Deploy mindnet to llm-node / deploy (push) Successful in 3s

Details

2025-12-19 09:53:47 +01:00

22 KiB

Raw Blame History

doc_type	audience	status	version	context
roadmap	product_owner, developer	active	2.7.0	Aktuelle Planung für kommende Features (ab WP16), Release-Strategie und Historie der abgeschlossenen WPs.

Mindnet Active Roadmap

Aktueller Stand: v2.7.0 (Post-WP-22) Fokus: Professionalisierung, Content Lifecycle & Graph Intelligence.

1. Programmstatus

Wir haben mit der Implementierung des Graph Explorers (WP19) und der Smart Edge Allocation (WP15) die Basis für ein intelligentes, robustes System gelegt. Der Abschluss von WP-22 (Content Lifecycle) professionalisiert nun die Datenhaltung und das Vokabular-Management.

Phase	Fokus	Status
Phase A	Fundament & Import	✅ Fertig
Phase B	Semantik & Graph	✅ Fertig
Phase C	Persönlichkeit	✅ Fertig
Phase D	Interaktion & Tools	✅ Fertig
Phase E	Maintenance & Professionalisierung	🚀 Aktiv (v2.7.0)

2. Historie: Abgeschlossene Workpackages

Eine Übersicht der implementierten Features zum schnellen Auffinden von Funktionen. Details siehe 99_legacy_workpackages.md.

WP	Titel	Ergebnis / Kern-Feature
WP-01	Knowledge Design	Definition von `types.yaml` und Note-Typen (Project, Concept, etc.).
WP-02	Chunking Strategy	Implementierung von Sliding-Window und Hash-basierter Änderungserkennung.
WP-03	Import-Pipeline	Asynchroner Importer, der Markdown in Qdrant (Notes/Edges) schreibt.
WP-04a	Retriever Scoring	Hybride Suche: `Score = Semantik + GraphBonus + TypGewicht`.
WP-04b	Explanation Layer	Transparenz: API liefert "Reasons" (Warum wurde das gefunden?).
WP-04c	Feedback Loop	Logging von User-Feedback (JSONL) als Basis für Learning.
WP-05	RAG-Chat	Integration von Ollama (`phi3`) und Context-Enrichment im Prompt.
WP-06	Decision Engine	Hybrid Router unterscheidet Frage (`RAG`) vs. Handlung (`Interview`).
WP-07	Interview-Assistent	One-Shot Extraction: Erzeugt Markdown-Drafts aus User-Input.
WP-10	Web UI	Streamlit-Frontend als Ersatz für das Terminal.
WP-10a	Draft Editor	GUI-Komponente zum Bearbeiten und Speichern generierter Notizen.
WP-11	Backend Intelligence	`nomic-embed-text` (768d) und Matrix-Logik für Kanten-Typisierung.
WP-15	Smart Edge Allocation	LLM-Filter für Kanten in Chunks + Traffic Control (Semaphore) + Strict Chunking.
WP-19	Graph Visualisierung	Frontend Modularisierung: Umbau auf `ui_.py`. Graph Engines:* Parallelbetrieb von Cytoscape und Agraph. Tools: SSOT Editor, Persistenz via URL.
WP-20	Cloud Hybrid Mode	Nutzung von Public LLM für schnellere Verarbeitung und bestimmte Aufgaben.
WP-21	Semantic Graph Routing	Transformation des Graphen von statischen Verbindungen zu dynamischen, kontextsensitiven Pfaden.
WP-22	Content Lifecycle & Registry	Ergebnis: SSOT via `01_edge_vocabulary.md`, Alias-Mapping, Status-Scoring (`stable`/`draft`) und Modularisierung der Scoring-Engine.

2.1 WP-22 Lessons Learned

Architektur: Die Trennung von retriever.py und retriever_scoring.py war notwendig, um LLM-Context-Limits zu wahren und die Testbarkeit der mathematischen Formeln zu erhöhen.
Kanten-Validierung: Die Edge Registry muss beim Start explizit initialisiert werden (Singleton), um "Lazy Loading" Probleme in der API zu vermeiden.

