2.9 KiB
2.9 KiB
| doc_type | audience | status | version | context |
|---|---|---|---|---|
| glossary | all | active | 2.6.0 | Definitionen zentraler Begriffe und Entitäten im Mindnet-System. |
Mindnet Glossar
Quellen: appendix.md, Overview.md
Kern-Entitäten
- Note: Repräsentiert eine Markdown-Datei. Die fachliche Haupteinheit.
- Chunk: Ein Textabschnitt einer Note. Die technische Sucheinheit (Vektor). Durch neue Strategien kann dies ein Fließtext-Abschnitt oder ein logisches Kapitel (Heading) sein.
- Edge: Eine gerichtete Verbindung zwischen zwei Knoten (Chunks oder Notes).
- Vault: Der lokale Ordner mit den Markdown-Dateien (Source of Truth).
- Frontmatter: Der YAML-Header am Anfang einer Notiz (enthält
id,type,title).
Komponenten
- Importer: Das Python-Skript (
import_markdown.py), das Markdown liest und in Qdrant schreibt. - Retriever: Die Komponente, die sucht. Nutzt hybrides Scoring (Semantik + Graph).
- Decision Engine: Teil des Routers, der entscheidet, wie auf eine Anfrage reagiert wird (z.B. Strategie wählen).
- Hybrid Router v5: Die Logik, die erkennt, ob der User eine Frage stellt (
RAG) oder einen Befehl gibt (INTERVIEW). - Draft Editor: Die Web-UI-Komponente, in der generierte Notizen bearbeitet werden.
- Traffic Control (WP15): Ein Mechanismus im
LLMService, der Prioritäten verwaltet (realtimefür Chat vs.backgroundfür Import) und Hintergrund-Tasks mittels Semaphoren drosselt.
Konzepte & Features
- Active Intelligence: Feature im Web-Editor, das während des Schreibens automatisch Links vorschlägt.
- Smart Edge Allocation (WP15): Ein KI-Verfahren, das prüft, ob ein Link in einer Notiz für einen spezifischen Textabschnitt relevant ist, statt ihn blind allen Chunks zuzuordnen.
- Strict Heading Split: Chunking-Strategie, bei der Überschriften (z.B. H2) als harte Grenzen dienen. Verhindert das Vermischen von Themen (z.B. zwei unterschiedliche Rollen in einem Chunk). Besitzt ein "Safety Net" für zu lange Abschnitte.
- Soft Heading Split: Chunking-Strategie, die Überschriften respektiert, aber kleine Abschnitte zusammenfasst, um Vektor-Kontext zu füllen ("Fuller Chunks").
- Healing Parser: UI-Funktion, die fehlerhaften Output des LLMs (z.B. defektes YAML) automatisch repariert.
- Explanation Layer: Die Schicht, die dem Nutzer erklärt, warum ein Suchergebnis gefunden wurde (z.B. "Weil Projekt X davon abhängt").
- Provenance: Die Herkunft einer Kante.
explicit: Vom Mensch geschrieben.smart: Vom LLM validiert.rule: Durch Config-Regel erzeugt.
- Matrix Logic: Regelwerk, das den Typ einer Kante basierend auf Quell- und Ziel-Typ bestimmt (z.B. Erfahrung -> Wert =
based_on). - Idempotenz: Die Eigenschaft des Importers, bei mehrfacher Ausführung dasselbe Ergebnis zu liefern ohne Duplikate.
- Resurrection Pattern: UI-Technik, um User-Eingaben beim Tab-Wechsel zu erhalten.