Lars
5225090490
4.4 KiB
| doc_type | audience | status | version | context |
|---|---|---|---|---|
| strategy | all | active | 2.6 | Vision, Mission und Architekturprinzipien von Mindnet. |
Mindnet Vision & Strategie
Quellen: Programmplan_V2.2.md
1. Programmauftrag
Mindnet v2.6 entwickelt ein persönliches, wachsendes KI-Gedächtnis. Es ist ein Digitaler Zwilling, der:
- Wissen, Erfahrungen und Werte speichert.
- Semantisch verknüpft (Graphen-basiert).
- Als Dialogpartner agiert (RAG-Chat).
- Lokal und privat läuft (Privacy First).
Es ist kein statisches Archiv, sondern ein lebendes System, das durch Interaktion (Feedback, Smart Edges) besser wird.
2. Vision
„Ein persönliches semantisches Gedächtnis, das mit mir wächst, meine Persönlichkeit spiegelt und mir als intelligenter, erklärbarer, lernender Begleiter dient.“
Kernprinzipien der Vision:
- Erklärbarkeit: Jede Antwort muss begründbar sein ("Why-Layer").
- Wachstum: Das System startet klein und verdichtet sich.
- Autonomie: Es schlägt fehlende Kanten selbstständig vor (Smart Edges).
- Persönlichkeit: Es entscheidet basierend auf deinen Werten.
3. Architekturprinzipien
Die folgenden Prinzipien steuern jede technische Entscheidung:
-
Late Binding (Späte Semantik): Struktur und Interpretation werden in Konfigurationen (
types.yaml,prompts.yaml) definiert, nicht direkt in den Vault-Dateien. Die "Persönlichkeit" ist Config, kein Code. -
Virtual Schema Layer: Markdown-Dateien benötigen nur minimale, robuste Angaben (Frontmatter). Komplexität (Chunk-Größe, Gewichte) wird zur Laufzeit injiziert.
-
Self-Healing Graph: Der Graph wird regelmäßig auf Konsistenz geprüft. "Dangling Edges" werden bereinigt, fehlende Links durch Smart Edges ergänzt.
-
Deterministische IDs: Notes und Chunks erhalten stabile IDs (UUIDv5). Der Graph ist jederzeit aus dem Markdown wiederaufbaubar.
-
Full Explainability: Keine Blackbox. Jede Antwort liefert Metadaten (
[DECISION],[PROJECT]) und Begründungen. -
Persistence First: Obsidian (Markdown) bleibt die einzige Quelle der Wahrheit. Die Datenbank ist nur ein abgeleiteter Cache.
-
Minimalinvasives Schreiben: Mindnet schreibt nie ungefragt in deine Notizen. Änderungen erfolgen nur über den Draft Editor oder mit expliziter Zustimmung.
-
Incremental Growth: Das System muss bereits mit wenigen Notizen nützlich sein.
-
Observability: Jeder Importlauf und jede Retriever-Anfrage ist logbar.
-
Local First & Privacy: Nutzung lokaler LLMs (Ollama) für Inference. Keine Daten verlassen den Server.
-
Modulare Architektur (WP-14): Core-Logik ist in spezialisierte Pakete unterteilt (
chunking/,database/,graph/,ingestion/,parser/,retrieval/). Dies ermöglicht unabhängige Entwicklung, Testbarkeit und Wartbarkeit. -
Resilienz durch Kaskaden: System nutzt Provider-Kaskaden (Cloud → Rate-Limit-Handling → Lokaler Fallback) für hohe Verfügbarkeit. Deep Fallback erkennt auch kognitive Blockaden (Silent Refusals).
4. Design-Entscheidungen & Trade-offs
4.1 Qdrant als Vektor-DB
Entscheidung: Self-hosted Qdrant statt Managed Service (Pinecone/Weaviate)
Gründe: Privacy First, Open Source, lokale Kontrolle
Trade-off: Mehr Wartungsaufwand, aber vollständige Datenhoheit
4.2 Hybrid Retrieval
Entscheidung: Kombination von Vektor-Suche (Semantik) und Graph-Expansion
Gründe: Bessere Relevanz durch strukturelle Verbindungen
Trade-off: Höhere Komplexität, aber deutlich bessere Ergebnisse
4.3 Background Tasks statt Queue-System
Entscheidung: FastAPI Background Tasks statt Redis/RabbitMQ
Gründe: Einfacher Setup, ausreichend für Single-User
Trade-off: Keine Persistenz bei Server-Neustart, aber weniger Infrastruktur
4.4 Markdown als Source of Truth
Entscheidung: Markdown-Dateien sind primär, Datenbank ist Cache
Gründe: Versionierbarkeit, Editierbarkeit, Unabhängigkeit
Trade-off: Zwei Datenquellen, aber maximale Flexibilität
5. Weitere Informationen
- Architektur-Patterns: Siehe Architektur-Patterns
- Graph-Logik: Siehe Graph-Logik
- KI-Persönlichkeit: Siehe KI-Persönlichkeit