Mindnet v2.4 – Overview & Einstieg

Datei: docs/mindnet_overview_v2.4.md Stand: 2025-12-11 Status: FINAL (Inkl. Async Intelligence & Editor) Version: 2.4.0

1. Einführung: Was ist Mindnet?

Mindnet ist ein persönliches, lokales KI-Gedächtnis. Es ist der Versuch, einen Digitalen Zwilling deines Wissens und deiner Persönlichkeit zu erschaffen.

Anders als herkömmliche Notiz-Apps (wie Obsidian oder Evernote), die Texte nur passiv speichern, ist Mindnet ein aktives System:

Es versteht Zusammenhänge über einen Wissensgraphen.
Es begründet Antworten ("Warum ist das so?").
Es unterstützt beim Schreiben: Es schlägt automatisch Verbindungen zu bestehendem Wissen vor ("Active Intelligence").
Es antwortet situativ angepasst: Mal als Strategieberater, mal als empathischer Spiegel, und neu: als Interviewer, der hilft, Wissen zu erfassen.

Die Vision

„Ein System, das nicht nur speichert, was ich weiß, sondern auch wie ich denke, fühle und arbeite.“

2. Die drei Ebenen des Systems

Mindnet arbeitet auf drei Schichten, die aufeinander aufbauen:

Ebene 1: Content (Das Gedächtnis)

Quelle: Dein lokaler Obsidian-Vault (Markdown).
Funktion: Speicherung von Fakten, Projekten und Logs.
Technik: Async Import-Pipeline, Chunking, Vektor-Datenbank (Qdrant).
Status: 🟢 Live (WP01–WP03, WP11).

Ebene 2: Semantik (Das Verstehen)

Funktion: Verknüpfung von isolierten Notizen zu einem Netzwerk.
Logik: "Projekt A hängt ab von Entscheidung B".
Technik: Hybrider Retriever (Graph + Nomic Embeddings), Explanation Engine.
Status: 🟢 Live (WP04, WP11).

Ebene 3: Identität & Interaktion (Die Persönlichkeit)

Funktion: Interaktion, Bewertung und Co-Creation.
Logik:
- "Ich empfehle Lösung X, weil sie unserem Wert 'Datensparsamkeit' entspricht."
- "Ich sehe, du willst ein Projekt starten. Lass uns die Eckdaten erfassen."
Technik:
- Intent Router: Erkennt Absichten (Fakt vs. Gefühl vs. Entscheidung vs. Interview).
- Strategic Retrieval: Lädt gezielt Werte oder Erfahrungen nach.
- One-Shot Extraction: Generiert Entwürfe für neue Notizen.
- Active Intelligence: Schlägt Links während des Schreibens vor.
Status: 🟢 Live (WP05–WP07, WP10).

3. End-to-End Architektur

Der Datenfluss in Mindnet ist zyklisch ("Data Flywheel"):

Input: Du schreibst Notizen in Obsidian ODER lässt sie von Mindnet im Chat entwerfen.
Intelligence (Live): Während du schreibst, analysiert Mindnet den Text und schlägt Verknüpfungen vor (Sliding Window Analyse).
Ingest: Ein asynchrones Python-Skript importiert, zerlegt (Chunking) und vernetzt (Edges) die Daten in Qdrant.
Intent Recognition: Der Router analysiert deine Frage: Willst du Fakten, Code, Empathie oder etwas dokumentieren?
Retrieval / Action:
- Bei Fragen: Das System sucht Inhalte passend zum Intent.
- Bei Interviews: Das System wählt das passende Schema (z.B. Projekt-Vorlage).
Generation: Ein lokales LLM (Ollama) formuliert die Antwort oder den Markdown-Draft.
Feedback: Du bewertest die Antwort. Das System lernt (langfristig) daraus.

Tech-Stack:

Backend: Python 3.10+, FastAPI (Async).
Datenbank: Qdrant (Vektor & Graph, 768 Dim).
KI: Ollama (Phi-3 Mini für Chat, Nomic für Embeddings) – 100% lokal.
Frontend: Streamlit Web-UI (v2.4).

4. Dokumentations-Wegweiser

Wo findest du was?

Wenn du...	...lies dieses Dokument
...wissen willst, wie man Notizen schreibt.	`mindnet_knowledge_design_manual_v2.4.md`
...das System installieren oder betreiben musst.	`mindnet_admin_guide_v2.4.md`
...am Python-Code entwickeln willst.	`mindnet_developer_guide_v2.4.md`
...die Pipeline (Import -> RAG) verstehen willst.	`mindnet_pipeline_playbook_v2.4.md`
...die genaue JSON-Struktur oder APIs suchst.	`mindnet_technical_architecture.md`
...verstehen willst, was fachlich passiert.	`mindnet_functional_architecture.md`
...den aktuellen Projektstatus suchst.	`mindnet_appendices_v2.4.md`

5. Rollen im System

Mindmaster (User/Owner): Du. Du erstellst Inhalte, stellst Fragen und gibst Feedback. Du definierst die Werte (type: value).
Mindnet (Der Agent): Der digitale Zwilling. Er agiert als pragmatischer, transparenter Assistent und Analyst.
Administrator: Verantwortlich für Docker-Container, Backups und LLM-Ressourcen.

6. Aktueller Fokus

Wir haben den Interview-Assistenten (WP07) und die Backend Intelligence (WP11) erfolgreich integriert. Das System kann nun aktiv helfen, Wissen zu strukturieren und zu vernetzen. Der Fokus verschiebt sich nun in Richtung Self-Tuning (WP08), um aus dem gesammelten Feedback automatisch zu lernen.

4.9 KiB Raw Blame History Unescape Escape