mindnet/docs/01_User_Manual/01_chat_usage_guide.md

doc_type	audience	scope	status	version	context
user_manual	user, mindmaster	chat, ui, feedback, graph, agentic_validation	active	4.5.8	Anleitung zur Nutzung der Web-Oberfläche, der Chat-Personas, Multi-Stream RAG und des Graph Explorers. Inkludiert WP-24c Chunk-Aware Multigraph-System und automatische Spiegelkanten.

Chat & Graph Usage Guide

Quellen: user_guide.md

💡 Tipp für Einsteiger: Falls du noch nie mit Mindnet gearbeitet hast, starte mit dem Schnellstart und dem Knowledge Design Manual, um die Grundlagen zu verstehen.

1. Was Mindnet für dich tut

Mindnet ist ein assoziatives Gedächtnis mit Persönlichkeit. Es unterscheidet sich von einer reinen Suche dadurch, dass es kontextsensitiv agiert.

Das Gedächtnis (Der Graph - Chunk-Aware Multigraph): Wenn du nach "Projekt Alpha" suchst, findet Mindnet auch:

• Abhängigkeiten: "Technologie X wird benötigt".
• Entscheidungen: "Warum nutzen wir X?".
• Ähnliches: "Projekt Beta war ähnlich".
• Beide Richtungen: Dank automatischer Spiegelkanten findest du auch Notizen, die auf "Projekt Alpha" verweisen (z.B. "Projekt Beta enforced_by: Projekt Alpha").
• Präzise Abschnitte: Deep-Links zu spezifischen Abschnitten ([[Note#Section]]) ermöglichen präzise Verknüpfungen innerhalb langer Dokumente.

Der Zwilling (Die Personas): Mindnet passt seinen Charakter an: Mal ist es der neutrale Bibliothekar, mal der strategische Berater, mal der empathische Spiegel.

---

2. Die Oberfläche (Web UI)

Seit Version 2.3.1 bedienst du Mindnet über eine grafische Oberfläche im Browser.

2.1 Der Chat-Bereich

• Intent-Badge: Über jeder Antwort siehst du ein Label (z.B. ⚖️ Intent: DECISION).
• Quellen-Karten: Unter der Antwort findest du ausklappbare Karten ("Expanders").
  • Grüner Punkt: Hohe Relevanz (Score > 0.8).
  • Klick darauf: Zeigt den Textauszug und die Begründung (Explanation Layer).

2.2 Modus: 🕸️ Graph Explorer (Cytoscape)

Neu in v2.6: Eine interaktive Karte deines Wissens.

Die Farb-Logik:

• 🔴 Roter Rahmen: Das aktuelle Zentrum (Ego). Alle geladenen Knoten sind Nachbarn dieses Knotens.
• 🟡 Gelber Rahmen: Der inspizierte Knoten. Dessen Details siehst du im "Data Inspector" und in der Action-Bar.

Bedienung:

1. Klick auf einen Knoten: Wählt ihn aus (Gelb). Der Graph bleibt stabil, aber die Info-Leiste oben aktualisiert sich.
2. Button "🎯 Als Zentrum setzen": Lädt den Graphen neu und macht den ausgewählten Knoten zum roten Zentrum.
3. Button "📝 Bearbeiten": Springt mit dem Inhalt dieses Knotens direkt in den Editor.

Layout & Persistenz: Du kannst in der linken Spalte die Physik (Abstoßung, Kantenlänge) einstellen. Diese Einstellungen werden in der URL gespeichert. Du kannst den Link als Lesezeichen speichern, um genau diese Ansicht wiederzufinden.

2.3 Modus: 📝 Manueller Editor

Ein Editor mit "File System First" Garantie.

• Wenn du eine Datei bearbeitest, liest Mindnet sie direkt von der Festplatte.
• Resurrection: Wenn du zwischendurch in den Graph wechselst und zurückkommst, ist dein getippter Text noch da.

