Mindnet v2.4 – Appendices & Referenzen

Datei: docs/mindnet_appendices_v2.4.md Stand: 2025-12-11 Status: FINAL (Integrierter Stand WP01–WP11) Quellen: TYPE_REGISTRY_MANUAL.md, chunking_strategy.md, mindnet_technical_architecture.md, Handbuch.md.

Dieses Dokument bündelt Tabellen, Schemata und technische Referenzen, die in den Prozess-Dokumenten (Playbook, Guides) den Lesefluss stören würden.

Anhang A: Typ-Registry Referenz (Default-Werte)

Diese Tabelle zeigt die Standard-Konfiguration der types.yaml (Stand v2.4).

Typ (`type`)	Chunk Profile	Retriever Weight	Edge Defaults (Auto-Kanten)	Beschreibung
concept	`medium`	0.60	`references`, `related_to`	Abstrakte Begriffe, Theorien.
project	`long`	0.97	`references`, `depends_on`	Aktive Vorhaben. Hohe Priorität.
decision	`long`	1.00	`caused_by`, `references`	Entscheidungen (ADRs). Höchste Prio.
experience	`medium`	0.90	`derived_from`, `inspired_by`	Persönliche Learnings.
journal	`short`	0.80	`related_to`	Zeitgebundene Logs. Fein granular.
person	`short`	0.50	`related_to`	Personen-Profile.
source	`long`	0.50	(keine)	Externe Quellen (Bücher, PDFs).
event	`short`	0.60	`related_to`	Meetings, Konferenzen.
value	`medium`	1.00	`related_to`	Persönliche Werte/Prinzipien.
goal	`medium`	0.95	`depends_on`	Strategische Ziele.
belief	`medium`	0.90	`related_to`	Glaubenssätze.
default	`medium`	1.00	`references`	Fallback, wenn Typ unbekannt.

Anhang B: Edge-Typen & Semantik

Referenz aller implementierten Kantenarten (kind).

Kind	Herkunft (Primär)	Symmetrisch?	Bedeutung & Nutzung
`references`	Wikilink `[[...]]`	Nein	Standard-Verweis. "Erwähnt X".
`belongs_to`	Struktur (Auto)	Nein	Verknüpft Chunk mit seiner Note.
`next` / `prev`	Struktur (Auto)	Ja (Logisch)	Definiert Lesereihenfolge der Chunks.
`depends_on`	Inline / Default	Nein	Harte Abhängigkeit. "Braucht X um zu funktionieren".
`related_to`	Callout / Default	Ja (Oft)	Thematische Nähe. "Siehe auch X".
`similar_to`	Inline	Ja	Inhaltliche Ähnlichkeit. "Ist wie X".
`caused_by`	Inline	Nein	Kausalität. "X ist der Grund für Y".
`solves`	Inline	Nein	Lösung. "Tool X löst Problem Y".
`derived_from`	Matrix / Default	Nein	Herkunft. "Erkenntnis stammt aus Prinzip X".
`based_on`	Matrix	Nein	Fundament. "Erfahrung basiert auf Wert Y".
`uses`	Matrix	Nein	Nutzung. "Projekt nutzt Konzept Z".

Anhang C: Datenmodelle (JSON Payloads)

Diese sind die Felder, die effektiv in Qdrant gespeichert werden.

C.1 Note Payload (`mindnet_notes`)

{
  "note_id": "string (keyword)",       // UUIDv5 oder Slug
  "title": "string (text)",            // Titel aus Frontmatter
  "type": "string (keyword)",          // Typ (z.B. 'project')
  "retriever_weight": "float",         // Numerische Wichtigkeit (0.0-1.0)
  "chunk_profile": "string",           // Genutztes Profil (z.B. 'long')
  "edge_defaults": ["string"],         // Liste der aktiven Default-Kanten
  "tags": ["string"],                  // Liste von Tags
  "created": "string (iso-date)",      // Erstellungsdatum
  "updated": "integer",                // Timestamp
  "fulltext": "string (no-index)"      // Gesamter Text (für Recovery)
}

C.2 Chunk Payload (`mindnet_chunks`)

{
  "chunk_id": "string (keyword)",      // Format: {note_id}#c{index}
  "note_id": "string (keyword)",       // FK zur Note
  "type": "string (keyword)",          // Typ-Kopie aus Note
  "text": "string (text)",             // Reintext für Anzeige (ohne Overlap)
  "window": "string (text)",           // Text + Overlap (für Embedding)
  "ord": "integer",                    // Laufende Nummer (1..N)
  "retriever_weight": "float",         // Kopie aus Note (für Query-Speed)
  "neighbors_prev": ["string"],        // ID des Vorgängers
  "neighbors_next": ["string"]         // ID des Nachfolgers
}

C.3 Edge Payload (`mindnet_edges`)

{
  "edge_id": "string (keyword)",       // Deterministischer Hash
  "source_id": "string (keyword)",     // Chunk-ID (Start)
  "target_id": "string (keyword)",     // Chunk-ID oder Note-Titel (Ziel)
  "kind": "string (keyword)",          // z.B. 'depends_on'
  "scope": "string (keyword)",         // Immer 'chunk'
  "rule_id": "string (keyword)",       // Traceability: 'inline:rel', 'explicit:wikilink'
  "confidence": "float",               // 0.0 - 1.0
  "note_id": "string (keyword)"        // Owner Note ID
}

Anhang D: Environment Variablen

Diese Variablen steuern das Verhalten der Skripte und Container.