3. Offene Workpackages (Planung)

WP-19a – Graph Intelligence & Discovery (Sprint-Fokus)

Status: 🚀 Startklar Ziel: Vom "Anschauen" zum "Verstehen". Deep-Dive Werkzeuge für den Graphen.

Discovery Screen: Neuer Tab für semantische Suche ("Finde Notizen über Vaterschaft") und Wildcard-Filter.
Filter-Logik: "Zeige nur Wege, die zu type:decision führen".
Chunk Inspection: Umschaltbare Granularität (Notiz vs. Chunk) zur Validierung des Smart Chunkers.

WP-14 – Review / Refactoring / Dokumentation

Status: 🟡 Laufend (Phase E) Ziel: Technische Schulden abbauen, die durch schnelle Feature-Entwicklung entstanden sind.

Refactoring chunker.py: Die Datei ist monolithisch geworden (Parsing, Strategien, LLM-Orchestrierung).
- Lösung: Aufteilung in ein Package app/core/chunking/ mit Modulen (strategies.py, orchestration.py, utils.py).
Dokumentation: Kontinuierliche Synchronisation von Code und Docs (v2.7.0 Stand).

WP-16 – Auto-Discovery & Intelligent Ingestion

Status: 🟡 Geplant Ziel: Das System soll "dumme" Textdateien beim Import automatisch analysieren, strukturieren und anreichern, bevor sie gespeichert werden. Kern-Features:

Smart Link Enricher: Automatisches Erkennen von fehlenden Kanten in Texten ohne explizite Wikilinks. Ein "Enricher" scannt Text vor dem Import, findet Keywords (z.B. "Mindnet") und schlägt Links vor ([[Mindnet]]).
Structure Analyzer (Auto-Strategy):
- Problem: Manuelle Zuweisung von chunking_profile in types.yaml ist starr.
- Lösung: Vorschalten einer Analysestufe im Importer (chunker.py), die die Text-Topologie prüft und die Strategie wählt.
- Metrik 1 (Heading Density): Verhältnis Anzahl Überschriften / Wortanzahl. Hohe Dichte (> 1/200) -> Indikator für structured_smart_edges. Niedrige Dichte -> sliding_smart_edges.
- Metrik 2 (Variance): Regelmäßigkeit der Abstände zwischen Headings.
Context-Aware Hierarchy Merging:
- Problem: Leere Zwischenüberschriften (z.B. "Tier 2") gingen früher als bedeutungslose Chunks verloren oder wurden isoliert.
- Lösung: Generalisierung der Logik aus WP-15, die leere Eltern-Elemente automatisch mit dem ersten Kind-Element verschmilzt ("Tier 2 + MP1"), um den Kontext für das Embedding zu wahren.

WP-17 – Conversational Memory (Gedächtnis)

Status: 🟡 Geplant Ziel: Echte Dialoge statt Request-Response.

Tech: Erweiterung des ChatRequest DTO um history.
Logik: Token-Management (Context Window Balancing zwischen RAG-Doks und Chat-Verlauf).

WP-18 – Graph Health & Maintenance

Status: 🟡 Geplant (Prio 2) Ziel: Konsistenzprüfung ("Garbage Collection").

Feature: Cronjob check_graph_integrity.py.
Funktion: Findet "Dangling Edges" (Links auf gelöschte Notizen) und repariert/löscht sie.

WP-13 – MCP-Integration & Agenten-Layer

Status: 🟡 Geplant Ziel: mindnet als MCP-Server bereitstellen, damit Agenten (Claude Desktop, OpenAI) standardisierte Tools nutzen können.

Umfang: MCP-Server mit Tools (mindnet_query, mindnet_explain, etc.).

WP-20 – Cloud Hybrid Mode (Optional)

Status: ⚪ Optional Ziel: "Turbo-Modus" für Massen-Imports.

