on|Projekt-Übersicht]] [[rel:part_of|Größeres System]] ``` **Vorteile:** - ✅ **Globale Verbindungen:** Links gelten für die gesamte Note, nicht nur einen Abschnitt - ✅ **Höchste Priorität:** Note-Scope Links haben Vorrang bei Duplikaten - ✅ **Bessere Validierung:** In Phase 3 nutzt das LLM den gesamten Note-Kontext (Note-Summary/Text) **Wann nutze ich Note-Scope?** - ✅ **Projekt-Abhängigkeiten:** "Dieses Projekt hängt von X ab" (gilt für die ganze Note) - ✅ **System-Zugehörigkeit:** "Dieses Konzept ist Teil von Y" (gilt für die ganze Note) - ✅ **Globale Prinzipien:** "Diese Entscheidung basiert auf Prinzip Z" (gilt für die ganze Note) **Wann nutze ich Chunk-Scope (Standard)?** - ✅ **Lokale Referenzen:** "In diesem Abschnitt nutzen wir Technologie X" (nur für diesen Abschnitt) - ✅ **Spezifische Kontexte:** Links, die nur in einem bestimmten Textabschnitt relevant sind *(Siehe auch: [Note-Scope Zonen - Detaillierte Anleitung](NOTE_SCOPE_ZONEN.md))* --- ## 5. Schreiben für den KI-Zwilling (Szenarien) Damit der **RAG-Chat** dich berät, musst du "Futter" für die Decision Engine liefern. ### 5.1 Szenario A: Decision Engine (`DECISION`) * **Ziel:** Das System soll abwägen: "Passt Tool X zu mir?" * **Vorgehen:** Erstelle Notizen mit `type: value` oder `type: goal`. * **Effekt:** Wenn du fragst "Soll ich Notion nutzen?", lädt die Engine diese Notiz und antwortet: *"Nein, Notion ist SaaS ohne E2E. Das verletzt dein Prinzip der Datensparsamkeit."* ### Szenario B: Empathie (`EMPATHY`) * **Ziel:** Das System soll dich verstehen. * **Vorgehen:** Erstelle `type: experience` mit **emotionalen Brückenwörtern**. **Beispiel Notiz:** ```yaml --- type: experience title: Erfahrung: Der Durchbruch nach der Krise tags: [krise, hoffnung, grau, angst] --- Es gibt Projektphasen, da wirkt alles **sinnlos** und **grau**. Ich habe gelernt: Das ist oft das Zeichen kurz vor dem Durchbruch. ``` * **Effekt:** Bei "Alles ist grau" findet das System diese Notiz und spiegelt die Lektion zurück. ### 5.2 **Szenario C: Forward-Mapping (Lücken-Analyse) [NEU]** * **Ziel:** Strategische Wissenslücken füllen. * **Vorgehen:** Erstelle Hub-Notizen mit Forward-Links auf noch nicht existierende Dateien (z. B. `[[Besten Version meiner Selbst]]`). * **Effekt:** Das System erkennt die semantische Bedeutung des geplanten Wissens und kann proaktiv Fragen stellen, um diese Lücken zu schließen. ### 5.3 **Szenario D: Narratives Gedächtnis (Intention) [NEU]** * **Ziel:** Das System soll verstehen, *warum* eine Entscheidung getroffen wurde, um in ähnlichen künftigen Situationen konsistent zu beraten. * **Vorgehen:** Nutze in `journal`- oder `experience`-Notizen Abschnitte für "Hintergrund" und "Interpretation". * **Beispiel:** Statt "Wert: Disziplin" schreibe "Ich wähle Disziplin, weil ich in meiner Kindheit erlebt habe, wie Willkür schadet." * **Effekt:** Die KI spiegelt nicht nur die Regel, sondern die Überzeugung dahinter. ### 5.4 Szenario C: Forward-Mapping (Lücken-Analyse) Setze bewusst Links auf Dateien, die noch nicht existieren (z.B. `[[Die beste Version meiner selbst]]`). Die KI erkennt diese semantischen Lücken und stellt im Chat proaktive Fragen, um diese Felder mit dir zu füllen. ### 5.5 Szenario D: Narratives Gedächtnis Dokumentiere das "Warum" (Fleisch am Knochen). Wenn du schreibst: *"Ich wähle Disziplin, weil ich Willkür als Kind schmerzhaft erlebt habe"*, versteht die KI die emotionale Kausalität und kann dich in Krisen an diesen Ursprung erinnern. --- ## 6. Best Practices & Beispiele ### 6.1 Beispiel: Projekt-Notiz (Standard) Projekte profitieren von `depends_on`, um Abhängigkeiten zu klären. ```markdown --- id: 20251115-proj-mindnet title: Mindnet Implementierung type: project status: active --- # Mindnet Implementierung Wir bauen ein persönliches Wissensnetz. ## Tech Stack Wir nutzen [[rel:depends_on Qdrant]] für die Vektorsuche und [[rel:depends_on FastAPI]] für das Backend. ## Architektur Das Konzept basiert auf [[RAG Architecture]]. ``` ### 6.2 Beispiel: Advanced Tuning (Manuelles Override) Hier zwingen wir das System, eine Entscheidung extrem kleinteilig (`strict`) zu zerlegen und in der Suche maximal zu priorisieren. ```markdown --- id: 20251120-adr-vektordb title: ADR: Wahl von Qdrant type: decision status: final tags: [architektur, db] chunking_profile: structured_smart_edges_strict retriever_weight: 1.5 --- # Entscheidung: Qdrant Wir haben uns für Qdrant entschieden. ## Alternativen Wir haben auch [[rel:similar_to Pinecone]] und [[rel:similar_to Weaviate]] betrachtet. ``` --- ## 7. Virtual Schema Layer Grundsätzlich gilt das Prinzip des **Virtual Schema Layers**. Die Logik (wie `chunk_size`) wird zentral in der `types.yaml` verwaltet. **Aber:** Als Power-User hast du über die Overrides jederzeit die Möglichkeit, aus diesem Standard auszubrechen.