Lars/mindnet
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases 21 Wiki Activity
32128c06c1
mindnet/docs/user_guide.md
Lars d48b671314 Dokumentation aktualisiert
2025-12-08 16:14:52 +01:00

5.6 KiB
Raw Blame History

Mindnet v2.2 – User Guide

Datei: docs/mindnet_user_guide_v2.2.md Stand: 2025-12-08 Status: FINAL (Inkl. RAG & Chat) Quellen: knowledge_design.md, wp04_retriever_scoring.md, Programmplan_V2.2.md, Handbuch.md.

Willkommen bei Mindnet. Dies ist dein persönliches Wissensnetzwerk. Im Gegensatz zu einer normalen Suche (wie Google Drive), die nur Texte findet, "denkt" Mindnet mit. Es erklärt dir, warum es etwas gefunden hat, und kann dir im Chat Fragen beantworten.

1. Was Mindnet für dich tut

Mindnet ist ein assoziatives Gedächtnis. Es verbindet deine Notizen zu einem Graphen.

1.1 Mehr als nur Stichworte

Wenn du nach "Projekt Alpha" suchst, findet Mindnet nicht nur das Dokument mit diesem Titel. Es findet auch:

  • Abhängigkeiten: "Technologie X wird benötigt" (weil sie verlinkt ist).
  • Entscheidungen: "Warum nutzen wir X?" (weil eine Decision-Note existiert).
  • Ähnliches: "Projekt Beta war ähnlich" (weil es strukturell verwandt ist).

1.2 Dein KI-Zwilling (Vision)

Mindnet speichert nicht nur Fakten, sondern deine Perspektive. Durch die Gewichtung von Typen (z.B. "Prinzipien sind wichtiger als Quellen") lernt das System, Antworten so zu priorisieren, wie du es tun würdest.

2. Gute Fragen an Mindnet stellen

Mindnet nutzt eine Hybride Suche. Das heißt, es schaut auf deine Worte (Semantik) und auf das Netzwerk (Graph).

2.1 Frage-Muster

Um gute Antworten zu erhalten, formuliere deine Anfragen präzise:

  • Faktensuche: "Wie installiere ich Qdrant?"
    • Mindnet sucht: Chunks mit technischer Anleitung.
  • Zusammenhänge: "Womit hängt Projekt Alpha zusammen?"
    • Mindnet sucht: Den Projekt-Knoten und folgt den Kanten (depends_on, related_to).
  • Entscheidungen: "Warum nutzen wir Vektordatenbanken?"
    • Mindnet sucht: Notizen vom Typ decision oder principle.

2.2 Tipps für bessere Ergebnisse

  1. Nutze deine Sprache: Verwende die Begriffe, die du auch in deinen Notizen benutzt hast.
  2. Kontext geben: Statt nur "Qdrant" zu tippen, frage "Qdrant Setup für Mindnet", um den Kontext einzuschränken.

3. Ergebnisse interpretieren (Explanation Layer)

Mindnet liefert nicht einfach nur Treffer. Es liefert eine Begründung (Explanation). Achte auf diese Hinweise in der Antwort:

3.1 Die Gründe ("Reasons")

Das System sagt dir in natürlicher Sprache, warum ein Treffer relevant ist:

  • "Hohe textuelle Übereinstimmung." (Semantik war stark)
  • "Bevorzugt aufgrund des Typs 'decision'." (Typ war wichtig)
  • "Verweist auf 'Projekt X' via 'depends_on'." (Dieser Treffer ist eine wichtige Grundlage für deine Suche)
  • "Wird referenziert von 'Wichtige Notiz Y'." (Dieser Treffer ist eine Autorität im Netzwerk)

3.2 Der Score Breakdown

Wenn du es genau wissen willst, schau auf die Aufschlüsselung: Score = (Text) + (Typ-Bonus) + (Vernetzungs-Bonus)

Ein Treffer mit niedrigem Text-Score kann trotzdem auf Platz 1 landen, wenn er extrem gut vernetzt ist ("Hidden Champion").

4. Neues Wissen beisteuern (Authoring)

Mindnet lebt von deinem Input. Du musst kein Techniker sein, um gutes Wissen zu designen. Du schreibst einfach Markdown.

4.1 Die Goldene Regel: "Verlinke semantisch"

Statt einfach nur [[Link]] zu schreiben, versuche zu sagen, wie es zusammenhängt.

  • Hängt es davon ab? -> [[rel:depends_on Ziel]]
  • Ist es ähnlich? -> [[rel:similar_to Ziel]]
  • Ist es eine Folge davon? -> [[rel:caused_by Ziel]]

4.2 Struktur hilft dem Chunker

Mindnet zerlegt deinen Text in Häppchen ("Chunks"). Hilf dabei:

  • Verwende Überschriften (##), um Themen zu trennen.
  • Schreibe Absätze, die einen Gedanken fassen.

4.3 Typen nutzen

Setze im Frontmatter deiner Notizen den richtigen Typ (z.B. type: project, type: decision). Das steuert automatisch, wie wichtig die Notiz ist.

5. Feedback & Lernen

Mindnet wird schlauer, wenn du es pflegst.

5.1 Feedback geben (Data Flywheel)

Das System zeichnet nun auf, welche Ergebnisse es liefert (search_history). Du kannst Treffer bewerten (1-5 Sterne oder Daumen hoch/runter).

  • Was passiert damit? Mindnet speichert "Situation" (Query) und "Reaktion" (Rating).
  • Wozu? In Zukunft analysiert das System diese Daten, um zu lernen: "Aha, der Nutzer mag Entscheidungen lieber als Quellen". Es passt seine Gewichte dann selbstständig an (Self-Tuning).

5.2 Ergebnis fehlt?

  • Existiert die Notiz im Vault?
  • Ist sie isoliert (keine Links)? Isolierte Notizen haben keinen Graph-Bonus. Verlinke sie!

6. Chat mit Mindnet (Neu in v2.2)

Neben der Suche (/query) gibt es jetzt den Chat (/chat).

6.1 Wann Chat, wann Suche?

  • Suche: Wenn du ein konkretes Dokument oder einen Link brauchst.
  • Chat: Wenn du eine Frage hast, die sich aus mehreren Dokumenten zusammensetzt.
    • Frage: "Was ist der Status von Projekt X und welche Risiken gibt es?"
    • Antwort: Mindnet liest die Projekt-Notiz UND verknüpfte Risiko-Notizen und fasst sie zusammen.

6.2 Die Persönlichkeit

Der Chatbot agiert als dein "Digitaler Zwilling". Er versucht:

  1. Pragmatisch zu sein (Lösungen statt Theorie).
  2. Transparent zu sein (er sagt, wenn er etwas nicht weiß).
  3. Wertebasiert zu handeln (er bevorzugt Lösungen, die deinen type: value Notizen entsprechen).

6.3 Quellen-Check

Der Chatbot halluziniert nicht (oder sehr selten). Unter jeder Antwort listet er die Quellen auf, die er genutzt hat.

  • Prüfe immer: Hat er die richtige [DECISION]-Notiz gefunden?
  • Falls nein: Füge in deinem Vault einen Link ([[rel:depends_on]]) hinzu, damit er den Zusammenhang beim nächsten Mal sieht.