Konzept: Switch in .env, um statt Ollama (Lokal) auf Google Gemini (Cloud) umzuschalten.

WP-21 – Semantic Graph Routing & Canonical Edges

Status: 🟡 Geplant Ziel: Transformation des Graphen von statischen Verbindungen zu dynamischen, kontextsensitiven Pfaden. Problem:

Statische Gewichte: Aktuell ist caused_by immer gleich wichtig, egal ob der User nach Ursachen oder Definitionen fragt.--- doc_type: roadmap audience: product_owner, developer status: active version: 2.7 context: "Aktuelle Planung für kommende Features (ab WP16), Release-Strategie und Historie der abgeschlossenen WPs."

Mindnet Active Roadmap

Aktueller Stand: v2.6.0 (Post-WP15/WP19) Fokus: Visualisierung, Exploration & Intelligent Ingestion.

1. Programmstatus

Wir haben mit der Implementierung des Graph Explorers (WP19) und der Smart Edge Allocation (WP15) die Basis für ein intelligentes, robustes System gelegt. Der nächste Schritt (WP19a) vertieft die Analyse, während WP16 die "Eingangs-Intelligenz" erhöht.

Phase	Fokus	Status
Phase A	Fundament & Import	✅ Fertig
Phase B	Semantik & Graph	✅ Fertig
Phase C	Persönlichkeit	✅ Fertig
Phase D	Interaktion & Tools	✅ Fertig
Phase E	Maintenance & Visualisierung	🚀 Aktiv

2. Historie: Abgeschlossene Workpackages

Eine Übersicht der implementierten Features zum schnellen Auffinden von Funktionen. Details siehe 99_legacy_workpackages.md.

WP	Titel	Ergebnis / Kern-Feature
WP-01	Knowledge Design	Definition von `types.yaml` und Note-Typen (Project, Concept, etc.).
WP-02	Chunking Strategy	Implementierung von Sliding-Window und Hash-basierter Änderungserkennung.
WP-03	Import-Pipeline	Asynchroner Importer, der Markdown in Qdrant (Notes/Edges) schreibt.
WP-04a	Retriever Scoring	Hybride Suche: `Score = Semantik + GraphBonus + TypGewicht`.
WP-04b	Explanation Layer	Transparenz: API liefert "Reasons" (Warum wurde das gefunden?).
WP-04c	Feedback Loop	Logging von User-Feedback (JSONL) als Basis für Learning.
WP-05	RAG-Chat	Integration von Ollama (`phi3`) und Context-Enrichment im Prompt.
WP-06	Decision Engine	Hybrid Router unterscheidet Frage (`RAG`) vs. Handlung (`Interview`).
WP-07	Interview-Assistent	One-Shot Extraction: Erzeugt Markdown-Drafts aus User-Input.
WP-08	Interview-Assistent	One-Shot Extraction: Erzeugt Markdown-Drafts aus User-Input.
WP-09	Interview-Assistent	One-Shot Extraction: Erzeugt Markdown-Drafts aus User-Input.
WP-10	Web UI	Streamlit-Frontend als Ersatz für das Terminal.
WP-10a	Draft Editor	GUI-Komponente zum Bearbeiten und Speichern generierter Notizen.
WP-11	Backend Intelligence	`nomic-embed-text` (768d) und Matrix-Logik für Kanten-Typisierung.
WP-15	Smart Edge Allocation	LLM-Filter für Kanten in Chunks + Traffic Control (Semaphore) + Strict Chunking.
WP-19	Graph Visualisierung	Frontend Modularisierung: Umbau auf `ui_.py`. Graph Engines:* Parallelbetrieb von Cytoscape (COSE) und Agraph. Tools: "Single Source of Truth" Editor, Persistenz via URL.
WP-20	Cloud Hybrid Mode	Nutzung von Public LLM für schnellere Verarbeitung und bestimmte Aufgaben
WP-21	Semantic Graph Routing & Canonical Edges	Transformation des Graphen von statischen Verbindungen zu dynamischen, kontextsensitiven Pfaden. Das System soll verstehen, welche Art von Verbindung für die aktuelle Frage relevant ist ("Warum?" vs. "Was kommt danach?").
WP-22	Content Lifecycle & Registry	Ergebnis: SSOT via `01_edge_vocabulary.md`, Alias-Mapping, Status-Scoring (`stable`/`draft`) und Modularisierung der Scoring-Engine.

