knowledge_design.md

Ziel & Anspruch

Dieses Dokument definiert die Wissensarchitektur von mindnet.
Ziele:

Persönliches Wissen, Erfahrungen, Pläne und Ideen konsistent speichern.
Vernetzung durch Backlinks und Wikilinks, auch bei noch nicht vorhandenen Zielen.
LLM-fähige Abfragen durch semantische Vektoren und strukturierte Graph-Kanten.
Vollständiger Roundtrip: Markdown ↔ Qdrant ↔ Markdown.

YAML-Frontmatter-Schema

Pflichtfelder

id: eindeutige Note-ID
title: kurzer Titel
type: z. B. concept, plan, journal
created: ISO-Datum
updated: ISO-Datum

Optionale Felder

status, area, project, tags, lang, slug, aliases, priority, effort_min, due, people, depends_on, assigned_to

Dateinamen-Konvention

Format: YYYY-MM-DD_title.md oder slug.md
Pfade relativ zum Vault, z. B. area/project/note.md

Tagging-Regeln

Tags im Frontmatter als YAML-Liste (tags: [#karate, #projektX]).
Im Text: #Tag erlaubt, aber nicht für die Kantenbildung verwendet.

Link-Regeln

Wikilinks: [[note-id]] oder [[Titel|note-id]] → erzeugen Edges.
Forwardlinks (references): Chunk-Scope.
Backlinks: Note-Scope, automatisch generiert.
Unresolved-Links: bleiben als Edge mit status=unresolved bestehen, bis Zielnote existiert.

Edge-Typen

belongs_to: Chunk → Note
references: Chunk → Note (aus Wikilinks im Text)
backlink: Note → Note (automatisch, invers von references)
prev / next: Chunk → Chunk (symmetrisch)
unresolved: Edge mit status=unresolved, wenn Ziel fehlt
weitere (Tasks/Projekte): depends_on, assigned_to, related, etc.

Optional: references:note (Note-Scope-References), standardmäßig deaktiviert; aktivierbar via ENV/Flag.

Qdrant-Ablage

Collections: {prefix}_notes, {prefix}_chunks, {prefix}_edges
Vektoren:
- Notes: Nullvektor oder Zentroid (optional)
- Chunks: 384-d Embeddings
- Edges: 1-d Dummy-Vektor
IDs: deterministisch via UUIDv5 (idempotent)

Payload-Indizes (Performance)

Notes: note_id
Chunks: note_id, chunk_index
Edges: note_id, kind, scope, source_id, target_id

Backlink-Sektion im Markdown

Jede Note kann am Ende eine Sektion „Mögliche Verbindungen“ enthalten. Diese ist optional, wird chunked, erzeugt aber keine Kanten – dient nur als Inspirationsquelle.

Graph-Layer (optional)

Für Multi-Hop-Queries kann zusätzlich eine SQL-Tabelle nodes/edges/aliases gepflegt werden. Der Importer schreibt parallel in Qdrant und SQL (UPSERT).
→ Vorteil: effiziente Abfragen wie „2-Hop Pfade“, „Top-Hubs“, Community-Erkennung.

Nutzen

Speicherung und Vernetzung persönlicher Wissensressourcen.
LLM kann mit Hybrid-Retrieval (Vektor + Graph) antworten.
Neue Inhalte können vom Agenten semantisch eingeordnet und durch vorgeschlagene Edges ergänzt werden.

2.9 KiB Raw Blame History Unescape Escape