# mindnet — Lokales Wissensnetz (Obsidian → Qdrant → LLM)

**Ziel:** Markdown-Notizen (z. B. aus Obsidian) als Chunks mit Embeddings in **Qdrant** speichern, Notiz-Metadaten separat pflegen und Links/Beziehungen explizit abbilden.  
**Präfix:** `mindnet_…` (keine Kollision mit bestehenden Trainer-Collections).

## Collections (Qdrant)

- **mindnet_chunks**  
  Semantische Suche (RAG) über Text-Chunks (Vektor: 384, Distance: Cosine).  
  **Payload (Auszug):** `note_id`, `chunk_id`, `title`, `path`, `tags[]`, `Typ`, `Rolle[]`, `Status`, `heading`, `text`, `links[]`.

- **mindnet_notes**  
  1 Punkt pro Notiz (optional Titel-Embedding). Metadaten/Facettierung.

- **mindnet_edges**  
  Explizite Kanten (A → B) als Payload-Punkte (Dummy-Vektor `size=1`).  
  **Payload:** `src_note_id`, `dst_note_id`, `src_chunk_id`, `dst_chunk_id`, `link_text`, `relation`.

## Schnellstart

```bash
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

# Qdrant-URL per ENV (optional), sonst Default:
# export QDRANT_URL=http://127.0.0.1:6333

python scripts/setup_collections.py \
  --prefix mindnet \
  --dim 384 \
  --distance Cosine