doc_type: roadmap audience: product_owner, developer status: active version: 2.7 context: "Aktuelle Planung für kommende Features (ab WP16), Release-Strategie und Historie der abgeschlossenen WPs."

Mindnet Active Roadmap

Aktueller Stand: v2.6.0 (Post-WP15/WP19) Fokus: Visualisierung, Exploration & Intelligent Ingestion.

1. Programmstatus

Phase	Fokus	Status
Phase A	Fundament & Import	✅ Fertig
Phase B	Semantik & Graph	✅ Fertig
Phase C	Persönlichkeit	✅ Fertig
Phase D	Interaktion & Tools	✅ Fertig
Phase E	Maintenance & Visualisierung	🚀 Aktiv

2. Historie: Abgeschlossene Workpackages

Eine Übersicht der implementierten Features zum schnellen Auffinden von Funktionen. Details siehe 99_legacy_workpackages.md.

WP	Titel	Ergebnis / Kern-Feature
WP-01	Knowledge Design	Definition von `types.yaml` und Note-Typen (Project, Concept, etc.).
WP-02	Chunking Strategy	Implementierung von Sliding-Window und Hash-basierter Änderungserkennung.
WP-03	Import-Pipeline	Asynchroner Importer, der Markdown in Qdrant (Notes/Edges) schreibt.
WP-04a	Retriever Scoring	Hybride Suche: `Score = Semantik + GraphBonus + TypGewicht`.
WP-04b	Explanation Layer	Transparenz: API liefert "Reasons" (Warum wurde das gefunden?).
WP-04c	Feedback Loop	Logging von User-Feedback (JSONL) als Basis für Learning.
WP-05	RAG-Chat	Integration von Ollama (`phi3`) und Context-Enrichment im Prompt.
WP-06	Decision Engine	Hybrid Router unterscheidet Frage (`RAG`) vs. Handlung (`Interview`).
WP-07	Interview-Assistent	One-Shot Extraction: Erzeugt Markdown-Drafts aus User-Input.
WP-08	Interview-Assistent	One-Shot Extraction: Erzeugt Markdown-Drafts aus User-Input.
WP-09	Interview-Assistent	One-Shot Extraction: Erzeugt Markdown-Drafts aus User-Input.
WP-08	Interview-Assistent	One-Shot Extraction: Erzeugt Markdown-Drafts aus User-Input.
WP-09	Interview-Assistent	One-Shot Extraction: Erzeugt Markdown-Drafts aus User-Input.
WP-10	Web UI	Streamlit-Frontend als Ersatz für das Terminal.
WP-10a	Draft Editor	GUI-Komponente zum Bearbeiten und Speichern generierter Notizen.
WP-11	Backend Intelligence	`nomic-embed-text` (768d) und Matrix-Logik für Kanten-Typisierung.
WP-15	Smart Edge Allocation	LLM-Filter für Kanten in Chunks + Traffic Control (Semaphore) + Strict Chunking.
WP-19	Graph Visualisierung	Frontend Modularisierung: Umbau auf `ui_.py`. Graph Engines:* Parallelbetrieb von Cytoscape (COSE) und Agraph. Tools: "Single Source of Truth" Editor, Persistenz via URL.
WP-20	Cloud Hybrid Mode	Nutzung von Public LLM für schnellere Verarbeitung und bestimmte Aufgaben
WP-21	Semantic Graph Routing & Canonical Edges	Transformation des Graphen von statischen Verbindungen zu dynamischen, kontextsensitiven Pfaden. Das System soll verstehen, welche Art von Verbindung für die aktuelle Frage relevant ist ("Warum?" vs. "Was kommt danach?").
WP-22	Content Lifecycle & Registry	Ergebnis: SSOT via `01_edge_vocabulary.md`, Alias-Mapping, Status-Scoring (`stable`/`draft`) und Modularisierung der Scoring-Engine.