Variable	Default	Beschreibung
`QDRANT_URL`	`http://localhost:6333`	URL zur Vektor-DB.
`QDRANT_API_KEY`	(leer)	API-Key für Absicherung (optional).
`COLLECTION_PREFIX`	`mindnet`	Namensraum für Collections (`{prefix}_notes` etc).
`VECTOR_DIM`	`768`	NEU: Dimension für Embeddings (für Nomic).
`MINDNET_TYPES_FILE`	`config/types.yaml`	Pfad zur Typ-Registry.
`MINDNET_RETRIEVER_CONFIG`	`config/retriever.yaml`	Pfad zur Scoring-Konfiguration.
`MINDNET_PROMPTS_PATH`	`config/prompts.yaml`	Pfad zu LLM-Prompts (Neu in v2.2).
`MINDNET_DECISION_CONFIG`	`config/decision_engine.yaml`	Router & Interview Config (Neu in v2.3).
`MINDNET_LLM_MODEL`	`phi3:mini`	Name des Chat-Modells.
`MINDNET_EMBEDDING_MODEL`	`nomic-embed-text`	NEU: Name des Vektor-Modells.
`MINDNET_OLLAMA_URL`	`http://127.0.0.1:11434`	URL zum LLM-Server (Neu in v2.2).
`MINDNET_LLM_TIMEOUT`	`300.0`	Timeout für Ollama (Erhöht für CPU-Inference).
`MINDNET_API_TIMEOUT`	`60.0`	NEU: Frontend Timeout (Streamlit).
`MINDNET_VAULT_ROOT`	`./vault`	NEU: Pfad für Write-Back Operationen.
`MINDNET_HASH_COMPARE`	`Body`	Vergleichsmodus für Import (`Body`, `Frontmatter`, `Full`).
`MINDNET_HASH_SOURCE`	`parsed`	Quelle für Hash (`parsed`, `raw`, `file`).

Anhang E: Glossar

Active Intelligence: Feature, das während des Schreibens Links vorschlägt.
Async Ingestion: Non-blocking Import-Prozess zur Vermeidung von Timeouts.
Decision Engine: Komponente, die den Intent prüft und Strategien wählt (WP06).
Draft Editor: Web-Komponente zur Bearbeitung generierter Notizen (WP10a).
Explanation Layer: Komponente, die Scores und Graphen als Begründung liefert.
Hybrid Router: Kombination aus Keyword-Matching und LLM-Klassifizierung für Intents.
Matrix Logic: Regelwerk, das Kanten-Typen basierend auf Quell- und Ziel-Typ bestimmt.
Nomic: Das neue, hochpräzise Embedding-Modell (768 Dim).
One-Shot Extractor: LLM-Strategie zur sofortigen Generierung von Drafts ohne Rückfragen (WP07).
RAG (Retrieval Augmented Generation): Kombination aus Suche und Text-Generierung.
Resurrection Pattern: UI-Technik, um Eingaben bei Tab-Wechseln zu erhalten.

Anhang F: Workpackage Status (v2.4.0)

Aktueller Implementierungsstand der Module.

WP	Titel	Status	Anmerkung
WP01	Knowledge Design	🟢 Live	Typen, Frontmatter definiert.
WP02	Chunking Strategy	🟢 Live	Profilbasiertes Chunking aktiv.
WP03	Edge Logic / Import	🟢 Live	Neue Importer-Pipeline mit Provenance.
WP04a	Retriever Scoring	🟢 Live	Hybrider Score (Semantik + Graph).
WP04b	Explanation Layer	🟢 Live	API liefert Reasons & Breakdown.
WP04c	Feedback Loop	🟢 Live	Logging (JSONL) & Traceability aktiv.
WP05	Persönlichkeit / Chat	🟢 Live	RAG-Integration mit Context Enrichment.
WP06	Decision Engine	🟢 Live	Intent-Router & Strategic Retrieval.
WP07	Interview Assistent	🟢 Live	One-Shot Extractor & Schemas aktiv.
WP08	Self-Tuning	🔴 Geplant	Auto-Adjustment der Gewichte.
WP10	Chat Interface	🟢 Live	Web-Interface (Streamlit).
WP10a	Draft Editor	🟢 Live	Interaktives UI für WP07 Drafts.
WP11	Backend Intelligence	🟢 Live	Async Core, Nomic, Matrix.

8.4 KiB Raw Permalink Blame History Unescape Escape