Architektur und Vertrauensgrenzen

Lokale Knowledge-JSONs ──ro──┐
GLPI Knowledge Base ─────ro──┼──► Ingest ─► In-Memory Graph + Float32 Vectors
Agent runs.jsonl ─────────ro──┘                       │
                                                    ├──► Ollama Pool
                                                    ├──► Relation Thinking
                                                    ├──► Knowledge Consolidation / Research / Synthesis
                                                    ├──► SSE / Hierarchical LOD UI
                                                    └──► Batched Persistence
                                                          ├── staging drafts
                                                          ├── article metadata sidecars
                                                          ├── GLPI cache
                                                          └── SQLite/WAL graph.db

Edge-Klassen

categorized_as, mentions, derived_from: deterministisch aus lokalen oder GLPI-Daten.
research_evidence: aus explizit kontrollierter Recherche, weiterhin staging.
related_to, depends_on, supports, contradicts, extends, same_topic, caused_by: Qwen-Inferenz mit Confidence und Evidence.
rejected: intern gespeicherte Prüfung ohne sichtbare Beziehung.

Mehrstufiges Thinking

Kandidatenpaar
  └── Relation Thinking
        ├── rejected edge
        └── staging edge
              └── Quellenverbund (3–8 Quellen)
                    └── Artikelplanung: create / update / merge / skip
                          └── fachliche Wissenskonsolidierung
                                ├── belegte Fakten und Arbeitsschritte
                                ├── Widersprüche und Wissenslücken
                                └── sequenzielle Recherche
                                      └── erneute Konsolidierung
                                            └── reine Artikelgenerierung
                                                  ├── KB-Staging-Datei
                                                  ├── Metadaten-Sidecar
                                                  ├── Embedding
                                                  └── Quellen- und Recherche-Edges

Relation Thinking schreibt keine Artikel. Die sichtbare KB-Datei enthält ausschließlich das reguläre KB-Schema. Interne Planung, Bewertung, Confidence, Quellen-IDs und Rechercheprotokolle werden getrennt unter BRAIN_DATA_DIR/article-metadata/ gespeichert. Der Entwurf wird sofort als In-Memory-Node sichtbar, eingebettet und mit synthesized_from beziehungsweise grounded_by verknüpft; die Festplattenschreibvorgänge bleiben gebündelt.

Schreibmodell

Produktive Knowledge-Dateien und GLPI sind read-only. AI-THINK wird nur in das konfigurierte Staging geschrieben. Ein prozessweiter Coordinator dedupliziert Dateischreibvorgänge und schreibt sie seriell vor der Graphtransaktion.

Der Graph Store verwendet modernc.org/sqlite über database/sql. Nodes, Edges und binäre Float32-Vektoren werden nur bei Änderungen geschrieben. WAL erlaubt eine kompakte laufende Journaldatei; der Export-Endpunkt erzeugt mit VACUUM INTO eine portable Einzeldatei ohne WAL-Sidecars.

Ollama-Pool

Chat- und Embeddingaufrufe werden als vollständige Requests geroutet. Healthchecks prüfen Erreichbarkeit und Modelle. Ein Per-Node-Inflight-Limit verhindert lokale Überlastung. Failover verändert keine produktiven Daten, da Schreiboperationen erst nach erfolgreicher Inferenz deterministisch ausgeführt werden.

Hierarchische Render-Schicht

Der persistierte Wissensgraph bleibt vollständig. Das Frontend leitet eine temporäre LOD-Struktur ab:

Full Graph
└── Cortex-Region
    └── Themenwolke
        └── lokale Gruppe
            └── einzelner Wissensknoten

Außenkanten werden nach sichtbaren Endpunkten, Relationstyp, Richtung, Herkunft und Status aggregiert. Aktivität öffnet nur den betroffenen Hierarchiepfad.

4.2 KiB Raw Blame History Unescape Escape