2.1 WP-22 Lessons Learned

Architektur: Die Trennung von retriever.py und retriever_scoring.py war notwendig, um LLM-Context-Limits zu wahren und die Testbarkeit der mathematischen Formeln zu erhöhen.
Kanten-Validierung: Die Edge Registry muss beim Start explizit initialisiert werden (Singleton), um "Lazy Loading" Probleme in der API zu vermeiden.

3. Offene Workpackages (Planung)

WP-08 – Self-Tuning v1/v2 (geplant)

Diese Features stehen als nächstes an oder befinden sich in der Umsetzung. Phase: B/C Status: 🟡 geplant (Nächster Fokus)

Ziel: Aufbau eines Self-Tuning-Mechanismus, der auf Basis von Feedback-Daten (WP-04c) Vorschläge für Retriever- und Policy-Anpassungen macht.

Umfang:

Auswertung der JSONL-Feedback-Daten.
Regel-basierte Anpassungs-Vorschläge für retriever.yaml und Typ-Prioritäten.

Aufwand / Komplexität:

Aufwand: Hoch
Komplexität: Hoch

WP-09 – Vault-Onboarding & Migration (geplant)

Phase: B Status: 🟡 geplant

Ziel: Sicherstellen, dass bestehende und neue Obsidian-Vaults schrittweise in mindnet integriert werden können – ohne Massenumbau.

Umfang:

Tools zur Analyse des Vault-Status.
Empfehlungen für minimale Anpassungen.

Aufwand / Komplexität:

Aufwand: Mittel
Komplexität: Niedrig/Mittel Phase: B/C Status: 🟡 geplant (Nächster Fokus)

Ziel: Aufbau eines Self-Tuning-Mechanismus, der auf Basis von Feedback-Daten (WP-04c) Vorschläge für Retriever- und Policy-Anpassungen macht.

Umfang:

Auswertung der JSONL-Feedback-Daten.
Regel-basierte Anpassungs-Vorschläge für retriever.yaml und Typ-Prioritäten.

Aufwand / Komplexität:

Aufwand: Hoch
Komplexität: Hoch

WP-09 – Vault-Onboarding & Migration (geplant)

Phase: B Status: 🟡 geplant

Ziel: Sicherstellen, dass bestehende und neue Obsidian-Vaults schrittweise in mindnet integriert werden können – ohne Massenumbau.

Umfang:

Tools zur Analyse des Vault-Status.
Empfehlungen für minimale Anpassungen.

Aufwand / Komplexität:

Aufwand: Mittel
Komplexität: Niedrig/Mittel

WP-19a – Graph Intelligence & Discovery (Sprint-Fokus)

Status: 🚀 Startklar Ziel: Vom "Anschauen" zum "Verstehen". Deep-Dive Werkzeuge für den Graphen.

Discovery Screen: Neuer Tab für semantische Suche ("Finde Notizen über Vaterschaft") und Wildcard-Filter.
Filter-Logik: "Zeige nur Wege, die zu type:decision führen".
Chunk Inspection: Umschaltbare Granularität (Notiz vs. Chunk) zur Validierung des Smart Chunkers.

WP-14 – Review / Refactoring / Dokumentation

Status: 🟡 Laufend (Phase E) Ziel: Technische Schulden abbauen, die durch schnelle Feature-Entwicklung (WP15/WP19) entstanden sind.

Refactoring chunker.py: Die Datei ist monolithisch geworden (Parsing, Strategien, LLM-Orchestrierung).
- Lösung: Aufteilung in ein Package app/core/chunking/ mit Modulen (strategies.py, orchestration.py, utils.py).
Dokumentation: Kontinuierliche Synchronisation von Code und Docs (v2.6 Stand).

