Lars
c3230761e8
All checks were successful
Deploy mindnet to llm-node / deploy (push) Successful in 3s
114 lines
5.3 KiB
Markdown
114 lines
5.3 KiB
Markdown
# Mindnet v2.2 – User Guide
|
||
**Datei:** `docs/mindnet_user_guide_v2.2.md`
|
||
**Stand:** 2025-12-07
|
||
**Status:** **FINAL** (Konsolidiert WP01–WP04a)
|
||
**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 oder Spotlight), die nur Texte findet, "denkt" Mindnet mit. Dieser Guide zeigt dir, wie du das System nutzt.
|
||
|
||
---
|
||
|
||
## 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. Hier gewinnt oft die reine Text-Ähnlichkeit.
|
||
* **Zusammenhänge:** "Womit hängt Projekt Alpha zusammen?"
|
||
* *Mindnet sucht:* Den Projekt-Knoten und folgt den Kanten (`depends_on`, `related_to`). Hier gewinnt der Graph.
|
||
* **Entscheidungen:** "Warum nutzen wir Vektordatenbanken?"
|
||
* *Mindnet sucht:* Notizen vom Typ `decision` oder `principle`. Hier gewinnt das Typ-Gewicht (`retriever_weight`).
|
||
|
||
### 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 (was alles finden würde), frage "Qdrant Setup für Mindnet", um den Kontext einzuschränken.
|
||
|
||
---
|
||
|
||
## 3. Ergebnisse interpretieren
|
||
|
||
Wenn Mindnet antwortet, siehst du oft mehr als nur Text. Du siehst eine **Begründung**.
|
||
|
||
### 3.1 Der Score (Warum ist das hier oben?)
|
||
Mindnet berechnet für jeden Treffer einen `total_score`. Dieser ist keine Magie, sondern Mathematik:
|
||
|
||
Score = (Text-Treffer) + (Wichtigkeit) + (Vernetzung)
|
||
|
||
* **Text-Treffer (Semantik):** Wie gut passen die Worte?
|
||
* **Wichtigkeit (Typ):** Ist die Quelle eine zentrale `decision` (hoch gewichtet) oder nur eine `source` (niedrig)? Ein Treffer in einer Entscheidung schlägt oft einen Treffer in einem Buch-Exzerpt.
|
||
* **Vernetzung (Edge Bonus):** Wird dieser Inhalt oft von anderen wichtigen Projekten referenziert? Ein "zentraler" Knoten wird bevorzugt.
|
||
|
||
### 3.2 Pfade (Der Kontext)
|
||
Oft zeigt Mindnet im Hintergrund (Explainability):
|
||
*"Gefunden via: Projekt Alpha -> depends_on -> Vektordatenbank"*
|
||
|
||
Das bedeutet: Dieser Treffer ist relevant, weil er eine **Abhängigkeit** deines aktuellen Projekts ist, auch wenn deine Suchworte vielleicht nicht exakt passen. Das ist der Moment, in dem Mindnet "mitdenkt".
|
||
|
||
---
|
||
|
||
## 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. Das hilft dem Retriever später, den "Pfad" zu finden.
|
||
|
||
* 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.
|
||
* Vermeide endlose Textwüsten.
|
||
|
||
### 4.3 Typen nutzen
|
||
Setze im Frontmatter deiner Notizen den richtigen Typ.
|
||
* `type: project` -> Mindnet weiß: Das hat Aufgaben und Abhängigkeiten.
|
||
* `type: decision` -> Mindnet weiß: Das ist wichtig und begründet Dinge.
|
||
* `type: journal` -> Mindnet weiß: Das ist zeitgebunden und weniger wichtig für Grundsatzfragen.
|
||
|
||
**Beispiel:**
|
||
---
|
||
title: Entscheidung für Python
|
||
type: decision
|
||
---
|
||
Wir nutzen Python, weil es [[rel:solves AI Library Requirements]].
|
||
|
||
---
|
||
|
||
## 5. Feedback & Lernen
|
||
|
||
Mindnet wird schlauer, wenn du es pflegst.
|
||
|
||
### 5.1 Ergebnis fehlt?
|
||
* Existiert die Notiz im Vault?
|
||
* Ist sie isoliert (keine Links)? Isolierte Notizen haben keinen Graph-Bonus und werden schlechter gefunden. **Verlinke sie!**
|
||
* Ist der Typ `source`? Dann ist das Gewicht niedrig (0.5). Wenn es deine eigene Meinung ist, ändere den Typ auf `concept` oder `experience`.
|
||
|
||
### 5.2 Falsches Ergebnis?
|
||
* Ist die Notiz veraltet? Setze `status: archived` (wenn du Filter konfiguriert hast) oder lösche sie.
|
||
* Wird ein Begriff falsch verstanden? Füge Synonyme oder eine Definition hinzu.
|
||
|
||
### 5.3 Ausblick (Roadmap)
|
||
In Zukunft (WP08) wirst du Ergebnisse direkt mit "Daumen hoch/runter" bewerten können. Mindnet passt dann seine Gewichte (`retriever.yaml`) automatisch an, um deine Präferenzen zu lernen. |