Mindnet v2.2 – Overview & Einstieg

Datei: docs/mindnet_overview_v2.2.md Stand: 2025-12-08 Status: FINAL (Post-WP05 Release) Version: 2.3.0

1. Einführung: Was ist Mindnet?

Mindnet ist ein persönliches, lokales KI-Gedächtnis. Es ist der Versuch, einen Digitalen Zwilling deines Wissens und deiner Persönlichkeit zu erschaffen.

Anders als herkömmliche Notiz-Apps (wie Obsidian oder Evernote), die Texte nur passiv speichern, ist Mindnet ein aktives System:

Es versteht Zusammenhänge über einen Wissensgraphen.
Es begründet Antworten ("Warum ist das so?").
Es antwortet im Dialog als Persona (RAG-Chat), basierend auf deinen Werten.

Die Vision

„Ein System, das nicht nur speichert, was ich weiß, sondern auch wie ich denke.“

2. Die drei Ebenen des Systems

Mindnet arbeitet auf drei Schichten, die aufeinander aufbauen:

Ebene 1: Content (Das Gedächtnis)

Quelle: Dein lokaler Obsidian-Vault (Markdown).
Funktion: Speicherung von Fakten, Projekten und Logs.
Technik: Import-Pipeline, Chunking, Vektor-Datenbank (Qdrant).
Status: 🟢 Live (WP01–WP03).

Ebene 2: Semantik (Das Verstehen)

Funktion: Verknüpfung von isolierten Notizen zu einem Netzwerk.
Logik: "Projekt A hängt ab von Entscheidung B".
Technik: Hybrider Retriever (Graph + Vektor), Explanation Engine.
Status: 🟢 Live (WP04).

Ebene 3: Identität (Die Persönlichkeit)

Funktion: Interaktion und Bewertung. Das System nimmt eine Haltung ein.
Logik: "Ich empfehle Lösung X, weil sie unserem Wert 'Datensparsamkeit' entspricht."
Technik: RAG-Chat, LLM (Phi-3), Prompt Engineering, Feedback Loop.
Status: 🟢 Live (WP05).

3. End-to-End Architektur

Der Datenfluss in Mindnet ist zyklisch ("Data Flywheel"):

Input: Du schreibst Notizen in Obsidian.
Ingest: Ein Python-Skript importiert, zerlegt (Chunking) und vernetzt (Edges) die Daten in Qdrant.
Retrieval: Bei einer Frage sucht das System semantisch (Text) und graph-basiert (Nachbarn).
Generation: Ein lokales LLM (Ollama) formuliert die Antwort, angereichert mit Kontext-Metadaten.
Feedback: Du bewertest die Antwort. Das System lernt (langfristig) daraus.

Tech-Stack:

Backend: Python 3.12, FastAPI.
Datenbank: Qdrant (Vektor & Graph).
KI: Ollama (Phi-3 Mini / Mistral) – 100% lokal.
Frontend: Terminal (aktuell) / Web-UI (geplant WP10).

4. Dokumentations-Wegweiser

Wo findest du was?

Wenn du...	...lies dieses Dokument
...wissen willst, wie man Notizen schreibt.	`mindnet_knowledge_design_manual_v2.2.md`
...das System installieren oder betreiben musst.	`mindnet_admin_guide_v2.2.md`
...am Python-Code entwickeln willst.	`mindnet_developer_guide_v2.2.md`
...die Pipeline (Import -> RAG) verstehen willst.	`mindnet_pipeline_playbook_v2.2.md`
...die genaue JSON-Struktur oder APIs suchst.	`mindnet_technical_architecture.md`
...verstehen willst, was fachlich passiert.	`mindnet_functional_architecture.md`
...den aktuellen Projektstatus suchst.	`Programmplan_V2.2.md`

5. Rollen im System

Mindmaster (User/Owner): Du. Du erstellst Inhalte, stellst Fragen und gibst Feedback. Du definierst die Werte (type: value).
Mindnet (Der Agent): Der digitale Zwilling. Er agiert als pragmatischer, transparenter Assistent im Chat.
Administrator: Verantwortlich für Docker-Container, Backups und LLM-Ressourcen.

6. Aktueller Fokus

Wir befinden uns im Übergang von Phase C (Persönlichkeit) zu Phase D (Interaktion). Das "Gehirn" (WP05) ist fertig. Als Nächstes folgen die Decision Engine (WP06) für komplexe Entscheidungen und das Frontend (WP10) für bessere Usability.

3.8 KiB Raw Blame History Unescape Escape