WP-16 – Auto-Discovery & Intelligent Ingestion

Status: 🟡 Geplant Ziel: Das System soll "dumme" Textdateien beim Import automatisch analysieren, strukturieren und anreichern, bevor sie gespeichert werden. Kern-Features:

Smart Link Enricher: Automatisches Erkennen von fehlenden Kanten in Texten ohne explizite Wikilinks. Ein "Enricher" scannt Text vor dem Import, findet Keywords (z.B. "Mindnet") und schlägt Links vor ([[Mindnet]]).
Structure Analyzer (Auto-Strategy):
- Problem: Manuelle Zuweisung von chunking_profile in types.yaml ist starr.
- Lösung: Vorschalten einer Analysestufe im Importer (chunker.py), die die Text-Topologie prüft und die Strategie wählt.
- Metrik 1 (Heading Density): Verhältnis Anzahl Überschriften / Wortanzahl. Hohe Dichte (> 1/200) -> Indikator für structured_smart_edges. Niedrige Dichte -> sliding_smart_edges.
- Metrik 2 (Variance): Regelmäßigkeit der Abstände zwischen Headings.
Context-Aware Hierarchy Merging:
- Problem: Leere Zwischenüberschriften (z.B. "Tier 2") gingen früher als bedeutungslose Chunks verloren oder wurden isoliert.
- Lösung: Generalisierung der Logik aus WP-15, die leere Eltern-Elemente automatisch mit dem ersten Kind-Element verschmilzt ("Tier 2 + MP1"), um den Kontext für das Embedding zu wahren.

WP-17 – Conversational Memory (Gedächtnis)

Status: 🟡 Geplant Ziel: Echte Dialoge statt Request-Response.

Tech: Erweiterung des ChatRequest DTO um history.
Logik: Token-Management (Context Window Balancing zwischen RAG-Doks und Chat-Verlauf).

WP-18 – Graph Health & Maintenance

Status: 🟡 Geplant (Prio 2) Ziel: Konsistenzprüfung ("Garbage Collection").

Feature: Cronjob check_graph_integrity.py.
Funktion: Findet "Dangling Edges" (Links auf gelöschte Notizen) und repariert/löscht sie.

WP-13 – MCP-Integration & Agenten-Layer

Status: 🟡 Geplant Ziel: mindnet als MCP-Server bereitstellen, damit Agenten (Claude Desktop, OpenAI) standardisierte Tools nutzen können.

Umfang: MCP-Server mit Tools (mindnet_query, mindnet_explain, etc.).

WP-20 – Cloud Hybrid Mode (Optional)

Status: ⚪ Optional Ziel: "Turbo-Modus" für Massen-Imports.

Konzept: Switch in .env, um statt Ollama (Lokal) auf Google Gemini (Cloud) umzuschalten.

WP-21 – Semantic Graph Routing & Canonical Edges

Status: 🟡 Geplant Ziel: Transformation des Graphen von statischen Verbindungen zu dynamischen, kontextsensitiven Pfaden. Das System soll verstehen, welche Art von Verbindung für die aktuelle Frage relevant ist ("Warum?" vs. "Was kommt danach?"). Problem:

Statische Gewichte: Aktuell ist caused_by immer gleich wichtig (z.B. 1.2), egal ob der User nach Ursachen oder Definitionen fragt.
Vokabular-Zwang: Der Nutzer muss exakte System-Begriffe (caused_by) verwenden. Natürliche Synonyme (führt_zu, ausgelöst_durch) werden als unbekannte Kanten ignoriert oder nicht speziell gewichtet.