---

3. Den Chat steuern (Intents & Multi-Stream RAG)

Du steuerst die Persönlichkeit von Mindnet durch deine Wortwahl. Seit WP-25 nutzt Mindnet Agentic Multi-Stream RAG, das deine Anfrage in parallele Wissens-Streams aufteilt:

3.1 Intent-Erkennung (Hybrid-Router)

Der Router erkennt deine Absicht auf zwei Wegen:

Schnelle Erkennung (Keyword Fast-Path):

• "Soll ich..." → Sofortige Erkennung als DECISION (Berater)
• "Wann..." → Sofortige Erkennung als FACT_WHEN (Zeitpunkte)
• "Was ist..." → Sofortige Erkennung als FACT_WHAT (Wissen)
• "Ich fühle..." → Sofortige Erkennung als EMPATHY (Spiegel)

Intelligente Analyse (LLM Slow-Path):

• Bei unklaren Anfragen analysiert die KI semantisch deine Absicht

3.2 Multi-Stream Retrieval (WP-25)

Anstelle einer einzelnen Suche führt Mindnet nun parallele Abfragen in spezialisierten Wissens-Streams aus:

Die Streams:

• Values Stream: Deine Identität, Ethik und Prinzipien (value, principle, belief)
• Facts Stream: Operative Daten zu Projekten, Tasks und Status (project, decision, task)
• Biography Stream: Persönliche Erfahrungen und Journal-Einträge (experience, journal)
• Risk Stream: Hindernisse und potenzielle Gefahren (risk, obstacle)
• Tech Stream: Technisches Wissen, Code und Dokumentation (concept, source, glossary)

Vorteil: Jeder Stream fokussiert auf spezifische Wissensbereiche, was zu präziseren und kontextreicheren Antworten führt.

3.3 Frage-Modi (Strategien)

• Entscheidung ("Soll ich?"): Der Berater.
  • Nutzt: Values Stream, Facts Stream, Risk Stream
  • Wägt Fakten gegen deine Werte ab und evaluiert Risiken
  • Beispiel: "Soll ich Tool X nutzen?" -> "Nein, Tool X speichert Daten in den USA. Das verstößt gegen dein Prinzip 'Privacy First'."
• Empathie ("Ich fühle..."): Der Spiegel.
  • Nutzt: Biography Stream, Values Stream
  • Greift auf deine Erfahrungen und Werte zurück
  • Beispiel: "Ich bin frustriert." -> "Das erinnert mich an Projekt Y, da ging es uns ähnlich..."
• Fakten ("Was ist?", "Wann..."): Der Bibliothekar.
  • Nutzt: Facts Stream, Tech Stream, Biography Stream
  • Liefert präzise Definitionen und zeitliche Informationen

3.2 Befehls-Modus (Interview)

Ausgelöst durch Aussagen wie "Neues Projekt", "Ich will festhalten".

• Was passiert: Mindnet sucht nicht, sondern öffnet den Draft-Editor.
• Beispiel: "Neue Erfahrung: Streit am Recyclinghof." -> Das System erstellt sofort eine strukturierte Notiz mit den Feldern "Situation", "Reaktion" und "Learning".

---

4. Ergebnisse interpretieren (Explanation Layer & Stream-Tracing)

Mindnet liefert eine Begründung ("Reasons"), warum es etwas gefunden hat. Öffne eine Quellen-Karte, um zu sehen:

• "Hohe textuelle Übereinstimmung." (Semantik)
• "Bevorzugt aufgrund des Typs 'decision'." (Wichtigkeit)
• "Verweist auf 'Projekt X' via 'depends_on'." (Graph-Kontext)
• "Quelle: Values Stream" (Stream-Tracing - WP-25)

Stream-Tracing (WP-25): Jede Quelle wird mit ihrem Ursprungs-Stream markiert (z.B. "Values Stream", "Facts Stream"). Dies hilft dir zu verstehen, aus welchem Wissensbereich die Information stammt.

---

5. Feedback & Lernen

Mindnet wird schlauer, wenn du es pflegst.

• Globales Feedback (Sterne): Bewertet die generierte Antwort (Prompting, Tonfall).
• Granulares Feedback (Smileys): Bewertet die einzelne Quelle.
  • 😞 (Sad): Irrelevant. (Senkt das Gewicht dieser Verbindung).
  • 😀 (Grin): Perfekter Treffer! (Stärkt diesen Typ/Kante).

---

6. Neues Wissen beisteuern (Authoring & Intelligence)

Mindnet lebt von deinem Input. Du hast drei Wege, Wissen einzugeben:

6.1 Weg A: Der Interview-Assistent (Auto-Drafting)

1. Start: Schreibe im Chat: "Ich möchte ein neues Projekt 'Apollo' starten."
2. Generierung: Mindnet erkennt INTERVIEW, wählt das Schema und erstellt einen Entwurf.
3. Editor: Die UI zeigt den Entwurf (status: draft).
   • Healing UI: Falls das LLM Syntax-Fehler gemacht hat, hat der Editor sie bereits repariert.
4. Speichern: Klicke auf "💾 Speichern".

