Wissensoperationen (Knowledge Operations)
Verwalte ein mehrschichtiges Wissenssystem für die Aufnahme, Organisation, Synchronisation und Abfrage von Wissen über mehrere Speicherorte hinweg.
Bevorzuge das Live-Arbeitsbereichsmodell:
- Code-Arbeiten leben in den echten geklonten Repos
- der aktive Ausführungskontext lebt in GitHub, Linear und in rekolokalen Arbeitskontextdateien
- breitere, für Menschen bestimmte Notizen können in einem Nicht-Repo Kontext-/Archivordner leben
- dauerhaftes, rechnerübergreifendes Gedächtnis gehört in die Wissensdatenbank, nicht in ein Schatten-Repo-Arbeitsbereich
Wann aktivieren
- Der Benutzer möchte Informationen in seiner Wissensdatenbank speichern
- Dokumente, Gespräche oder Daten in eine strukturierte Speicherung aufnehmen
- Wissen über Systeme hinweg synchronisieren (lokale Dateien, MCP-Speicher, Supabase, Git-Repos)
- Vorhandenes Wissen deduplizieren oder organisieren
- Der Benutzer sagt „Speichere das in der Wissensdatenbank“, „Synchronisiere Wissen“, „Was weiß ich über X“, „Nimm das auf“, „Aktualisiere die Wissensdatenbank“
- Jede Aufgabe zur Wissensverwaltung, die über eine einfache Speicherabfrage hinausgeht
Wissensarchitektur
Ebene 1: Aktive Ausführungswahrheit
- Quellen: GitHub Issues, PRs, Diskussionen, Release-Notizen, Linear Issues/Projekte/Dokumente
- Verwendung für: den aktuellen operativen Zustand der Arbeit
- Regel: Wenn etwas einen aktiven Engineering-Plan, eine Roadmap, einen Rollout oder ein Release betrifft, setze es zuerst hierhin
Ebene 2: Claude Code Memory (Schneller Zugriff)
- Pfad:
~/.claude/projects/*/memory/ - Format: Markdown-Dateien mit Frontmatter
- Typen: Benutzereinstellungen, Rückmeldungen, Projektkontext, Referenz
- Verwendung für: schnell zugänglichen Kontext, der über Gespräche hinweg bestehen bleibt
- Wird automatisch zu Sitzungsbeginn geladen
Ebene 3: MCP Memory Server (Strukturierter Wissensgraph)
- Zugriff: MCP-Speicherwerkzeuge (create_entities, create_relations, add_observations, search_nodes)
- Verwendung für: Semantische Suche über alle gespeicherten Erinnerungen, Beziehungszuordnung
- Sitzungsübergreifende Persistenz mit abfragbarer Graphstruktur
Ebene 4: Wissensdatenbank-Repo / Dauerhafter Dokumentspeicher
- Verwendung für: kuratierte dauerhafte Notizen, Sitzungsexporte, synthetisierte Forschung, Betreibergedächtnis, längerfristige Dokumente
- Regel: Dies ist der bevorzugte dauerhafte Speicher für rechnerübergreifenden Kontext, wenn der Inhalt keinem Repo zugehöriger Code ist
Ebene 5: Externer Datenspeicher (Supabase, PostgreSQL, usw.)
- Verwendung für: Strukturierte Daten, große Dokumentspeicherung, Volltextsuche
- Geeignet für: Dokumente, die zu groß für Speicherdateien sind, Daten, die SQL-Abfragen benötigen
Ebene 6: Lokaler Kontext-/Archivordner
- Verwendung für: für Menschen bestimmte Notizen, archivierte Spielpläne, lokale Medienorganisation, temporäre Nicht-Code-Dokumente
- Regel: Beschreibbar für die Informationsspeicherung, aber kein Schatten-Code-Arbeitsbereich
- Nicht verwenden für: aktive Code-Änderungen oder Repo-Wahrheit, die upstream leben sollte
Aufnahmeworkflow
Wenn neues Wissen erfasst werden muss:
1. Klassifizieren
Um welche Art von Wissen handelt es sich?
- Geschäftsentscheidung -> Speicherdatei (Projekttyp) + MCP-Speicher
- Aktiver Roadmap / Release / Implementierungsstatus -> zuerst GitHub + Linear
- Persönliche Präferenz -> Speicherdatei (Benutzer-/Rückmeldungstyp)
- Referenzinformationen -> Speicherdatei (Referenztyp) + MCP-Speicher
- Großes Dokument -> externer Datenspeicher + Zusammenfassung im Speicher
- Gespräch/Sitzung -> Wissensdatenbank-Repo + kurze Zusammenfassung im Speicher
2. Deduplizieren
Prüfe, ob dieses Wissen bereits existiert:
- Durchsuche Speicherdateien nach vorhandenen Einträgen
- Frage MCP-Speicher mit relevanten Begriffen ab
- Prüfe, ob die Informationen bereits in GitHub oder Linear existieren, bevor du eine weitere lokale Notiz erstellst
- Erstelle keine Duplikate. Aktualisiere stattdessen vorhandene Einträge.