Lösungsansätze & Kern-Features:

Canonical Edge Mapping (Middleware):
- Einführung einer Mapping-Schicht (z.B. in edges.yaml).
- Funktion: Normalisiert User-Vokabular (leads_to, triggers, starts) automatisch auf System-Typen (caused_by).
- Benefit: Maximale Schreibfreiheit für den Nutzer bei gleichzeitiger System-Konsistenz.
Dynamic Intent Boosting (Query-Time):
- Erweiterung der Decision Engine.
- Funktion: Der Router erkennt den Intent der Frage (z.B. EXPLANATION für "Warum-Fragen") und injiziert temporäre edge_weights in den Retriever.
- Beispiel: Bei "Warum ist das passiert?" wird caused_by von 1.2 auf 2.5 geboostet, während related_to auf 0.1 sinkt.
Graph Reasoning:
- Der Retriever priorisiert Pfade, die dem semantischen Muster der Frage entsprechen, nicht nur dem Text-Match.

WP-22 – Content Lifecycle & Meta-Configuration

Status: ✅ Fertig (v2.7.0) Ziel: Professionalisierung der Datenhaltung durch Einführung eines Lebenszyklus und "Docs-as-Code" Konfiguration. Lösungsansätze:

Status-Logik (Frontmatter): stable vs. draft Scoring Modifier.
Single Source of Truth (SSOT): Die Registry nutzt 01_edge_vocabulary.md als führende Konfiguration.
Self-Learning Loop: Protokollierung unbekannter Kanten in unknown_edges.jsonl.

4. Abhängigkeiten & Release-Plan

graph TD
    WP19(Graph Viz) --> WP19a(Discovery)
    WP19a --> WP17(Memory)
    WP15(Smart Edges) --> WP16(Auto-Discovery)
    WP15 --> WP14(Refactoring)
    WP03(Import) --> WP18(Health Check)
    WP03 --> WP13(MCP)
    WP04 --> WP13(MCP)
    WP06(Decision Engine) --> WP21(Semantic Routing)
    WP03(Import Pipeline) --> WP21
    WP21 --> WP22(Lifecycle & Registry)
    WP22 --> WP14
    WP15(Smart Edges) --> WP21

22 KiB Raw Blame History Unescape Escape

Mindnet Active Roadmap

1. Programmstatus

2. Historie: Abgeschlossene Workpackages

2.1 WP-22 Lessons Learned

3. Offene Workpackages (Planung)

WP-19a – Graph Intelligence & Discovery (Sprint-Fokus)

WP-14 – Review / Refactoring / Dokumentation

WP-16 – Auto-Discovery & Intelligent Ingestion

WP-17 – Conversational Memory (Gedächtnis)

WP-18 – Graph Health & Maintenance

WP-13 – MCP-Integration & Agenten-Layer

WP-20 – Cloud Hybrid Mode (Optional)

WP-21 – Semantic Graph Routing & Canonical Edges

Mindnet Active Roadmap

1. Programmstatus

2. Historie: Abgeschlossene Workpackages

doc_type: roadmap audience: product_owner, developer status: active version: 2.7 context: "Aktuelle Planung für kommende Features (ab WP16), Release-Strategie und Historie der abgeschlossenen WPs."

Mindnet Active Roadmap

1. Programmstatus

2. Historie: Abgeschlossene Workpackages

2.1 WP-22 Lessons Learned

3. Offene Workpackages (Planung)

WP-08 – Self-Tuning v1/v2 (geplant)

WP-08 – Self-Tuning v1/v2 (geplant)

WP-09 – Vault-Onboarding & Migration (geplant)

WP-09 – Vault-Onboarding & Migration (geplant)

WP-19a – Graph Intelligence & Discovery (Sprint-Fokus)

WP-14 – Review / Refactoring / Dokumentation

WP-16 – Auto-Discovery & Intelligent Ingestion

WP-17 – Conversational Memory (Gedächtnis)

WP-18 – Graph Health & Maintenance

WP-13 – MCP-Integration & Agenten-Layer

WP-20 – Cloud Hybrid Mode (Optional)

WP-21 – Semantic Graph Routing & Canonical Edges

WP-22 – Content Lifecycle & Meta-Configuration

4. Abhängigkeiten & Release-Plan

22 KiB

Raw Blame History