6.2 Weg B: Der Intelligence-Workflow

Wenn du im manuellen Editor schreibst, unterstützt dich Mindnet aktiv bei der Vernetzung:

1. Schreiben: Tippe deinen Text im Tab "✏️ Inhalt".
2. Analysieren: Wechsle zum Tab "🧠 Intelligence" und klicke auf "🔍 Analyse starten". Das System scannt deinen Text (Vektor-Suche & Exact Match).
3. Vorschläge nutzen:
   • Exakte Treffer: Das System erkennt Begriffe wie "KI-Gedächtnis" als Alias für "Mindnet".
   • Semantische Treffer: Das System findet inhaltlich verwandte Notizen.
   • Klick auf "➕ Einfügen": Fügt den Link (z.B. [[rel:related_to Mindnet]]) an der Cursor-Position ein.
4. Speichern: Der Text wird sofort in den Vault geschrieben und indiziert.

6.3 Weg C: Direktes Schreiben in Obsidian

Wenn du Obsidian nutzt, kannst du Notizen direkt im Vault erstellen. Nach dem Speichern in Obsidian:

1. Automatischer Import (Cron): Der stündliche Cron-Job importiert neue/geänderte Dateien automatisch.
2. Manueller Import: Oder führe manuell aus:

   python3 -m scripts.import_markdown --vault ./vault --prefix mindnet --apply
   

Vorteil: Du arbeitest in deiner gewohnten Obsidian-Umgebung, Mindnet synchronisiert im Hintergrund.

---

7. Häufige Anwendungsfälle (Use Cases)

7.1 Entscheidungshilfe suchen

Szenario: Du stehst vor einer schwierigen Entscheidung.

Vorgehen:

1. Stelle eine Frage im Chat: "Soll ich Tool X nutzen?"
2. Mindnet erkennt DECISION Intent
3. System lädt deine Werte, Prinzipien und Ziele
4. Antwort berücksichtigt deine persönlichen Kriterien

Beispiel: "Soll ich Notion nutzen?" → System prüft gegen dein Prinzip "Privacy First" und rät ab.

7.2 Erfahrungen dokumentieren

Szenario: Du willst ein prägendes Erlebnis festhalten.

Vorgehen:

1. Chat: "Neue Erfahrung: Streit am Recyclinghof"
2. System erstellt strukturierte Notiz mit Feldern:
   • Situation
   • Reaktion
   • Learning
3. Verknüpfe mit relevanten Rollen: [[rel:supports Meine Rollenlandkarte 2025#Vater]]

7.3 Wissen im Graph erkunden

Szenario: Du willst verstehen, wie Konzepte zusammenhängen.

Vorgehen:

1. Wechsle zum Graph Explorer
2. Suche nach einem Knoten (z.B. "Projekt Alpha")
3. Klicke auf "🎯 Als Zentrum setzen"
4. Erkunde die Nachbarschaft (Abhängigkeiten, Entscheidungen, ähnliche Projekte)

7.4 Bestehende Notizen verbessern

Szenario: Eine Notiz ist unvollständig oder unvernetzt.

Vorgehen:

1. Öffne die Notiz im Manuellen Editor
2. Nutze Intelligence-Tab für Link-Vorschläge
3. Füge semantische Links hinzu: [[rel:based_on Wert X]]
4. Speichern → System indiziert neu

---

8. Tipps & Tricks

8.1 Intent-Steuerung

• Frage mit "?": Löst RAG-Modus aus (Wissen abrufen)
• Aussage ohne "?": Löst Interview-Modus aus (Wissen speichern)
• Emotionale Wörter: Aktivieren Empathie-Persona ("Ich fühle...", "Ich bin frustriert...")

8.2 Graph-Navigation

• URL-Persistenz: Graph-Einstellungen werden in der URL gespeichert → Lesezeichen für spezifische Ansichten
• Deep-Links: Verlinke präzise Abschnitte: [[Note#Abschnitt]] statt nur [[Note]]

8.3 Feedback nutzen

• Regelmäßiges Feedback: Macht das System schlauer
• Granulares Feedback: Bewerte einzelne Quellen, nicht nur die Gesamtantwort
• Konsequenz: System lernt deine Präferenzen

---

9. Weitere Informationen

• Knowledge Design: Siehe Knowledge Design Manual
• Authoring Guidelines: Siehe Authoring Guidelines
• Obsidian Integration: Siehe Obsidian Integration Guide
• Troubleshooting: Siehe Admin Operations - Troubleshooting