3. Speichern
Schreibe in die entsprechende(n) Ebene(n):
- Aktualisiere immer den Claude Code Memory für schnellen Zugriff
- Verwende MCP-Speicher für semantische Durchsuchbarkeit und Beziehungszuordnung
- Aktualisiere zuerst GitHub / Linear, wenn die Informationen die Live-Projektwahrheit ändern
- Übertrage in das Wissensdatenbank-Repo für dauerhafte, längerfristige Ergänzungen
4. Indizieren
Aktualisiere alle relevanten Indizes oder Zusammenfassungsdateien.
Synchronisationsvorgänge
Gesprächssynchronisation
Synchronisiere regelmäßig den Gesprächsverlauf in die Wissensdatenbank:
- Quellen: Claude-Sitzungsdateien, Codex-Sitzungen, andere Agentensitzungen
- Ziel: Wissensdatenbank-Repo
- Erstelle einen Sitzungsindex für schnelles Durchsuchen
- Übertrage und pushe
Arbeitsbereichszustandssynchronisation
Spiegele wichtige Arbeitsbereichskonfigurationen und Skripte in die Wissensdatenbank:
- Erstelle Verzeichniszuordnungen
- Schwärze vertrauliche Konfiguration vor dem Übertragen
- Verfolge Änderungen im Zeitverlauf
- Behandle die Wissensdatenbank oder den Archivordner nicht als Live-Code-Arbeitsbereich
GitHub / Linear Synchronisation
Wenn die Informationen den aktiven Ausführungskontext betreffen:
- aktualisiere das entsprechende GitHub Issue, PR, die Diskussion, Release-Notizen oder den Roadmap-Thread
- hänge unterstützende Dokumente an Linear an, wenn die Arbeit einen dauerhaften Planungskontext benötigt
- spiegele danach nur dann eine lokale Notiz, wenn sie immer noch einen Mehrwert bietet
Quellenübergreifende Wissenssynchronisation
Hole Wissen aus mehreren Quellen an einem Ort zusammen:
- Claude/ChatGPT/Grok-Gesprächsexporte
- Browser-Lesezeichen
- GitHub-Aktivitätsereignisse
- Schreibe eine Statuszusammenfassung, übertrage und pushe
Speichermuster
# Kurzfristig: aktueller Sitzungskontext
Verwende TodoWrite für die Aufgabenverfolgung innerhalb der Sitzung
# Mittelfristig: Projekt-Speicherdateien
Schreibe nach ~/.claude/projects/*/memory/ für sitzungsübergreifenden Abruf
# Langfristig: GitHub / Linear / Wissensdatenbank
Setze aktive Ausführungswahrheit in GitHub + Linear
Setze dauerhaften synthetisierten Kontext in das Wissensdatenbank-Repo
# Semantische Ebene: MCP-Wissensgraph
Verwende mcp__memory__create_entities für dauerhafte strukturierte Daten
Verwende mcp__memory__create_relations für die Beziehungszuordnung
Verwende mcp__memory__add_observations für neue Fakten über bekannte Entitäten
Verwende mcp__memory__search_nodes, um vorhandenes Wissen zu finden
Best Practices
- Halte Speicherdateien prägnant. Archivieren Sie alte Daten, anstatt Dateien unbegrenzt wachsen zu lassen.
- Verwende Frontmatter (YAML) für Metadaten in allen Wissensdateien.
- Dedupliziere vor dem Speichern. Suche zuerst, dann erstelle oder aktualisiere.
- Bevorzuge einen kanonischen Heimatort pro Faktenmenge. Vermeide parallele Kopien desselben Plans über lokale Notizen, Repo-Dateien und Tracker-Dokumente hinweg.
- Schwärze vertrauliche Informationen (API-Schlüssel, Passwörter) vor der Übergabe an Git.
- Verwende konsistente Namenskonventionen für Wissensdateien (lowercase-kebab-case).
- Markiere Einträge mit Themen/Kategorien für eine einfachere Abfrage.
Qualitätssicherung
Bevor du einen Wissensvorgang abschließt:
- keine doppelten Einträge erstellt
- vertrauliche Daten aus allen Git-verfolgten Dateien geschwärzt
- Indizes und Zusammenfassungen aktualisiert
- geeignete Speicherebene für den Datentyp ausgewählt
- Querverweise hinzugefügt, wo relevant